In questa pagina:
- Intelligenza Artificiale, una breve introduzione
- Intelligenza Artificiale, che cosa si intende per IA
- Intelligenza Artificiale e Machine Learning, le differenze
- Le Applicazioni dell'Intelligenza Artificiale
- Intelligenza Artificiale Generativa, cos’è e come funziona
- Cosa può fare una Intelligenza Artificiale
- In che ambiti si sta sviluppando l'Intelligenza Artificiale
- Pro e contro dell'Intelligenza Artificiale
- Intelligenza Artificiale e normative: l’AI Act
- Intelligenza Artificiale e lavoro, cosa cambia?
- L’Intelligenza Artificiale in Italia
- Intelligenza Artificiale, un modello interpretativo
Intelligenza Artificiale, una breve introduzione
L'Intelligenza Artificiale è, ormai, una delle più grandi rivoluzioni tecnologiche che l'uomo abbia mai sperimentato: dal Machine Learning, alla Robotica, fino alle Reti neurali. Questi e molti altri ambiti per un'unica grande sfida tecnologica.
L’Intelligenza Artificiale (abbreviato, a oggi, in I.A.), infatti, è un tema storicamente e scientificamente ricchissimo e su cui si sono generati diversi dibattiti. Dibattiti che, soprattutto, si sono aperti a seguito del lancio di ChatGPT. L'Intelligenza Artificiale, dunque, si rifà ad una intima ispirazione dell'uomo, quella di creare una “macchina” in cui si riflettono appieno le proprie capacità.
La storia dell’Intelligenza Artificiale rende ancora più affascinante questo paradigma che già di per sé è centrale nel nostro processo di progresso e sviluppo tecnologico. Dalle prime intuizioni di Alan Turing, passando per la contrapposizione Intelligenza Artificiale forte e debole degli anni’80. Fino, poi, ai visionari scenari di inizio millennio (su tutti, il film A.I.- Intelligenza Artificiale di Spielberg del 2001). Tutto ciò ha portato a oggi, dove l’Intelligenza Artificiale rappresenta uno dei principali ambiti di interesse della comunità scientifica informatica.
L'intelligenza Artificiale ha, poi, innumerevoli settori di applicazione e, molti di questi, potrebbero avere impatti importanti sulle attività di impresa e sulle pubbliche amministrazioni, ma non solo. L'Intelligenza Artificiale potrebbe anche migliorare la vita delle persone. In questo settore, poi, non mancano anche implicazioni etiche e filosofiche.
Attraverso questa guida sull’Intelligenza Artificiale, comprenderemo diversi aspetti. Il suo ruolo nell’attuale contesto di trasformazione digitale e sociale, l'evoluzione tecnologica del fenomeno e gli ambiti applicativi principali. Oltre alle diverse tipologie di Intelligenza Artificiale e il mercato dell'AI in Italia, con tutte le sue possibili sfaccettature.
Con l’aiuto dell'Osservatorio Artificial Intelligence del Politecnico di Milano, potremmo approfondire questa tematica. L'Osservatorio, infatti, è da anni impegnato a far chiarezza sul tema da un punto di vista sia tecnologico che manageriale.
Approfondiremo anche le principali opportunità unite agli altri ambiti applicativi come: Internet of Things, Cyber Security, Fintech, Retail, Design Thinking e Healthcare. Comprenderemo anche quali sono i maggiori rischi dell'Intelligenza Artificiale e le sue ultime regolamentazioni a livello europeo e internazionale. Capiremo anche come sfruttare le potenzialità dell'Intelligenza Artificiale in campo aziendale e i progetti più diffusi in Italia.
Intelligenza Artificiale, che cosa si intende per IA
Prima di comprendere i meccanismi alla base dell'Intelligenza Artificiale e di spiegare esattamente come funziona l'IA, bisogna approfondire il concetto di AI. Per farlo, dovremo rispondere in modo chiaro ad un paio di semplici domande:
- Che cosa si intende per Intelligenza Artificiale?
- Qual è l'origine dell'Intelligenza Artificiale?
Per dare risposta a queste domande possiamo, prima di tutto, cercare una definizione puntuale di Intelligenza Artificiale. Quindi, per comprenderne il significato possiamo chiedere aiuto all'Osservatorio Artificial Intelligence del Politecnico di Milano. Ecco come l'Osservatorio definisce il concetto di IA, rispondendo alla prima delle due domande:
Per quanto si tratti di una tecnologia complessa, l’idea che sta alla base dell’Intelligenza Artificiale è molto semplice. Si tratta, infatti, di sviluppare delle “macchine” dotate di capacità di apprendimento automatico e di adattamento che siano ispirate ai modelli di apprendimento umani.
Intelligenza Artificiale, le origini: Alan Turing
Dopo aver chiarito e compreso che cosa si intende per Intelligenza Artificiale, possiamo ora chiarire altri due concetti. Il primo concetto da chiarire è perchè si chiama proprio Intelligenza Artificiale, mentre il secondo riguarda le origini dell'IA come disciplina scientifica. Per comprendere la storia dell'Intelligenza Artificiale, tradotto in inglese come Artificial Intelligence, si può chiedere ancora una volta l'aiuto dell'Osservatorio AI del Politecnico.
Bisogna aver chiaro che i primi studi in materia di Intelligenza Artificiale le origini e la sua storia come disciplina scientifica, risalgono agli anni Cinquanta. Fu proprio in questo periodo di grande fermento scientifico che si tenne il primo convegno a cui presero parte i maggiori esperti di informatica dell’epoca. Tra questi grandi esperti di informatica c'era anche Alan Turing, considerato uno dei padri dell’informatica moderna.
È stato proprio grazie a Turing che l’Intelligenza Artificiale ai tempi iniziò a ricevere attenzioni da parte della comunità scientifica. Qualche anno prima, all’interno dell’articolo “Computing machinery and intelligence”, Alan Turing aveva proposto un test, noto come “Test di Turing”. Secondo questo test, una macchina poteva essere considerata intelligentese il suo comportamento, osservato da un essere umano, fosse stato considerato non distinguibile da quello di una persona.
Si può dire, dunque, che chi ha creato l'Intelligenza Artificiale sia proprio Alan Turing. Turing, però, può essere considerato il padre dell'Intelligenza Artificiale solo a livello teorico.
Intelligenza Artificiale e Machine Learning, le differenze
Intelligenza Artificiale e Machine Learning (e anche Deep Learning) sono spesso considerati sinonimi. In realtà i concetti sono differenti. In particolare, il Machine Learning (apprendimento automatico) è la sottoarea dell’AI che si concentra sullo sviluppo di algoritmi che permettono ai computer di imparare dai dati e migliorare le loro prestazioni nel tempo, senza essere esplicitamente programmati per ogni specifica attività.
Il ML utilizza una varietà di tecniche statistiche per consentire ai computer di "apprendere" dai dati, identificando pattern e prendendo decisioni basate su esempi passati. Questa capacità di apprendimento automatico è al cuore del ML e lo distingue dalle tecniche tradizionali di programmazione AI.
Qual è la differenza tra Deep Learning e Machine Learning
Il Deep Learning (apprendimento approfondito) è un sottoinsieme più specifico del Machine Learning che utilizza reti neurali profonde (composte da molteplici livelli) per apprendere dai dati. All’interno del Deep Learning troviamo, ad esempio, i grandi modelli fondazionali. Modelli come GPT e DALL-E di OpenAI e LLaMa di Meta che hanno ridestato attenzione verso l’Intelligenza Artificiale Generativa. Nello specifico, i foundation model per l’interpretazione del linguaggio naturale prendono oggi il nome Large Language Model (LLM).
I due tipi di Intelligenza Artificiale, l'IA Forte e l'IA Debole
Dopo i primi studi degli anni Cinquanta, le aspettative sull’Intelligenza Artificiale iniziarono ad aumentare. A causa di una mancata disposizione di una capacità di calcolo adeguata dei dispositivi, però, ben presto il concetto di ‘Intelligenza Artificiale si frammentò in due teorie distinte. Queste teorie sono, tutt’oggi, condivise ed permettono di distinguere le due tipologie di Intelligenze Artificiali:
- 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. L'obiettivo di questa teoria non è solo quello di realizzare macchine dotate di intelligenza umana. Il fine ultimo, infatti, è quello di avere sistemi in grado di svolgere una o più funzioni umane complesse.
Per dare una definizione di Intelligenza Artificiale come disciplina di studio, quindi, possiamo dire che:
L'Intelligenza Artificiale è quel ramo della computer science che studia lo sviluppo di sistemi Hardware e Software dotati di specifiche capacità tipiche dell’essere umano. Alcuni esempi potrebbero essere l'interazione con l’ambiente, l'apprendimento e adattamento, il ragionamento e la pianificazione. Questi sistemi sono capaci di perseguire in modo autonomo una finalità definita, prendendo decisioni che fino a quel momento erano solitamente affidate alle persone.
Quindi, cosa si studia in Intelligenza Artificiale? Per spiegarlo si può dire che, l'IA, è un campo di ricerca che studia la programmazione e la progettazione di sistemi. Questi sistemi, poi, sono costruiti e pensati per dotare le macchine di una o più proprietà considerate tipicamente umane, 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 da una definizione puntuale di IA, possiamo descrivere, poi, le principali tecniche di Intelligenza Artificiale (Machine Learning e Deep Learning su tutte), ma non solo.
Possiamo capirne il funzionamento, le diverse applicazioni, le opportunità derivanti dall'utilizzo dell'IA e il percorso di introduzione dell'Intelligenza Artificiale nelle imprese italiane. Rispondendo a un roboante quesito finale: l'Intelligenza Artificiale, è una minaccia o una necessità per l'uomo?
Le Applicazioni di Intelligenza Artificiale
Dopo aver spiegato in modo approfondito e compreso le origini e il significato di Intelligenza Artificiale, possiamo iniziare a comprendere cosa può fare l'Intelligenza Artificiale.
L’Intelligenza Artificiale può essere applicata a diversi ambiti; tuttavia, questa tecnologia non è destinata a diffondersi in essi alla stessa velocità. Considerato questo, bisogna fornire un quadro completo delle applicazioni di Intelligenza Artificiale. L’Osservatorio Artificial Intelligence ha elencato sei classi di soluzioni di IA adottate (o adottabili) dalle imprese e distinte in base alle finalità d’utilizzo. Alla base di queste soluzioni ci sono algoritmi, tecniche di computazione e soluzioni in grado, dunque, di replicare il comportamento umano.
I Chatbot
Tra le applicazioni Intelligenza Artificiale, il Chatbot, o Virtual Assistant, è una delle soluzioni più diffuse tra le aziende italiane e internazionali. Gli assistenti virtuali sono strumenti capaci offrire assistenza 24/7 sia ai clienti che ai dipendenti. Inoltre, i ChatBot si prestano anche a diversi impieghi in ambito marketing, supporto alla vendita, HR Management, domotica e Ricerca e Sviluppo.
NLP (Natural Language Processing)
Un’altra applicazione di Intelligenza Artificiale è il Natural Language Processing (NLP). Le tecniche di NLP si pongono l'obiettivo di creare sistemi in grado di favorire l’interazione e la comprensione uomo/macchina. L’NLP è un algoritmo di apprendimento che si occupa principalmente di testi. Ad esempio, una qualsiasi sequenza di parole che in una lingua esprime uno o più messaggi (come pagine web, post, tweet, informazioni aziendali).
Computer Vision
Tra le applicazioni di Intelligenza Artificiale, la Computer Vision è una delle più importanti. Questa, infatti, studia gli algoritmi e le tecniche per permettere ai computer di raggiungere una comprensione di alto livello del contenuto di immagini o video. Gli avanzamenti di questa applicazione dell’IA negli ultimi anni sono stati importanti. Questi, infatti, hanno portato a soluzioni basate su descrizioni statistiche delle immagini e hanno in modo progressivo 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 dell’Intelligenza Artificiale. Qui 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 muovono le imprese nell'utilizzo di queste soluzioni di Intelligenza Artificiale sono: il Forecasting (Previsioni) e la Classification & Clustering (Classificazione e Raggruppamento).
Recommendation System
Di tutte le applicazioni finora viste, i Reccomandation Systems sono le applicazioni di Intelligenza Artificiale più utilizzate. Non tutti sanno, infatti, che gli algoritmi di raccomandazione sono il pilastro del modello di business di tutte le piattaforme social ed eCommerce. Per esempio, sia Amazon che Netflix ne fanno largamente utilizzo.
Alla base di tanti servizi digitali, ci sono algoritmi di Intelligenza Artificiale che tengono traccia delle azioni dell’utente. Comparandole, poi, con quelle degli altri utenti, apprendono le preferenze e sono in grado di produrre suggerimenti più precisi al fine di migliorare l'esperienza dell'utente sulla piattaforma.
Soluzioni Fisiche di Intelligenza Artificiale
Le soluzioni fisiche di intelligenza artificiali, in Italia, sono ancora poco diffuse. Tra queste applicazioni di AI, tre sono le categorie da prendere in esame. La prima sono i veicoli autonomi (mezzi di trasporto dotati di guida autonoma), seguita dagli Autonomous Robot (robot in grado di muoversi senza l’intervento umano).
Ultima categoria, ma non meno importante, è quella degli Intelligent Object. Questi oggetti sono in grado di compiere azioni senza l’intervento umano e di prendere decisioni in base alle condizioni dell’ambiente circostante.
Esempio di applicazione dell’Intelligenza Artificiale: l’AI Generativa
A partire dal rilascio di algoritmi di Intelligenza Artificiale Generativa al grande pubblico, queste soluzioni hanno acquisito nuove funzionalità. I Chatbot, per esempio, sono molto più capaci e flessibili.
I modelli fondativi capaci di elaborare testi (come GPT 3.5 e GTP4) hanno anche contribuito notevolmente all’aumento delle performance degli NLP. Modelli fondativi capaci di generare immagini (come DALL-E) hanno invece portato cambiamenti radicali nell’ambito della Computer Vision.
Intelligenza Artificiale Generativa, cos’è e come funziona
Quando si parla di IA, al giorno d'oggi, si pensa quasi subito alle ultime piattaforme sbarcate sul mercato ormai più di un anno fa, in particolare ChatGPT, DALL-E e Bard (ora rinominato in Gemini). Anche molte altre Big Tech hanno cercato di non rimanere indietro, creando nuovi modelli fondativi e lanciando piattaforme come Bing AI (Microsoft), allo scopo di sfruttarne appieno le potenzialità.
Tutte queste piattaforme si basano sull’AI Generativa, o Intelligenza Artificiale Generativa, o ancora Generative AI.
L’AI Generativa è un tipo di Intelligenza Artificiale che utilizza algoritmi di Machine Learning (ossia apprendimento automatico) per generare nuovi contenuti che in precedenza si basavano sulla creatività dell’uomo. Questi contenuti possono essere ad esempio testo, audio, immagini, video e codice informatico.
ChatGPT, il primo tool di AI Generativa
Il primo programma di Generative AI che ha mostrato al grande pubblico le opportunità di questo ramo dell’Intelligenza Artificiale è stato ChatGPT. Lanciato sul mercato nel novembre 2022 dall’impresa statunitense OpenAI, il programma ha avuto un immediato successo. Dopo solo una settimana, infatti, la piattaforma registrava più di un milione di utenti al giorno. Non solo curiosi, però. Anche addetti ai lavori e professionisti di diversi altri ambiti, tra cui il Marketing.
ChatGPT, sfruttando gli algoritmi di Intelligenza Artificiale di apprendimento automatico, è in grado di svolgere moltissime funzioni. Dal dialogo con gli utenti, alla stesura di testi (come articoli, ricette, e-mail, ecc.), alla generazione di immagini (tramite l’integrazione con DALL-E nella versione a pagamento, ChatGPT 4), ma non solo. ChatGPT, infatti, è in grado di analizzare e compilare snippet di codice in diversi linguaggi di programmazione.
La versione base del tool si basa sul modello fondativo linguistico GPT-3.5 (Generative Pretrained Transformer), mentre ChatGPT 4, a pagamento, utilizza il modello GPT 4. Quest’ultimo è multimodale, in grado, cioè di comprendere e rispondere a input (che prendono il nome di prompt) sia testuali che visivi.
Gemini, l'AI Generativa di Google
Dopo mesi di studio e di esperimenti negli Stati Uniti, anche Google ha lanciato la propria piattaforma di Intelligenza Artificiale Generativa con il nome di Goole Bard. Bard è stato redo disponibile in Italia a partire dal 13 luglio 2023. L’8 febbraio 2024 Bard ha poi cambiato nome in Gemini che, proprio come ChatGPT, è una piattaforma multimodale. Il rebranding è avvenuto in concomitanza con il lancio di Gemini Advanced, una versione premium più avanzata e potente del modello linguistico.
Gemini vanta diverse peculiarità fin dalla sua prima versione, Bard. Una delle sue principali caratteristiche è la possibilità di poter essere integrato con gli altri servizi Google, come Google Documenti e Gmail. Un’altra sua caratteristica riguarda l’aggiornamento delle informazioni, in quanto può attingere da Google stesso, e quindi una grandissima mole di dati. Diversamente, le informazioni di ChatGPT 3.5 risalgono a gennaio 2022, mentre quelle di ChatGPT 4 ad aprile 2023.
Cosa può fare una Intelligenza Artificiale
Come fanno le applicazioni di Intelligenza Artificiale come i Chatbot, gli algoritmi di NLP o Computer Vision a raggiungere gli scopi applicativi richiesti? Per comprendere meglio come funziona una Intelligenza Artificiale, possiamo pensare a ogni soluzione di IA come avente numerose proprietà, definibili "capacità".
Si possono chiamare capacità perché, appunto, ispirate alle capacità degli esseri umani. Tali proprietà, poi, si ottengono grazie all'adozione di specifiche metodologie, concretizzate grazie alle diverse tecnologie di Intelligenza Artificiale in forma hardware o software.
- elaborazione del linguaggio naturale (realizza di discorsi e dialoghi, estrapola informazioni, risposte a domande)
- elaborazione delle immagini (riconoscimento di volti e movimenti, recupero di immagini e video, visione artificiale)
- apprendimento (Machine Learning, intelligenza in grado di computare)
- ragionamento e classificazione (ragionamento in modo autonomo, elaborare ontologie)
- interazione sociale (sistemi multi-agente, teoria dei giochi, coordinare e collaborare)
- interazione con l’ambiente (localizzare, mappare e navigare, pianificare i movimenti e percorsi)
Intelligenza Artificiale e Robotic Process Automation (RPA)
Una spiegazione di come funziona l'Intelligenza Artificiale possiamo averla spiegando cosa sono gli RPA. Storicamente associati all’utilizzo di bot software per rendere autonome attività predefinite, i sistemi di RPA (acronimo di Robotic Process Automation) sono molto importanti. Infatti, a oggi sono questi sistemi sono in grado di integrare tutte le capacità di Intelligenza Artificiale descritte finora.
Le metodologie di Intelligenza Artificiale integrate ai software RPA sono sempre più utilizzate. Anche in Italia, per esempio, nelle imprese italiane. Questo perché consentono di migliorare l’esecuzione di alcuni task, con benefici in termini di efficienza ed efficacia dei processi, ma anche di customer satisfaction.
Si tratta di un vero e proprio cambio di prospettiva verso l'Intelligenza Artificale. Prospettiva in cui non si programma più il bot, ma si definiscono i confini dentro cui il bot opera con autonomia decisionale. Quasi come una mente artificiale.
Dopo aver analizzato le maggiori applicazioni dell'Intelligenza Artificiale e compreso le sue capacità, è importante ricordare che il funzionamento di questa tecnologia si basa su algoritmi che hanno diverse funzioni. Quindi, per capire esattamente come funziona l'IA si dovrà parlare sicuramente del Machine Learning, altra grande branca di studio appartenente all'IA.
Le applicazioni e la storia dell'Intelligenza Artificiale si incrociano, dunque, con quella del Machine Learning (o apprendimento automatico). L'Intelligenza Artificiale si configura come lo studio dello sviluppo di sistemi dotati di capacità tipiche dell'uomo. Il Machine Learning, invece, può considerarsi una strada (molto battuta) per la sua applicazione.
Quando parliamo di apprendimento automatico o Machine Learning ci si riferisce a quei sistemi in grado di apprendere dall’esperienza. Come lo fanno? Grazie a un meccanismo simile a ciò che un essere umano fa sin dalla nascita. Si tratta dell'apprendimento.
In base alle tecniche di apprendimento è poi possibile distinguere diverse tipologie di Machine Learning legate all'IA. La più nota tra queste è sicuramente il Deep Learning. Tuttavia, i volti del Machine Learning sono assai più sfaccettati. Secondo l’Osservatorio Artificial Intelligence, infatti, sono sei le metodologie principali del Machine Learning:
- Model Prediction;
- Deep Learning;
- Online Learning;
- Explainable Regression & Classification:
- Information Retrieval;
- Reinforcement Learning.
Nei prossimi paragrafi si cercherà di dare alcune definizioni di queste metologie del Machine Learning appena elencate, spiegando le loro peculiarità e collocandole nel panorama dell'Intelligenza Artificiale. Questo approfondimento aiuterà anche a capire con chiarezza come funziona l'IA.
Model Prediction o Modellazione Predittiva
La Model Prediction, o Modellazione Predittiva, è un’area del Machine Learning che include una varietà di tecniche. Queste tecniche di Machine Learning permettono 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 o Apprendimento Profondo
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 queste reti neurali, poi, ogni strato calcola i valori per quello successivo.
In poche parole, il Deep Learning è una tecnica di apprendimento automatico 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 e dell'Intelligenza Artificiale, che studia tecniche di soluzione di problemi. Problemi in cui, i dati diventano disponibili sequenzialmente e le decisioni devono essere prese man mano che un dato diventa disponibile.
L'Online Learning funziona diversamente dall’Offline Learning. Infatti, le decisioni si basano su un’acquisizione precedente di un insieme di dati, così che, l’apprendimento online e la presa di decisioni, sono correlati e interdipendenti. Ciò che viene appreso, infatti, condiziona le decisioni, che, a loro volta, condizionano i dati che vengono osservati per un ulteriore apprendimento.
Explainable Regression & Classification
L’Explainable Regression & Classification, o Regressione e Classificazione Spiegabili, è un'altra tecnica di Machine Learning e dell'Intelligenza Artificiale. Infatti, esso consiste in tecniche 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. Tutto ciò avviene a seguito dell’elaborazione dei dati, permettendo anche di comprendere cosa avviene nella “scatola nera” dell’apprendimento del Machine Learning.
Information Retrieval (IR)
L’Information Retrieval, in italiano “reperimento dell’informazione” è un insieme di tecniche di Machine Learning utilizzate per gestire differenti aspetti. Ad esempio, 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 in cercato in precedenza e che sono 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. Tutto ciò avviene 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” (ossia apprendendo per tentativi). A ogni iterazione l’agente osserva l’ambiente tramite i suoi sensori, fisici o virtuali. In seguito, 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'Intelligenza Artificiale 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. Nei paragrafi successivi di questa guida sull'Intelligenza Artificiale, saranno riportati alcuni esempi di IA applicata all'Innovazione Digitale. Tra questi, vi sono i casi più significativi di applicazione dell'Intelligenza Artificiale in altri campi di ricerca analizzati dall'Osservatorio Artificial Intelligence in collaborazione con altri Osservatori.
Healthcare e Medicina
Uno degli esempi di Intelligenza Artificiale applicata più interessante, è quello dell’introduzione della tecnologia AI a livello medico.
Le applicazioni dell’Intelligenza Artificiale in ambito sanitario, infatti, possono portare a numerosi benefici. Ad esempio, consentono di definire diagnosi sulla base di dati clinici dei pazienti, supportando i medici nel prendere decisioni in modo più rapido e nel personalizzare le cure. Utilizzare l’Intelligenza Artificiale in ambito sanitario, infatti, non significa sostituire il medico. Il suo impiego consente, però, a quest’ultimo di ridurre i tempi per la ricerca e l’incrocio di informazioni necessari a effettuare diagnosi.
Finance e Assicurazioni
Non mancano, poi le applicazioni dell’Intelligenza Artificiale anche a livello finanziario e a livello di assicurazioni. L’Intelligenza Artificiale in ambito Fintech e Insurtech è, infatti, sempre più diffusa.
In particolare, il comparto più attivo è quello del Banking, Finance & Insurance. Questo perché è possibile 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 e applicate nell’ambito finanziario, vi sono gli assistenti virtuali o chatbot, utilizzato per l’assistenza ai clienti post-vendita.
Design Thinking
Dopo aver visto alcuni esempi di Intelligenza Artificiale applicata in campo sanitario e finanziario, l’Osservatorio AI ha analizzato come l'Intelligenza Artificiale possa essere utile al Design Thinking.
Il Design Thinking è quella capacità di risolvere problemi complessi attraverso una visione creativa. L’Intelligenza Artificiale, per questo, rappresenta una delle principali tecnologie che possono aiutare i lavoratori di questo settore durante tutto il processo creativo. L’IA, infatti, attraverso la reinterpretazione di dati, può supportare e stimolare tale processo, senza sostituire le figure professionali come i manager.
Inoltre, l’AI Generativa, attraverso i suoi output, è in grado di stimolare il processo creativo, sia individuale che di gruppo. Può accompagnare l’elaborazione di un pensiero e, attraverso le immagini, può anche stimolare una creatività più profonda, se non addirittura provocatoria.
Dispositivi Connessi e IoT
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'Intelligenza Artificiale, è impiegata principalmente per soluzioni di Smart Factory, Smart Home e Smart City. Il Machine Learning, insieme ad altre tecniche di apprendimento basate sull’IA, sta acquisendo un ruolo sempre più importante nel soddisfare i bisogni di aziende e consumatori.
Come visto in precedenza nel corso di questa guida, le soluzioni di Intelligenza Artificiale, possono riguardare anche ambiti domestici. Basta pensare ai sistemi di Smart Home per rendere la casa domotica. Questi sistemi che sono capaci di regolare temperatura, umidità e luminosità in base alle abitudini degli utenti mediante l’utilizzo della voce come input.
eCommerce e Retail
Altro ambito in cui l’Intelligenza Artificiale potrebbe, nel breve e nel lungo termine, determinare un’evoluzione è l’eCommerce. Diversi, infatti, sono gli usi dell’Artificial Intelligence impiegati in questi ambiti, a partire da chatbot, ma non solo. Le soluzioni di tecnologia AI per e-commerce comprendono i sistemi di raccomandazione, o Recommendation System (visti in precedenza). Questi sistemi sono in grado di suggerire acquisti basandosi su quelli fatti in passato, influenzando l’utente nel suo processo decisionale. Inoltre, il Virtual try-on, che consente di simulare la prova di un capo, integra insieme alle soluzioni di Realtà Aumentata anche l’AI.
Nel caso di negozi fisici, invece, le applicazioni di AI sono presenti nei camerini dotati di display trasparenti e touch. Questi forniscono in tempo reale le informazioni richieste da cliente e, una volta comprese le preferenze, mostrano i prodotti in linea con i loro interessi.
Cybersecurity e Privacy
Ultimo, non per importanza, è l’ambito di applicazione della Sicurezza Informatica e dei dati degli utenti all'Intelligenza Artificiale. In questo ambito, l'IA, potrebbe garantire una maggiore efficienza nel processo di difesa degli utenti e dei loro dati.
Infatti, in Cyber Security le soluzioni di Intelligenza Artificiale possono svolgere diverse funzioni. Possono essere impiegate per rilevare e prevenire le anomalie nel traffico di rete e per analizzare e correlare grandi quantità di dati provenienti da diverse fonti. Tutto ciò, con l'obiettivo di identificare le minacce (come attacchi informatici) e accelerare il tempo di risposta.
Inoltre, l’Intelligenza Artificiale 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, esistono sistemi di detect and response (ossia che rilevano e rispondono a minacce informatiche) che vengono integrati a sistemi evoluti di Intelligenza Artificiale e Machine Learning. Questi sistemi sono utilizzati per monitorare le attività dei dispositivi e bloccare il malware e il ransomware.
Pro e Contro dell'Intelligenza Artificiale
Comprendere e studiare la disciplina dell’Intelligenza Artificiale ha tante sfaccettature. Significa sviluppare nuove competenze, mettere in campo nuove tecnologie e padroneggiare le tecniche per implementare progetti sempre più innovativi. Questi fattori sono 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'Intelligenza Artificiale. Altrettanti sono i dubbi su quale sarà l’impatto dell’Intelligenza Artificiale sul mondo del lavoro e sulla nostra società.
Soprattutto ci si chiede se la tecnologia dell'Intelligenza Artificiale sia una minaccia o un’opportunità. Saranno le macchine di sostituire l’uomo, e sistemi di IA saranno più abili e più intelligenti degli esseri umani?
Sebbene spesso si riporti una visione distorta dell’IA, l’idea che sta emergendo tra i consumatori italiani è abbastanza aderente alla realtà raccontata dall’Osservatorio AI. Senza però essere 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 di questa nuova tecnologia AI. Si possono individuare, come riportato di seguito in due elenchi dettagliati, le implicazioni che derivano dalle scelte progettuali degli sviluppatori. Così come si potrà notare l’impatto sulla nostra società dell’Intelligenza Artificiale.
Implicazioni derivanti dalle scelte progettuale degli sviluppatori di Intelligenza Artificiale
- 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’AI per la nostra società
Tra i rischi dell'Intelligenza Artificiale (IA) 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.
Intelligenza Artificiale e normative: l’AI Act
L’AI Act, ossia l’Artificial Intelligence Act, è il primo regolamento al mondo sull’Intelligenza Artificiale. Il suo obiettivo è quello di far sì che i sistemi di AI che si trovano all’interno del mercato europeo siano sicuri e rispettino i diritti dell’UE.
Nello specifico l’AI Act prevede di classificare i sistemi di AI in base al loro livello di rischio e di normare tali sistemi, di conseguenza, introducendo anche requisiti e obblighi per la loro immissione nel mercato europeo. Per i sistemi il cui rischio è considerato inaccettabile si giungerà, pertanto, al divieto di utilizzo.
Presentato per la prima volta ad aprile 2021, l’AI Act è stato approvato dal Parlamento Europeo il 13 marzo 2024. Entrerà in vigore presumibilmente nel corso del 2024 a seguito dell’effettiva approvazione del Consiglio europeo. Stando all’accordo provvisorio, tale regolamentazione verrà applicata due anni dopo la sua entrata in vigore (salvo alcune eccezioni).
Con questo regolamento l'UE si afferma come istituzione all’avanguardia nella regolamentazione dell’AI. Questo lungo percorso è iniziato, in realtà, già nel 2018 con il GDPR, ed è proseguito poi con il Digital Markets Act, il Digital Services Act e il Data Act. Attraverso l’AI Act l’Unione Europea mira a porre le basi per raggiungere un equilibrio tra una regolamentazione adeguata in materia di Intelligenza Artificiale e lo sviluppo di una forte economia del settore.
Intelligenza Artificiale e lavoro, cosa cambia?
Sempre secondo la Ricerca dell’Osservatorio Artificial Intelligence da qui a dieci anni, l’Intelligenza Artificiale sarà in grado di automatizzare diverse attività. L’IA sarà, dunque, uno strumento necessario per garantire un livello di produttività tale da rispondere alla crescente domanda di servizi. Difatti, come dichiarato da Giovanni Miragliotta, Direttore dell’Osservatorio Artificial Intelligence, “Il mercato è in forte crescita, come i progetti, e ormai quasi tutti gli italiani hanno sentito parlare di AI, ma guardano a questo ambito con interesse e qualche timore. Nel valutare il reale impatto sul lavoro, però, bisogna tenere in considerazione le previsioni demografiche che, a causa dell’invecchiamento della popolazione, prospettano un gap di 5,6 milioni di posti di lavoro equivalenti entro il 2033. In questa prospettiva, la possibile automazione di 3,8 milioni di posti di lavoro equivalenti appare quasi una necessità per ribilanciare un enorme problema che si sta creando, più che un rischio. Tuttavia, soltanto prestando attenzione alle nuove esigenze dei lavoratori, alla formazione e ad un’equa redistribuzione dei benefici, la società riuscirà a trarre valore dallo sviluppo dell’AI”.
Per quanto riguarda l’AI Generativa nelle mansioni più creative, come la scrittura, la creazione di immagini, di fotografie e di opere d’arte, è difficile dire cosa avverrà nel lungo periodo. Dai dati raccolti fino ad ora dall’Osservatorio risulta che nelle aziende i dipendenti non sono stati sostituiti dalla Generative AI. Quest’ultima, infatti, è stata introdotta per offrire maggiori servizi ai propri clienti. La GenAI viene dunque usata come collaboratore, o più propriamente Job Augmentation, affiancando e intensificando le capacità del lavoro dell’uomo. Le piattaforme, sia testuali che visive, possono infatti fornire una buona base per il proprio lavoro, attraverso spunti e nuove idee. Tuttavia, non sostituiscono il lavoro dell’uomo.
L’Intelligenza Artificiale in Italia
Dopo aver scoperto insieme cos'è l'Intelligenza Artificiale sia nella teoria che nella pratica, è doveroso concentrarsi sul livello di diffusione in Italia di questo paradigma tecnologico. Così come è anche capire quali siano le progettualità più attuate.
Secondo la Ricerca dell’Osservatorio Artificial Intelligence nel 2023 il mercato dell’Intelligenza Artificiale in Italia è cresciuto come mai prima d’ora e ha raggiunto i 760 milioni di euro (+52% rispetto al 2022). Il 90% di questo valore è dovuto alle grandi imprese, mentre la quota restante si suddivide in modo sostanzialmente equilibrato tra piccole e medie imprese e Pubblica Amministrazione.
Le progettualità realizzate tramite la Generative AI pesano oggi il 5% (circa 38 milioni di euro). La principale area di applicazione è legata all’introduzione di assistenti virtuali, come Chatbot, ma non solo.
L’avvento dell’AI Generativa ha sicuramente contribuito alla crescita del mercato. Come sottolineato da Alessandro Piva, Direttore dell’Osservatorio Artificial Intelligence, “due organizzazioni su tre hanno già discusso internamente delle applicazioni delle Generative AI e tra queste una su quattro ha avviato una sperimentazione (il 17% del totale)”. Nonostante ciò, sempre secondo Piva “l’avvento della Generative AI non sembra tuttavia essere una via per ridurre il gap nell’adozione dell’Intelligenza Artificiale tra le grandi organizzazioni, chi è indietro nel percorso di adozione dell’AI, infatti, non riesce a trarre beneficio delle opportunità della Generative AI (nel 77% dei casi)”.
L'introduzione dell'Intelligenza Artificiale Generativa mediante API in azienda, infatti, è un processo più complesso rispetto al semplice utilizzo di piattaforme come ChatGPT. Sebbene le potenzialità di tali integrazioni siano enormi, la gestione delle soluzioni di AI comporta diverse sfide e difficoltà. La maggior parte delle aziende, però, sono pronte ad affrontarle. Diversamente, le imprese che avevano già avviato almeno una sperimentazione proseguono e accelerano velocemente.
Intelligenza Artificiale, un modello interpretativo
Le teorie e le applicazioni relative all’Intelligenza Artificiale sono molteplici e, in questo scenario, comprendere in profondità il funzionamento dell'IA 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 IA. 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.
![intelligenza-artificale-ai intelligenza-artificale-ai](https://blog.osservatori.net/hs-fs/hubfs/intelligenza-artificale.gif?width=600&height=180&name=intelligenza-artificale.gif)
In questa figura, alcune delle branche dipendenti dallo sviluppo dell'Intelligenza Artificale