Facilitare, predire, interpretare … dipende.

Da oramai quasi un decennio stiamo assistendo alle continue innovazioni portate dall’Intelligenza Artificiale, ad un ritmo sempre più pressante.
Purtroppo l’interesse e l’enfasi sono stati tali che ad un certo punto si è generato anche un vero e proprio “hype” (tradotto gergalmente “montatura pubblicitaria”) sul tema, ed alcuni imbellettavano superate e talvolta banali soluzioni con un bel “sviluppato con Intelligenza Artificiale”.

Ma cosa rende una “AI” un vera “AI”? E soprattutto, cosa se ne fa una PMI?

L’obiettivo di questo breve contenuto è quello di semplificare al massimo un tema che vede milioni di addetti ai lavori (diretti ed indiretti) e centinaia di miliardi di investimenti all’anno.

Innanzi tutto, una definizione largamente accettata è quella per cui per AI si intende la capacità di replicare artificialmente un’abilità cognitiva generalmente attribuibile ad un essere umano (riconoscere, capire, intuire, immaginare, comporre, creare, etc.).
Oggi esistono molte AI “specializzate”, in grado di svolgere molto bene i compiti per cui sono state sviluppate, mentre l’idea di una AI “generalista”, cioè qualcosa che possa sostituirsi ad un essere umano in tutte le sue capacità, è ancora molto lontano. Alcuni chiamano questo concetto con il termine “singularity”.

L’intelligenza Artificiale e il nuovo modello di Machine Learning

Il concetto di AI ed alcuni suoi progetti non sono recenti, risalgono alla prima metà del ‘900; ma allora perché è esplosa solo nell’ultimo decennio? Grazie all’aumento esorbitante della potenza di calcolo guadagnata dai processori. La potenza di calcolo è il fondamentale acceleratore (insieme alla disponibilità di volumi inquantificabili di dati), di un segmento dell’AI, definito Machine Learning.

Il Machine Learning indica la capacità di una macchina di imparare a svolgere un compito specifico attraverso l’addestramento, invece che attraverso la programmazione.
Supponiamo di voler far riconoscere ad un computer un bullone da una vite (così magari un magazzino automatizzato riordina da solo i vari pezzi, o controlla la composizione dei kit confezionati). Un vecchio modello di programmazione avrebbe richiesto di scrivere migliaia di righe di codice (se è liscio = forse bullone, se è basso = bullone; se alto = vite, se spigoloso = bullone, se rigato = vite, etc. Ammesso poi di riuscire a spiegare ad un computer la differenza tra “spigoloso” e “liscio” tramite righe di codice), raggiungendo risultati poco soddisfacenti. Il nuovo modello di Machine Learning invece permette di “allenare” un algoritmo facendogli “vedere” migliaia di immagini di bulloni e viti, e ad un certo punto l’algoritmo saprà riconoscere da solo nuovi bulloni o nuove viti. Questo è un esempio di Machine Learning applicato alla Computer Vision.

Campi di applicazione dell’AI

Ci sono molteplici campi di applicazione dell’Intelligenza Artificiale, anzi ormai diventa complicato trovare un campo in cui l’AI non riesca ad essere di beneficio. Vediamone alcuni.

• Face Recognition, oramai integrato anche in tutti i nostri smartphone. In realtà, quando si parla di Face Recognition, si fa riferimento alla sicurezza in aeroporti e stazioni, di autenticazione dei correntisti nelle applicazioni home banking e trading on-line; ma anche di accesso biometrico agli edifici sostituendo i badge, o di riconoscimento dei clienti nei negozi, per sapere per esempio con che frequenza comprano o iniziare la preparazione della merce.
• Object Classification: le viti e i bulloni. Quindi non soltanto rilevare un oggetto o un ostacolo grazie a sensori, ma riconoscere e capire di che oggetto si tratta. Identificare i pedoni e i veicoli, certo, ma anche distinguere la plastica dal vetro nel riciclaggio dei rifiuti per separarli automaticamente o una borsa abbandonata in metro per allertare la sicurezza; il contenuto del carrello della spesa per suggerire acquisti correlati, i piatti presi al self-service per automatizzare il pagamento; l’arredo di un appartamento per simulare una ristrutturazione senza partire da un progetto o le erbe infestanti dalle coltivazioni per intervenire ed estirparle tramite robot.
• Interpretazione del Body Language: esistono software in grado di istruire le macchine in modo più semplice e rapido a riconoscere i movimenti del corpo umano. Oltre ad avere immediati benefici nel gaming, questa tecnologia apre nuove frontiere nell’adozione della realtà virtuale per la manutenzione di macchinari, nelle modalità di interazione tra macchine e uomini, ma anche nella videosorveglianza e nei servizi di assistenza e soccorso.
• Comprensione semantica e creazione dei testi: il recentissimo lancio di ChatGPT rappresenta un enorme balzo in avanti in questa area. Tutto il mondo delle chatbot in ottica di supporto ai clienti, affiancamento ai Customer Care, raccolta ordini, etc. In ambiti invece più specifici e dove una comprensione generalista del testo non è richiesta, la raffinatezza a cui si può giungere è addirittura maggiore: per esempio, esistono AI in grado di comprendere una sentenza, raffrontarla con le precedenti in ambito analogo ed eventualmente fornire un’indicazione sull’orientamento giuridico.
• Alcune AI, per concludere il nostro elenco, sono brave a “digerire” grandi quantità di dati, individuando correlazioni che sfuggirebbero ad un umano. Hanno quindi delle capacità “predittive”, e vengono utilizzate per il trading, per i sistemi anti-frode, nel campo dei Non-Performing-Loan e nelle Assicurazioni, e anche da Consulente Paziente per trovare il miglior consulente per ogni specifica realtà!

Questo articolo è ovviamente molto semplicistico e vuole solo offrire una sottile infarinatura di cosa è l’Artificial Intelligence e di quali possono essere i contesti in cui la AI può aiutare le PMI nell’efficientamento dei processi e nel conseguente aumento di profitto; se ti interessa approfondire o se vuoi capire se l’AI può aiutarti a risolvere un problema della tua azienda, sono a disposizione.

Andrea Coda