TUTTI GLI ARTICOLI  >  Artificial Intelligence

Come funziona l'Intelligenza Artificiale: un modello interpretativo

03 maggio 2019 / Di Redazione Osservatori Digital Innovation / Nessun commento

Le teorie e le applicazioni relative all’Intelligenza Artificiale (IA) sono molteplici, sia in termini di approcci, sia in termini di obiettivi. In questo scenario, comprendere in profondità il funzionamento dell'IA non è semplice.

Per trasformare il concetto di Intelligenza Artificiale in un modello di business è importante partire da un quadro ben strutturato, da un framework interpretativo quanto più completo in grado di descrivere al meglio la complessità delle tecnologie basate su logica AI.

 

Il modello a 4 livelli dell'Osservatorio Artificial Intelligence

Per fornire una visione omogenea e per guidare le aziende nell’attività di definizione e implementazione di progetti di Intelligenza Artificiale, l’Osservatorio di Artificial Intelligence ha elaborato un modello a quattro livelli così composto:

  1. Soluzioni
  2. Capacità
  3. Metodologie
  4. Tecnologie

Soluzioni

Al fine di elaborare una prima classificazione delle soluzioni di Intelligenza Artificiale applicate dalle aziende, l’Osservatorio ha elaborato un quadro con otto classi di soluzioni distinte in base alla finalità d’utilizzo:

  1. Intelligent Data Processing;
  2. Virtual Assistant/Chatbot;
  3. Recommendation;
  4. Image Processing;
  5. Autonomous Vehicle;
  6. Intelligent Object;
  7. Language Processing;
  8. Autonomous Robot.

Questi gruppi di soluzioni sono solo il livello più alto al quale è possibile classificare le applicazioni di AI avviate dalle imprese: come si può prevedere, le soluzioni variano anche in base alle loro funzionalità e alle modalità di realizzazione.

>> Approfondisci: Le applicazioni di Intelligenza Artificiale

Capacità

È a questo livello che è possibile comprendere esattamente cosa fa e come si comporta una Intelligenza Artificiale. Scendendo di un gradino nel modello, infatti, troviamo che ogni soluzione di intelligenza artificiale è dotata di capacità ispirate alle capacità degli esseri umani. Si classificano in:

  • Elaborazione del linguaggio naturale (realizzazione di discorsi e dialoghi, estrapolazione informazioni, risposte a domande);
  • Elaborazione delle immagini (riconoscimento di volti e movimenti, recupero di immagini e video, visione artificiale);
  • Apprendimento (Machine Learning, intelligenza computazionale);
  • Ragionamento e classificazione (ragionamento automatizzato, elaborazione di ontologie);
  • Interazione sociale (sistemi multi-agente, teoria dei giochi, coordinazione e collaborazione);
  • Interazione con l’ambiente (localizzazione, mappature e navigazione, pianificazione di movimenti e percorsi).

Metodologie

I sistemi di Intelligenza Artificiale ottengono capacità grazie a specifiche metodologie, che per ogni capacità realizzano funzionalità distintive. Le metodologie sono correlate con diverse discipline appartenenti a molteplici ambiti scientifici e sono allineate con l’elenco di capacità sopraelencato: ad esempio, la capacità di Interazione sociale richiede l’applicazione di una o più metodologie, dai sistemi multi-agente alla teoria dei giochi.

Tecnologie

L’ultimo livello del modello è costituito dalle tecnologie che concretizzano le metodologie in forma hardware, software o sistema. Tali tecnologie possono tradursi, ad esempio, in librerie software, framework online/offline o schede hardware/chip neurali, e possono distinguersi in base alla facilità di design/utilizzo (da quelle ready-to-use a quelle che necessitano di una fase di design) e al grado di flessibilità (da quelle in cui le azioni sono predefinite a quelle totalmente personalizzabili).

La scelta delle tecnologie con cui implementare le metodologie ritenute necessarie per una determinata capacità è l’elemento che definisce il trade-off tra design/utilizzo e flessibilità: sarà questo trade-off l’elemento chiave per supportare le aziende nella scelta di quale soluzione di intelligenza artificiale sviluppare.

funzionamento-intelligenza-artificiale-modello-interpretativo

L'Intelligenza Artificiale nella pratica

Come si applica concretamente questo modello ai progetti di Intelligenza Artificiale? Partendo da una specifica soluzione, è possibile definire l’insieme di capacità necessarie per tale soluzione, identificare le metodologie che implementano tali capacità e, infine, individuare le tecnologie che rendono operative tali metodologie.

Quali sono i benefici per le aziende? Poiché il modello fornisce una rappresentazione sistematica degli elementi necessari per lo sviluppo di un progetto di IA, esso può fungere da strumento chiave per le aziende che intendono sviluppare un’applicazione di IA e che necessitano di un quadro concettuale chiaro.

Tuttavia, è bene notare che il modello offre una visione statica di un progetto di IA, mentre l’identificazione concreta di soluzioni, capacità, metodologie e tecnologie può avvenire, in molti casi, solo in modo interattivo durante lo sviluppo stesso del progetto. Questo è dovuto al fatto che ad oggi non esiste una soluzione “universale”, ed è spesso necessario customizzare applicativi o sviluppare algoritmi.

Il ruolo dell'AI Engineer

Ma quali sono gli attori dei progetti aziendali di IA e come intervengono? Partendo dal quadro proposto dal modello a quattro strati, è possibile individuare due attori coinvolti nei progetti aziendali di Intelligenza Artificiale: l’azienda e l’AI Engineer, ossia un soggetto con competenze tecniche e specifiche del dominio in grado di coordinare tutti gli attori coinvolti nel progetto.

Come primo passo l’AI Engineer ha il compito di individuare la soluzione più adatta al problema applicativo dell’azienda. Successivamente, si scelgono le capacità e le metodologie più adatte in base alle esigenze applicative e funzionali proprie del problema applicativo e delle caratteristiche operative dell’azienda. Infine, l’AI Engineer identifica le tecnologie più adeguate in base ai vincoli tecnologici imposti dall’azienda (ad esempio, il sistema di intelligenza artificiale potrebbe operare in Cloud oppure come essere eseguito come servizio di un Oggetto Intelligente).

Dal modello alla progettazione

Tutte queste fasi costituiscono una prima configurazione per risolvere il problema aziendale e per creare un sistema di Intelligenza Artificiale operativo. A tal fine, l’azienda deve fornire dati, denominati dati di training, che rappresentano il problema e che saranno impiegati durante una procedura di Training in cui si adattano i parametri del modello al problema specifico e si trasforma il modello generico in un modello specifico adattato ai dati di training.

In seguito, prima della messa in opera del progetto, è necessaria una fase di validazione in cui si valutano le prestazioni del sistema: nello specifico, si compie una valutazione quantitativa e si prevede quali prestazioni avrà effettivamente il sistema una volta in funzionamento. I risultati della valutazione vengono discussi dall’azienda e dall’AI Engineer, in modo da decidere se sia necessario implementare tecnologie, metodologie, capacità o richiedere ulteriori dati di training.

I requisiti per portare a termine un progetto di IA

Non appena le prestazioni del sistema vengono considerate adeguate, si procede a renderlo operativo in modo che agisca in condizioni reali. Tuttavia, questo non è l’ultimo passo per la realizzazione di un progetto di IA, perché il sistema potrebbe – durante la sua vita operativa - acquisire nuovi dati e migliorare le sue stesse prestazioni attraverso una fase di addestramento/configurazione.

Inoltre, nel corso del tempo potrebbero variare i vincoli applicativi, funzionali e tecnologici definiti dall’azienda. Qualora dovessero manifestarsi tali eventualità, occorrerà rivedere la scelta delle capacità/metodologie/tecnologie, nonché addestrare e validare il nuovo sistema.

Scarica il report

Redazione Osservatori Digital Innovation

Redazione Osservatori Digital Innovation

Gli Osservatori Digital Innovation della School of Management del Politecnico di Milano nascono nel 1999 con l’obiettivo di fare cultura in tutti i principali ambiti di Innovazione Digitale. Oggi sono un punto di riferimento qualificato sull’Innovazione Digitale in Italia che integra attività di Ricerca, Comunicazione e Aggiornamento continuo.