ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, DEEP LEARNING, AI GENERATIVA

All’Intelligenza Artificiale sono legati termini e aspetti diversi, che è importante saper definire e strutturare e che qui procediamo a dettagliare: intelligenza artificiale, machine learning, deep learning e intelligenza artificiale generativa. 

L’enciclopedia Treccani definisce l’Intelligenza Artificiale come segue:

“L'intelligenza artificiale è la disciplina, appartenente all'informatica, che studia i fondamenti teorici, le metodologie e le tecniche che permettono di progettare sistemi digitali (hardware) e di programmi (software) capaci di fornire al computer prestazioni che, a un osservatore comune, sembrerebbero di pertinenza esclusiva dell'intelligenza umana”. 

In particolare, il machine learning, o apprendimento automatico, è una branca dell'intelligenza artificiale che si occupa dello sviluppo di algoritmi e modelli che consentono ai computer di apprendere da dati passati o da esperienze, senza essere esplicitamente programmati per compiti specifici. 

Per meglio comprendere come opera il machine learning ecco un esempio pratico: poniamo come obiettivo il riconoscimento di arance e limoni da parte di un impianto che in seguito proceda ad uno smistamento automatico. Fornendo ad un algoritmo di machine learning un database che contenga molte fotografie di arance e molte di limoni è possibile creare una classificazione foto-prodotto che istruisca l’Intelligenza Artificiale. Dopo molti di questi esempi il modello creato dall’algoritmo di machine learning sarà in grado di distinguere automaticamente se l’agrume analizzato sia una arancia o un limone. Tanto più grande e vario è il database di addestramento, tanto più accurato sarà il modello generato. 

Gli algoritmi di deep learning, invece, sono un sottoinsieme del machine learning. Si distinguono da quest’ultimo perché il modello creato dall’algoritmo cerca di simulare il comportamento di una rete neurale. A scapito di una maggiore complessità computazionale essi introducono alcuni notevoli vantaggi, come la capacità di elaborare grandi quantità di dati non “etichettati” (riprendendo l’esempio precedente, non è necessario etichettare le fotografie di arance e limoni, perché il deep learning riesce a farlo in automatico). 

Infine, l’intelligenza artificiale generativa, è sempre un sottoinsieme dell’Intelligenza Artificiale e consiste nella creazione di modelli (addestrati usando algoritmi di machine learning o deep learning) in grado di attingere e combinare dati per generare qualcosa di nuovo. La possibilità di generare contenuti ha permesso a tali applicazioni di diffondersi tra il grande pubblico, facendo ottenere all’Intelligenza Artificiale la popolarità di cui oggi gode.

In particolare, questi sistemi vengono alimentati tipicamente da un input testuale e mentre in futuro sarà possibile farlo anche in formato audio/documento (prompt).

Di seguito possiamo trovare due differenti applicazioni di AI generativa: una immagine creata con dall-E e una poesia scritta da chatGPT.

APPLICAZIONE DELL’AI NELLE AREE AZIENDALI

Nell’ultimo periodo diverse Start-up e aziende IT hanno sviluppato soluzioni consumer per l’utilizzo dell’Intelligenza Artificiale in ambito industriale. Vediamo le principali applicazioni divise per aree aziendali.

Customer experience and service

L’applicazione più rilevante in questo ambito è il ChatBot intelligente. Sfruttando modelli generativi pre-addestrati è possibile realizzare ChatBot in grado di far sembrare l’interazione con essi il più umana possibile. Rispetto a quelli di vecchia generazione i nuovi ChatBot sono in grado di interagire in maniera flessibile e di empatizzare con il cliente, rispondendo in tutte le lingue principali senza che la conversazione rispetti pattern predefiniti, anche a domande che implichino preferenze, suggerimenti o l’aderenza a canoni comunicativi di tipo “emotivo”.

Un altro grande vantaggio di questa soluzione è che non è necessario creare una Intelligenza Artificiale da zero, ma si possono sfruttare una serie di modelli pre-addestrati, come i G.P.T. (Generative Pre-Trained model). Questi hanno la stessa capacità di chatGPT di interagire con l’uomo; vanno solo “personalizzati” in base alle proprie esigenze, scegliendo per esempio un tono standard della conversazione o fornendo informazioni aggiuntive su un campo in particolare. 

Planning

Il principale miglioramento apportato ad oggi dall’Intelligenza Artificiale nel Planning consiste in una più accurata previsione della domanda. Questa viene elaborata basandosi non solo sui dati interni di un’azienda (vendite storiche e ordini in arrivo), ma anche su fattori esterni provenienti da altre fonti (Internet, social network, statistiche di vario genere). In questo modo si possono considerare: il trend di mercato del settore di interesse, i dati finanziari, i fattori geo-politici, le pandemie ed altre informazioni ancora, riuscendo a simulare scenari complessi dove sarebbe oneroso se non impossibile costruire un modello. Inoltre, sulla base di questi dati è possibile fare delle previsioni ottimistiche o pessimistiche così da basare il processo decisionale su una visione più ampia della realtà.

Un'altra applicazione in via di sviluppo consiste nello schedulatore intelligente, che non dovrà più basarsi sul rispetto di determinati vincoli produttivi, attualmente impostati come parametri di input; allenando un algoritmo di machine learning sullo storico di determinate sequenze produttive, esso sarà in grado di generare in automatico dei piani di produzione sempre più fedeli alla realtà, ottimizzando le risorse a disposizione.

Manufacturing

Le principali applicazioni dell’Intelligenza Artificiale nel Manufacturing le possiamo trovare nell’ambito del controllo qualità e della manutenzione (predittiva).

Per quanto concerne il controllo qualità, è possibile avvalersi di software che, usando algoritmi di machine learning di imagine recognition, sono in grado di riconoscere con più precisione, rispetto all’occhio umano o ad altri algoritmi impostati su parametri fissi, le non conformità di un prodotto e di classificarlo in base alla gravità del difetto.

Relativamente alla manutenzione predittiva, esistono algoritmi di machine learning che, partendo da un’analisi storica dei dati generati dai sensori di una macchina e monitorando i dati in tempo reale, restituiscono la previsione del guasto, la sua causa e suggeriscono le migliori tempistiche di manutenzione per evitarlo.

Grazie alle tecnologie riconducibili a Industria 4.0 sono aumentati i dati sullo stato di impianti e macchinari, i quali però non sono valorizzati a sufficienza principalmente per la difficoltà di costruire modelli ad hoc. Ci si aspetta che il training dei modelli di Intelligenza Artificiale diventi sempre più accessibile così da semplificare la creazione di strumenti predittivi e ridurre la necessità di intervento da parte di personale specializzato. 

Logistics

Per quanto riguarda la logistica distributiva, l’Intelligenza Artificiale può integrare dati provenienti da diverse fonti e fornire visibilità in tempo reale sullo stato dei trasporti, facendo predizioni sull’ETA (Estimated Time of Arrival). Tali previsioni terranno conto anche di fattori esterni e occasionali come concerti o eventi geopolitici per aggiornare le tratte più convenienti e migliorarne costantemente l’accuratezza.

Marketing

Il marketing digitale è ad oggi la principale area di applicazione dell’Intelligenza Artificiale. Ci sono diverse Start-Up e grandi aziende che hanno sviluppato strumenti di AI generativa con cui si creano velocemente foto, didascalie, testi, e-mail e post utilizzabili ai fini pubblicitari sui social media. Questi tool sfruttano i modelli LLM (Large Language Model) che, partendo da un prompt testuale dell’utente, forniscono il risultato desiderato.

Un’altra applicazione sul riconducibile al marketing strategico consiste nel ricavare insights da dati destrutturati (come commenti sui social network) per intuire i sentiments e i nuovi interessi del grande pubblico, al fine di intercettare i trends di mercato. 

Automatizzazione di attività manuali generiche

Sono sempre di più le applicazioni che, integrando l’intelligent automation, consentono di semplificare processi, liberare risorse e migliorare l’efficienza operativa. Che si tratti dell’elaborazione degli ordini, della corrispondenza delle fatture o dell’immissione di dati, l’Intelligenza Artificiale può aumentare l’efficienza e ridurre gli errori, lasciando al personale lo svolgimento di attività a maggior valore aggiunto. Inoltre, l’integrazione con ChatBot intelligenti permette di raccogliere dati da vari software e rispondere in tempo reale alle ricerche di informazioni interne del personale aziendale, riducendo così gli scambi di chiamate e messaggi tra il personale.

Infine, i ChatBot intelligenti permettono anche di elaborare e-mail, report e appunti in modo veloce ed automatico, riducendo l’impiego di tempo su queste attività. 

L’Intelligenza Artificiale è una tecnologia disruptive che impatterà il lavoro e la vita di ogni persona. Sarà importante imparare a sfruttarla per creare vantaggio competitivo e per velocizzare e ottimizzare i processi. 

La funzione principale dell’Intelligenza Artificiale è la previsione: ovvero la capacità di analizzare dati storici e generare nuove informazioni sul futuro. 

Questa è comunque solo la prima parte del processo razionale che porta a prendere le decisioni e conseguentemente le azioni: 

Dati -> Previsioni -> Decisioni -> Azioni

Un processo completamente automatizzato potrebbe eseguire tutti questi passaggi in autonomia, ma Intelligenza Artificiale non è automazione; essa arriva a prendere delle decisioni in alcuni ambiti molto circoscritti e poco complessi. Nella maggior parte degli altri casi è l’uomo ad avere tale responsabilità e questa sarà la capacità umana sempre più richiesta dal mercato. I tasks dove oggi è necessario l’intervento umano cambieranno nel tempo. L’intelligenza artificiale imparerà a prendere decisioni in nuovi contesti spingendo l’uomo a spostarsi in altri sempre più complessi.


Riproduzione riservata©