L'Intelligenza Artificiale dalle origini a oggi
Machine Learning, Robotica, Reti neurali: tanti ambiti per un'unica grande sfida tecnologica. L'Intelligenza Artificiale o Artificial Intelligence (AI) è un tema storicamente e scientificamente ricchissimo e su cui si sono generati diversi dibattiti a seguito del lancio di ChatGPT, che si rifà ad una intima ispirazione dell'uomo: quella di creare una macchina in cui si riflettono appieno le proprie capacità.
La storia dell’Artificial Intelligence rende ancora più affascinante un paradigma già di per sé centrale nel nostro processo di progresso e sviluppo. Dalle prime intuizioni di Alan Turing, passando per la contrapposizione AI forte e AI debole degli anni’80 e i visionari scenari di inizio millennio (su tutti il film A.I. Intelligenza Artificiale di Spielberg), oggi l’Artificial Intelligence rappresenta uno dei principali ambiti di interesse della comunità scientifica informatica.
Gli ambiti applicativi sono innumerevoli e molti di questi potrebbero avere impatti importanti sulle attività di imprese e pubbliche amministrazioni, oltre che migliorare la vita delle persone. E non mancano le implicazioni etiche e filosofiche. In questa guida andiamo a comprendere il ruolo dell’Intelligenza Artificiale nell’attuale contesto di trasformazione digitale e sociale, con l’aiuto dell'Osservatorio Artificial Intelligence, da anni impegnato a far chiarezza sul tema da un punto di vista sia tecnologico che manageriale.
Nella guida approfondiremo:
- Cosa si intende per Artificial Intelligence?
- Una definizione di intelligenza artificiale
- Come nasce l'intelligenza artificiale?
- Chi ha creato l'intelligenza artificiale?
- Quali sono i tipi di intelligenza artificiale?
- Applicazioni dell'intelligenza artificiale
- La tecnologia
- AI Generativa, Chat GPT
- Come funziona l'Intelligenza Artificiale?
- Le metodologie
- Dove si applica l'intelligenza artificiale
- Gli Ambiti principali
- Pro e contro dell'Intelligenza Artificiale
- Etica e Normativa
- Perché è importante l'Intelligenza Artificiale?
- Trend e mercato dell'Intelligenza Artificiale in Italia
- Ricapitolando, cos'è l'Intelligenza Artificiale?

Cosa si intende per Artificial Intelligence?
Per quanto si tratti di una tecnologia complessa, l’idea di fondo dell’Intelligenza Artificiale è molto semplice: sviluppare delle macchine dotate di capacità autonome di apprendimento e adattamento che siano ispirate ai modelli di apprendimento umani. I primi studi in materia di Intelligenza Artificiale e, quindi, gli inizi della storia dell'Artificial Intelligence, quale disciplina scientifica risalgono agli anni Cinquanta.
Come nasce l'Intelligenza Artificiale?
In questo periodo di grande fermento scientifico, si tenne il primo convegno a cui presero parte i maggiori esperti di informatica dell’epoca, tra cui Alan Turing, considerato uno dei padri dell’informatica moderna. È stato proprio grazie a Turing che l’Intelligenza Artificiale iniziò a ricevere attenzioni da parte della comunità scientifica. Qualche anno prima, all’interno dell’articolo “Computing machinery and intelligence”, egli aveva proposto un test, poi noto come Test di Turing, secondo cui una macchina poteva essere considerata intelligente se il suo comportamento, osservato da un essere umano, fosse considerato indistinguibile da quello di una persona. Si può dire, dunque, che chi ha creato l'Intelligenza Artificiale sia proprio Turing, ma solo in teoria.
Quali sono i tipi di Intelligenza Artificiale?
Dopo i primi studi degli anni Cinquanta, le aspettative sull’Artificial Intelligence iniziarono ad aumentare, ma a causa di una mancata disposizione di una computazionale adeguata dei dispositivi ben presto il concetto di Artificial Intelligence si frammentò in due teorie distinte, che sono tutt’oggi condivise ed identificano i due tipi di Intelligenza Artificiale:
- Intelligenza Artificiale Forte, secondo cui le macchine sono in grado di sviluppare una coscienza di sé, che studia sistemi in grado di replicare l’intelligenza umana. Questo paradigma è supportato dal campo di ricerca dell’Intelligenza Artificiale Generale (AGI), che studia i sistemi in grado di replicare l’intelligenza umana.
- Intelligenza Artificiale Debole, la quale ritiene possibile sviluppare macchine in grado di risolvere problemi specifici senza avere però coscienza delle attività svolte. Obiettivo di tale teoria non è dunque quello di realizzare macchine dotate di un’intelligenza umana, ma di avere sistemi in grado di svolgere una o più funzioni umane complesse.
Definizione alla mano, l’Artificial Intelligence è il ramo della computer science che studia lo sviluppo di sistemi Hardware e Software dotati di specifiche capacità tipiche dell’essere umano (interazione con l’ambiente, apprendimento e adattamento, ragionamento e pianificazione), capaci di perseguire autonomamente una finalità definita, prendendo decisioni che fino a quel momento erano solitamente affidate alle persone.
Quindi, cosa si studia in Intelligenza Artificiale? In poche parole si può dire che, l’Intelligenza Artificiale, è un campo di ricerca che studia la programmazione e progettazione di sistemi mirati a dotare le macchine di una o più caratteristiche considerate tipicamente umane. Proprietà, che variano dall'apprendimento alla percezione visiva o spazio-temporale.
In questo scenario, l'Intelligenza Artificiale deve essere trattata combinando gli aspetti teorici a quelli pratici e operativi. Partendo dal significato di AI, in questa guida possiamo descrivere le principali tecniche di Intelligenza Artificiale (Machine Learning e Deep Learning su tutte), il funzionamento, le diverse applicazioni, le opportunità derivanti e il percorso di avvicinamento delle imprese italiane. Rispondendo a un roboante interrogativo finale: l'Artificial Intelligence è una minaccia o una necessità per l'uomo?
Applicazioni dell'Intelligenza Artificiale
Alla base dell'Artificial Intelligence ci sono algoritmi, tecniche computazionali, soluzioni, in grado dunque di replicare il comportamento umano. Tutte queste applicazioni di Intelligenza Artificiale possono essere molteplici e riguardare diversi ambiti, non solo industriali ma anche domestici. Si pensi, ad esempio, ai sistemi di domotica in grado di regolare la temperatura, l’umidità o l’illuminazione in base alle nostre abitudini o all’utilizzo della nostra voce come input per alcuni dispositivi, che facilitano la gestione delle nostre abitazioni e, in generale, il nostro tenore di vita. È sufficiente un telecomando (anche lo smartphone) o la nostra voce per attivare sistemi di Intelligenza Artificiale che facilitano la gestione delle nostre abitazioni.
Tuttavia, se è vero che l’Intelligenza Artificiale potrebbe essere applicata a diversi ambiti del nostro quotidiano, questo processo di diffusione non è destinato a diffondersi in tutti gli ambiti alla stessa velocità. Al fine di fornire un quadro completo delle soluzioni di Artificial Intelligence adottate (o adottabili) dalle imprese, individuiamo sei classi di soluzioni, distinte in base alle finalità d’utilizzo.
I Chatbot
Tra le applicazioni di Artificial Intelligence presenti sul mercato, il Chatbot o Virtual Assistant è una delle soluzioni più diffuse tra le aziende italiane e internazionali: è uno strumento capace di offrire assistenza 24/7 sia ai clienti che ai dipendenti, il quale si presta inoltre a diversi impieghi in ambito marketing, supporto alla vendita, HR Management, domotica e Ricerca e Sviluppo
NLP (Natural Language Processing)
Le tecniche di NLP si pongono l'obiettivo di creare sistemi in grado di favorire l’interazione e la comprensione uomo/macchina. L’NLP si occupa principalmente di testi, ovvero qualsiasi sequenza di parole che in una lingua esprime uno o più messaggi (come pagine web, post, tweet, informazioni aziendali)
Computer Vision
La Computer Vision studia algoritmi e tecniche per permettere ai computer di raggiungere una comprensione di alto livello del contenuto di immagini o video. Gli avanzamenti negli ultimi anni sono stati tali che soluzioni basate su descrizioni statistiche delle immagini hanno progressivamente lasciato il passo a reti neurali addestrate su milioni di immagini.
IDP (Intelligent Data Processing)
La classe di soluzioni degli Intelligent Data Processing è quella più ampia dal punto di vista delle applicazioni. Vi rientrano tutte quelle soluzioni che utilizzano algoritmi di Artificial Intelligence – su dati strutturati e non – per finalità collegate all’estrazione delle informazioni presenti nei dati stessi. Le principali finalità che muovo le imprese nell'utilizzo di queste soluzioni sono: Forecasting e Classification & Clustering.
Recommendation System
Gli algoritmi di raccomandazione sono il pilastro del modello di business di tutte le piattaforme social ed eCommerce (Amazon, Netflix, Spotify, ma non solo). Alla base di tanti servizi digitali, ci sono algoritmi che tengono traccia delle azioni dell’utente e, comparandole con quelle degli altri, apprendono le sue preferenze e sono in grado, a mano a mano che l’utente utilizza la piattaforma, di produrre raccomandazioni più precise.
Soluzioni Fisiche
Le soluzioni fisiche di Artificial Intelligence sono ancora poco diffuse tra le organizzazioni italiane. Sono tre le categorie da prendere in esame: i veicoli autonomi (mezzi di trasporto autoguidati), gli Autonomous Robot (robot in grado di muoversi senza l’intervento umano) e gli Intelligent Object (oggetti in grado di compiere azioni senza l’intervento umano e di prendere decisioni in base alle condizioni dell’ambiente circostante).
AI Generativa, Chat GPT
All’interno dei chatbot conversazionali la scena è stata catturata da ChatGPT (acronimo di Chat Generative Pretrained Transformer), un prototipo di chatbot capace di fornire risposte ai quesiti degli utenti con un linguaggio naturale.
Lanciato sul mercato nel novembre 2022 dall’organizzazione statunitense OpenAI, ha avuto un immediato successo: solo dopo una settimana la piattaforma registrava più di un milione di utenti al giorno tra curiosi, addetti ai lavori e anche professionisti di diversi altri ambiti. ChatGPT, infatti, è in grado di svolgere innumerevoli funzioni, dal dialogo con gli utenti, alla stesura di testi (come articoli, ricette, email, ecc.), alla generazione di immagini e molto altro ancora.
Lo scorso 31 marzo la piattaforma è stata bloccata dal Garante per la Protezione dei Dati Personali a causa di una raccolta illecita di dati personali e dell’assenza di sistemi per la verifica dell’età dei minori. Tuttavia, oltre alla privacy, vi sono anche altre implicazioni correlate al suo utilizzo nella vita quotidiana, dall’istruzione al lavoro.
Chat GPT torna disponibile in Italia
Dopo le ultime vicissitudini intercorse tra OpenAI e il Garante della Privacy, il 28 Aprile 2023, la piattaforma della compagnia statunitense, Chat GPT, è tornata nuovamente disponibile in Italia e gli utenti del nostro Paese ne possono nuovamente usufruire. Lo sblocco di Chat GPT è stato confermato dal Garante tramite un comunicato sul proprio sito.
Cosa può fare l'intelligenza Artificiale
Come fanno i Chatbot, gli algoritmi di NLP o Computer Vision e le varie soluzioni che abbiamo elencato in questa guida a raggiungere gli scopi applicativi richiesti? Per comprendere meglio il funzionamento dell'Intelligenza Artificiale e delle sue applicazioni, possiamo pensare a ogni soluzione AI come caratterizzata da un certo numero di proprietà, definibili "capacità" perché appunto ispirate alle capacità degli esseri umani. Tali capacità si ottengono grazie all'adozione di specifiche metodologie, concretizzate grazie alle diverse tecnologie in forma hardware o software.
- 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)
Artificial Intelligence e Robotic Process Automation
Storicamente associati all’utilizzo di bot software per l’automazione di attività predeterminate, i sistemi di RPA (acronimo di Robotic Process Automation) oggi sono in grado di integrare le capacità di intelligenza artificiale descritte in questa guida. Le metodologie di AI integrate ai software RPA sono sempre più utilizzate anche dalle imprese italiane perché consentono di migliorare l’esecuzione di alcuni task, con benefici in termini di efficienza ed efficacia dei processi, ma anche di customer satisfaction. Un vero e proprio cambio di prospettiva, in cui non si programma più il bot, ma si definiscono i confini dentro cui il bot opera con autonomia decisionale.
Come funziona l'Intelligenza Artificiale, le principali metodologie
Dopo aver analizzato le varie applicazioni dell'Intelligenza Artificiale una domanda nasce spontanea: come funziona l'Intelligenza Artificiale? Ebbene, diverse sono le metodologie applicate a questo campo di ricerca.
Le applicazioni e la storia dell'Artificial Intelligence si incrociano, infatti, con quella del Machine Learning (ML). Se è vero che l'Intelligenza Artificiale si configura come lo studio dello sviluppo di sistemi dotati di capacità tipiche dell'essere umano, il Machine Learning può considerarsi una strada (molto battuta) per la sua applicazione. La traduzione italiana di Machine Learning è apprendimento automatico. Ci si riferisce quindi a sistemi in grado di apprendere dall’esperienza, con un meccanismo simile a ciò che un essere umano fa dalla nascita.
In base alle tecniche di apprendimento è poi possibile distinguere diverse tipologie di Machine Learning, le quali possono tradursi in diverse applicazioni. La più nota tra queste è sicuramente il Deep Learning, ma i volti del Machine Learning sono assai più sfaccettati. In questa parte della guida analizziamo le sei metodologie principali.
Model Prediction
La Model Prediction, o Modellazione Predittiva, è un’area del Machine Learning che include una varietà di tecniche in grado di raccogliere informazioni dai dati a disposizione e apprendere modelli da applicare a nuovi dati. Tali modelli sono a loro volta capaci di operare su nuovi dati. La Modellazione Predittiva si pone quindi l’obiettivo di fare predizioni su dati o eventi nel futuro. Questo canale di applicazione dell’AI sta prendendo sempre più piede nelle aziende italiane ed è applicato specialmente in materia di prevenzione frodi, manutenzione predittiva e analisi qualitativa.
Deep Learning
Il Deep Learning, o apprendimento approfondito, è uno degli ambiti più importanti del Machine Learning. Si tratta di un insieme di tecniche che simulano i processi di apprendimento del cervello attraverso reti neurali artificiali stratificate, in cui ogni strato calcola i valori per quello successivo. In poche parole, il Deep Learning è una tecnica di apprendimento in cui le reti neurali artificiali vengono esposte a una vasta quantità di dati; queste sono poi in grado di imparare da sole a svolgere determinati compiti senza la necessità di un pre-processamento dei dati.
Online Learning
L’Online Learning, detto anche Real Time Machine Learning, è il ramo del Machine Learning che studia tecniche per problemi in cui i dati diventano disponibili sequenzialmente, uno dopo l’altro, e le decisioni devono essere prese man mano che un dato diventa disponibile. Diversamente dall’Offline Learning, le cui decisioni si basano su un’acquisizione precedente di un insieme di dati, l’apprendimento e la presa di decisioni sono correlati e interdipendenti: ciò che viene appreso condiziona le decisioni, che condizionano i dati che vengono osservati per un ulteriore apprendimento.
Explainable Regression & Classification
L’Explainable Regression & Classification, o Regressione e Classificazione Spiegabili, consiste in tecniche di Machine Learning atte a risolvere problemi di regressione (predizione di quantità ordinali) e di classificazione, tali da permettere la spiegazione dei risultati ottenuti. In altre parole, l’Explainable Regression & Classification consente di capire perché modelli di intelligenza artificiale per regressione e classificazione prendono determinate decisioni a seguito dell’elaborazione dei dati, permettendo di comprendere cosa avviene nella “scatola nera” dell’apprendimento del Machine Learning.
Information Retrieval (IR)
L’Information Retrieval, in italiano “reperimento dell’informazione” è l'insieme delle tecniche utilizzate per gestire la rappresentazione, la memorizzazione, l'organizzazione e l'accesso a oggetti contenenti informazioni quali documenti, pagine web, cataloghi online e oggetti multimediali. L’obiettivo finale di questi processi consiste nel fornire all’utente le informazioni che egli ha precedentemente cercato e che sono, quindi, maggiormente rilevanti per i suoi interessi.
Reinforcement Learning
Il Reinforcement Learning, o apprendimento per rinforzo, è una tecnica di apprendimento automatico atta a risolvere problemi decisionali sequenziali mediante il conseguimento di determinati obiettivi tramite l’interazione con l'ambiente in cui opera. Un agente che apprende con algoritmi di reinforcement impara a prendere le decisioni ottimali attraverso un approccio empirico del tipo “trial-and-error”. A ogni iterazione l’agente osserva l’ambiente tramite i suoi sensori (fisici o virtuali), decide quale azione eseguire e osserva gli effetti che l’azione scelta hanno avuto sull’ambiente.
In che ambiti si sta sviluppando l'Intelligenza Artificiale?
Molti sono gli ambiti in cui l'Artificial Intelligence si sta sviluppando: dal campo della Sanità Digitale a quello dell'Internet of Things, al campo del Fintech e dell'Insurtech, fino a quello della Privacy e della Sicurezza Informatica. Nello schema di seguito, ci sono alcuni delle applicazioni più significative dell'AI in altri campi di ricerca analizzati dall'Osservatorio Artificial Intelligence in collaborazione con altri Osservatori.
Healthcare e Medicina
Le applicazioni dell’Artificial Intelligence in ambito sanitario possono portare a numerosi benefici: ad esempio consentono di definire diagnosi sulla base di dati clinici dei pazienti, supportando i medici nel prendere decisioni più rapidamente e nel personalizzare le cure. Utilizzare l’AI in ambito sanitario, infatti, non significa sostituire il medico, ma consentire a quest’ultimo di ridurre i tempi per la ricerca e l’incrocio di informazioni necessari a effettuare diagnosi.
Finance e Assicurazioni
L’Intelligenza Artificiale in ambito Fintech e Insurtech (ovvero nei settori finanziario e assicurativo abilitati dalle tecnologie digitali) è sempre più diffusa. In particolare, il comprato più attivo è quello del Banking, Finance & Insurance, per via della possibilità di conoscere in maniera più approfondita i propri clienti e della finalità di garantire un servizio mirato e coerente con il rispettivo profilo di rischio. Tra le soluzioni più conosciute vi è il chatbot, utilizzato in ambito finanziario per l’assistenza ai clienti post vendita
Design Thinking
Il Design Thinking consiste nella capacità di risolvere problemi complessi attraverso una visione creativa, e l’Intelligenza Artificiale rappresenta una delle principali tecnologie che possono aiutare durante il processo creativo. L’AI, infatti, attraverso la reinterpretazione di dati può supportare e stimolare tale processo, senza per questo sostituire figure professionali come i manager.
Dispositivi Connessi
L’utilizzo dell’Intelligenza Artificiale risulta sempre più impattante anche per le soluzioni IoT (acronimo di Internet of Things), ossia per gli oggetti “intelligenti”. In quest'ambito l'AI è impiegata principalmente per soluzioni di Smart Factory, Smart Home e Smart City. Il Machine Learning, insieme ad altre tecniche di apprendimento basate sull’AI, sta acquisendo un ruolo sempre maggiore per soddisfare i bisogni di aziende e consumatori.
eCommerce e Retail
Diversi sono gli usi dell’Artificial Intelligence impiegati in questi ambiti, a partire dai chatbot, ma non solo: le soluzioni di AI per e-commerce comprendono sistemi, chiamati Recommendation System, in grado di suggerire acquisti basandosi su quelli fatti in precedenza, influenzando l’utente nel suo processo decisionale. Nel caso di negozi fisici, invece, le applicazioni di AI sono presenti per esempio nei camerini dotati di display trasparenti e touch, che forniscono in tempo reale le informazioni richieste da cliente e, una volta comprese le preferenze, mostrano i prodotti in linea con i propri interessi.
Cybersecurity e Privacy
In Cyber Security le soluzioni di Artificial Intelligence possono svolgere diverse funzioni: vengono impiegate per rilevare e prevenire le anomalie nel traffico di rete e per analizzare e correlare grandi quantità di dati provenienti da diverse fonti, con l'obiettivo di identificare le minacce (come attacchi informatici) e accelerare il tempo di risposta. Inoltre, l’AI può essere impiegata per automatizzare e orchestrare le azioni di risposta a eventuali incidenti, riducendo così il carico di lavoro e gli errori umani. Infine, sistemi di detect and response vengono integrati a sistemi evoluti di AI e machine learning per monitorare le attività dei dispositivi e bloccare il malware e il ransomware.
Pro e Contro dell'Intelligenza Artificiale
Far propria l’Artificial Intelligence significa sviluppare nuove competenze, mettere in campo nuove tecnologie e padroneggiare le tecniche per implementare i progetti: fattori fondamentali per porre le basi del cambiamento culturale e del modo di pensare la relazione con i consumatori.
Quella uomo vs macchina è una disputa senza tempo. Sono ancora molte le problematiche etiche e legali legate all'Artificial Intelligence. Altrettanti sono i dubbi su quale sarà l’impatto dell’Intelligenza Artificiale sulla nostra società e sul mondo del lavoro: ci si chiede se questa tecnologia sia una minaccia o un’opportunità, se le macchine sostituiranno l’uomo, se sistemi artificiali saranno più abili e più intelligenti degli esseri umani.
Sebbene spesso nei media generalisti si riporti una visione distorta dell’AI, l’idea che sta emergendo tra i consumatori italiani è abbastanza aderente alla realtà raccontata in questa guida, per nulla influenzata da alcune rappresentazioni fantascientifiche spesso accostate all'Intelligenza Artificiale. Nel futuro occorrerà comunque capire quali professionalità saranno le più coinvolte da questa rivoluzione tecnologica e come incideranno le soluzioni di job automation sul sistema previdenziale. Una sola cosa è certa: l’innovazione è una necessità e non una minaccia!
Le sfide etiche dell'Intelligenza Artificiale
Se si vuole analizzare le sfide etiche dell'Intelligenza Artificiale, bisogna dividere in due le tipologie di rischi che possono evidenziarsi con l'applicazione dell'AI. Si possono individuare implicazioni che derivano dalle scelte progettuali degli sviluppatori e i rischi dell'Artificial Intelligence sulla nostra società.
Implicazioni che derivano dalle scelte progettuale degli sviluppatori
- Bias: distorsioni involontarie che esistono nei dati e/o negli algoritmi o che possono essere introdotte da sviluppatori e utilizzatori.
- Black Tech: sistemi appositamente creati per soddisfare scopi malevoli.
- Fairness: acquisizione di un vantaggio iniquo rispetto agli utilizzatori della tecnologia.
- Privacy: non rispetto della normativa in materia di trattamento dei dati personali, monitoraggio e profilazione degli utenti.
- Transparency: mancanza di trasparenza dei processi decisionali che caratterizzano i sistemi di Artificial Intelligence.
I rischi dell'Artificial Intelligence nella nostra società
Tra i rischi dell'Intelligenza Artificiale ci sono, poi, alcune implicazioni che riguardano direttamente persone, società e sistema economico-politico:
- Equality: disuguaglianza in termini di accessibilità alle tecnologie e di eliminazione delle discriminazioni.
- Freedom: limitazione della libertà e dei diritti del singolo (libertà di pensiero, di espressione, di autodeterminazione, diritto all’oblio) e delle libertà collettive.
- Job: implicazioni sul singolo lavoratore ed evoluzione del mercato del lavoro in ragione della crescente automazione di alcuni task lavorativi.
- Psychology: minaccia del benessere mentale ed emotivo degli utenti.
- Sustainability: utilizzo smoderato delle risorse ambientali.
- Trust: accentramento di risorse economico-finanziarie, di asset e di know-how tecnologico.
L'Artificial Intelligence in Italia, mercato e principali progetti
Definita l'Artificial Intelligence sia nella teoria che nella pratica, è doveroso concentrarsi sul livello di diffusione di questo paradigma tecnologico. Nel 2022 il mercato dell’Artificial Intelligence in Italia ha raggiunto i 500 milioni di euro (+32% rispetto al 2021): il 73% commissionato da imprese italiane (365 milioni di euro) e il 27% come export di progetti (135 milioni di euro), ripartizione in linea con quanto registrato nel corso del 2021.
Diverse sono le tipologie progettuali per le quali si è registrato nell’ultimo anno un buon livello di crescita. Le iniziative di Intelligent Data Processing, che includono soluzioni volte all’elaborazione e all’estrazione di informazioni dai dati strutturati, si confermano la principale tipologia di progetti di AI, raccogliendo il 34% della spesa complessiva. Sono però i progetti di Recommendation systems e di Natural Language Processing a registrare la crescita anno su anno maggiore, recuperando le incertezze mostrate nel corso dell’anno precedente. Le soluzioni di NLP, in particolare, riguardano l’elaborazione documentale, finalizzata a estrarre informazioni non solo da testi quali atti giudiziari, contratti, polizze, ma anche per analizzare comunicazioni tramite mail, social e Assistenti virtuali.
Ricapitolando: cos'è l'Intelligenza Artificiale?
Le teorie e le applicazioni relative all’Intelligenza Artificiale sono molteplici e, in questo scenario, comprendere in profondità il funzionamento dell'AI non è semplice. Per trasformare le definizioni fornite in questa guida in un modello di business, l'Osservatorio Artificial Intelligence ha elaborato un modello interpretativo in grado di descrivere al meglio la complessità delle tecnologie basate su logica AI. Il modello si compone di quattro "strati":
- Soluzioni, ossia classi di applicazione dell'IA distinte in base alla finalità d’utilizzo;
- Capacità, per comprendere cosa fa e come si comporta una Intelligenza Artificiale;
- Metodologie, che per ogni capacità realizzano funzionalità distintive;
- Tecnologie, che concretizzano le metodologie in forma hardware, software o sistema.
Hai bisogno di maggiori informazioni sui servizi di Osservatori Digital Innovation? Contattaci
+39 345 5898 554 alessia.barone@osservatori.netInizia ora il tuo aggiornamento professionale
PROGRAMMA TEMATICO 2023
Artificial Intelligence
La centralità dell’intelligenza artificiale nel processo di trasformazione digitale in atto nelle imprese e nella Pubblica Amministrazione è ormai un dato di fatto. L'Osservatorio Artificial Intelligence del Politecnico di Milano offre un’occasione unica a tutti i professionisti del settore per indagare le reali opportunità di business dell' Artificial Intelligence: un programma di Webinar e Workshop che puoi seguire in diretta e/o On Demand.