“Ehi Adiacent, cos’è l’Intelligenza Artificiale?”

analytics & performance - 20 Ottobre, 2020

Artificial intelligence. Una delle materie in ambito informatico più entusiasmati ed enigmatiche di sempre. E anche una delle prime ad essere sviluppata. Si perché l’AI non è un’invenzione dei giorni nostri, ma le sue prime comparse risalgono addirittura agli anni 50, fino ad arrivare alla più famosa applicazione chiamata Deep Blu, il calcolatore che, nel 1996, vinse più partite di scacchi contro il campione allora in carica Garry Kasparov.

Futuro, conoscenza, apprendimento. Cosa c’è realmente dietro un progetto di Intelligenza Artificiale? Qual è il ruolo dell’uomo in tutto ciò?

Abbiamo deciso di dare una risposta concreta a queste domande, intervistando il nostro Andrea Checchi, Project & Innovation Manager dell’area Analytics e AI.

Andrea, cosa è veramente l’intelligenza artificiale e come possiamo beneficiarne a pieno?

Da tempo si parla di intelligenza artificiale e di machine learning e sebbene siano tematiche entrate a far parte della nostra vita, non tutti hanno una concezione precisa di cosa siano realmente, limitandosi ad un’idea piuttosto astratta. A complicare la questione c’è il fatto che l’intelligenza artificiale affascina e fa sognare l’uomo da molto tempo: dai i romanzi visionari del maestro Isaac Asimov alle avventure del Neuromante di William Gibson, passando per HAL9000 di 2001 Odissea nello Spazio, per l’agente Smith di Matrix, approdando ai giorni nostri con JARVIS, l’intelligenza complice ed amica di Tony Stark (Iron Man, ndr).

Insomma, la mistificazione dell’intelligenza artificiale rende il compito più difficile a chi, come me, affianca i clienti e deve essere efficace nel raccontare e declinare certe tecnologie nel mondo reale, nel contesto lavorativo in cui ci muoviamo quotidianamente. Sento quindi la necessità di “demistificare” l’argomento per riuscire a far passare il concetto che Intelligenza Artificiale e Machine Learning, invece, sono strumenti potenti e reali e possono dare una spinta ai processi decisionali e operativi legati a molti scenari di business.

Iniziamo con una notizia importante che normalmente infonde una certa fiducia: gli algoritmi di intelligenza artificiale non sono per niente nuovi nel mondo dell’informatica.

Le prime formalizzazioni, infatti, vennero definite alla fine degli anni 50 e successivamente furono sviluppate tecniche di apprendimento automatico che, sebbene perfezionate, utilizziamo ancora oggi.

La celebrità degli algoritmi di intelligenza artificiale odierna e la conseguente diffusione, quindi, deriva essenzialmente da due precondizioni: la disponibilità di grandi moli di dati da analizzare e la possibilità di utilizzare risorse di calcolo a basso costo, indispensabili per questo tipo di elaborazioni.

Queste due condizioni ci permettono di sfruttare le informazioni al meglio, dandoci modo di definire processi decisionali automatici sulla base dell’apprendimento sistematico di “verità acquisite” su base esperienziale. Un algoritmo di intelligenza artificiale, quindi, apprende da dati storici (ma anche attuali) senza doversi appoggiare ad un modello matematico preciso.

Possiamo quindi andare a definire i tre pilastri su cui si basa un sistema intelligente:

  • Intenzionalità – Gli esseri umani disegnano i sistemi intelligenti con l’intenzione di prendere decisioni basandosi sull’esperienza maturata nel tempo, prendendo esempio dai dati storici, dai dati “real time” o da un mix di entrambi. Un sistema intelligente, quindi, contiene risposte predeterminate utili a risolvere un problema specifico.
  • Intelligenza – I sistemi intelligenti spesso incorporano tecniche di machine learning, deep learning e analisi dei dati in modo da permettere di proporre suggerimenti utili al contesto. Questa intelligenza non è proprio come l’intelligenza umana, ma è la migliore approssimazione ottenibile dalla macchina per avvicinarsi ad essa.
  • Adattabilità – I sistemi intelligenti hanno l’abilità di imparare ed adattarsi ai vari contesti in modo da fornire suggerimenti coerenti, ma con una certa capacità di generalizzazione. Inoltre possono raffinare le proprie capacità decisionali sfruttando i nuovi dati in una forma di apprendimento iterativo.

Quindi con “intelligenza artificiale” si delinea una specie di grande contenitore, un notevole set di strumenti e paradigmi tramite i quali possiamo rendere un sistema “intelligentemente automatico”.

Il Machine Learning rappresenta il più importante di questi strumenti ed è il campo che studia e rende i computer abili ad imparare ad effettuare azioni senza che essi vengano esplicitamente programmati.

Cosa manca, quindi, per chiudere la ricetta della progettazione di un perfetto sistema intelligente utile al business?

Ebbene, l’ingrediente mancante è rappresentato dalle figure professionali chiave di questa vera e propria rivoluzione: i Data Scientist. Informatici, ingegneri e analisti dei dati con competenze specifiche sia su tematiche tecnico-scientifiche che di business.

È questo il nostro ruolo: integrare ed orchestrare dati e processi, per dare vita sia a sistemi di analisi avanzati che a procedure che svolgono azioni ripetibili basate su sistemi cognitivi.

Con questi strumenti, le competenze e l’esperienza abbiamo modo di affrontare l’analitica a tutto tondo, senza limitarci ai soli aspetti descrittivi, ma anche formulando previsioni e suggerimenti utili al “decision making”.

Intendiamoci, l’analitica descrittiva resta un caposaldo indispensabile in qualsiasi sistema di analisi perchè pone i dati giusti di fronte alle persone giuste, permettendo loro di controllare i processi aziendali a tutti i livelli di profondità.

Tramite l’impiego del machine learning, però, si riesce ad aumentare il valore dell’informazione, dando corpo alle analitiche classiche applicando ad esempio tecniche predittive, di “data mining” o di rilevazione di anomalie.  Possiamo quindi estrarre nuove informazioni dallo storico delle vendite, dalla rotazione stagionale di magazzino, dalle abitudini dei clienti o dal collezionamento dei dati provenienti dai sensori di una macchina di produzione, al fine di fornire suggerimenti utili in modo proattivo ai vari attori dell’azienda, dal management fino agli operatori tecnici. Perfino ai clienti finali. Producendo vantaggio competitivo e ROI. Come? Costruendo, ad esempio, motori di raccomandazione in grado di proporre abbinamenti di articoli coerenti con le abitudini di acquisto in ambito Retail o GDO. Oppure producendo sistemi di approvvigionamento di magazzino che si basano sia sulla rotazione delle scorte che sulle previsioni di vendita.  O ancora, definendo processi capaci di prevenire guasti o non conformità su una linea di produzione.

Attraverso gli strumenti dell’intelligenza artificiale odierna abbiamo modo di estrapolare informazioni virtualmente da qualsiasi cosa, anche da immagini, video e suoni, attraverso algoritmi che appartengono alla classe del “Deep Learning”: una forma di apprendimento basata sulla riproduzione semplificata del funzionamento e della topologia dei neuroni del cervello biologico; tecnologie capaci di fare passi da gigante negli ultimi anni, esprimendo capacità cognitive impensabili fino a qualche tempo fa, in continua evoluzione e perfezionamento.

Insomma, l’intelligenza artificiale dei giorni nostri, seppur ancora distante dal portentoso cervello positronico narrato nei romanzi di Asimov, rappresenta un’opportunità concreta e abilitante per realtà aziendali di qualsiasi dimensione. Mettiamoci la testa.

– brains cause minds (Searle, 1992) –

Andrea Checchi

Project & Innovation Manager