AI semantica: cos’è, come funziona e quali vantaggi - Agenda Digitale

Oltre il machine learning

AI semantica: cos’è, come funziona e quali vantaggi

L’AI semantica è una combinazione di AI simbolica e statistica: si basa sulla modellazione delle parole per simulare il ragionamento umano. Più trasparente del machine learning, può portare a una migliore governance della tecnologia. Dove viene usata e qual è il suo valore aggiunto

12 Mar 2021
Marco Martorana

avvocato, studio legale Martorana, Presidente Assodata, DPO Certificato UNI 11697:2017

Lucas Pinelli

Studio legale Martorana – Vice President for Marketing, ELSA Belgium

L’AI semantica, ovvero l’ intelligenza artificiale semantica, è una combinazione di metodi e strumenti accuratamente selezionati per risolvere casi d’uso comuni in modo estremamente preciso. I sistemi di AI semantica sono in grado di fornire i mezzi adeguati a una gestione della qualità dei dati più automatizzata, superando le criticità dei sistemi di Machine Learning (ML), come la mancanza di dati appropriati o la scarsa qualità dei dati utilizzati, che producono risultati parziali.

Al contrario del ML, che si traduce in una rete di collegamenti ponderati tra input e output tramite strati intermedi di nodi, l’approccio di modellazione semantica si basa su rappresentazioni esplicite e comprensibili dei concetti, delle relazioni e delle regole che compongono l’informazione desiderata.

Come funziona l’AI semantica

Il valore che deriva dalla modellazione della semantica è una conoscenza che non solo può essere ricollegata, ma anche elaborata meccanicamente. Inoltre, il processo di ragionamento di questi sistemi può combinare in modo dinamico le informazioni per rispondere a domande o per trarre conclusioni in modi non necessariamente anticipati o specificati algoritmicamente.

WHITEPAPER
Product Lifecycle Management: cos’è, come funziona e come deve evolvere
Logistica/Trasporti
Manifatturiero/Produzione

Le soluzioni semantiche si basano sulla modellazione delle parole e usano un ragionamento simile a quello umano su quei modelli di informazioni, piuttosto che fare affidamento su algoritmi procedurali che specificano come debba essere svolto un compito o quali siano le correlazioni apprese tra input e output.

Oltre ad essere in grado di affrontare una serie diversa di problemi rispetto al ML, i sistemi basati sulla conoscenza semantica offrono una trasparenza di gran lunga maggiore nelle loro conclusioni rispetto ai modelli ML, meno comprensibili. Questo è fondamentale per tutte quelle situazioni in cui è richiesta la verificabilità e durante lo sviluppo del sistema. In più, rende il modello più facile da mantenere, soprattutto quando cambiano alcuni aspetti del mondo che renderebbero invalidi i risultati precedenti.

I vantaggi dell’AI semantica

I dati sono il carburante dell’economia digitale e di ogni sistema AI. L’AI semantica è in grado di far fronte alla necessità di dati interpretabili e significativi e alle criticità degli altri sistemi AI.

I dati semanticamente arricchiti servono come base per una migliore qualità dell’informazione e forniscono più opzioni per l’estrazione delle loro caratteristiche. Ciò significa una maggiore precisione rispetto alle previsioni e alle classificazioni calcolate da algoritmi di apprendimento automatico.

L’AI semantica è la combinazione di metodi derivati ​​dall’AI simbolica e dall’AI statistica. Di conseguenza, in determinati casi d’uso, l’AI semantica potrà permettere a vari soggetti interessati di scegliere tra i metodi e gli strumenti disponibili e sviluppare in modo collaborativo flussi di lavoro in grado di affrontare i problemi sottostanti. Ad esempio, è possibile combinare l’estrazione di dati basata sull’apprendimento automatico con metodi di estrazione del testo basati su grafici della conoscenza semantica e relative capacità di ragionamento, permettendo di ottenere così risultati ottimali.

Mentre il machine learning può aiutare a estendere i sistemi di AI semantica, essi sono in grado di condurre al miglioramento degli algoritmi di ML. Questo approccio integrato, quindi, porta a sistemi che funzionano come macchine auto-ottimizzanti dopo una fase di configurazione iniziale, pur essendo trasparenti sui modelli di conoscenza sottostanti.

Infine, in netto contrasto con le altre tecnologie di intelligenza artificiale, in cui solo pochi esperti comprendono realmente le tecniche del loro funzionamento, l’AI semantica cerca di fornire un’infrastruttura per superare le asimmetrie informative tra gli sviluppatori e le altre parti interessate, consumatori inclusi. L’AI semantica, pertanto, è in grado di portare ad una migliore governance dell’AI su tre livelli: tecnico, etico e legale.

Quale uso per l’AI semantica?

È noto come l’attività di profilazione a scopo di marketing sia altamente intrusiva per quanto riguarda i diritti fondamentali, inclusa la privacy, dei consumatori. Pertanto, è imprescindibile il rispetto delle regole e dei principi cardine del GDPR, in particolare rispetto a liceità, correttezza, necessità e proporzionalità, nonché alla qualità dei dati. L’AI semantica, con il miglioramento che porta alla qualità dei dati trattati, è in grado di fornire una profilazione più accurata dei consumatori nelle attività di marketing. Da un lato questo può portare ad un miglioramento della user experience. Da un altro lato, potrà aiutare le aziende a delimitare il suo pubblico di interesse in modo molto più acuto.

Inoltre, come riportato da Forbes, l’AI semantica sta giocando un ruolo essenziale nella trasformazione digitale del settore bancario, nel quale la tecnologia è utilizzata per migliorare i servizi personalizzati per i clienti. Poiché l’AI semantica collega i dati in modo intelligente, consente di fornire consigli molto più accurati rispetto ai sistemi di apprendimento automatizzato. Pertanto, le banche stanno implementando questa tecnologia in portali self-service che mostrano ai clienti una visione personalizzata delle informazioni, come nuove offerte e servizi. Sulla stessa linea, stanno anche utilizzando i grafici della conoscenza nei portali online per migliorare l’alfabetizzazione finanziaria dei clienti attraverso la creazione di assistenti digitali che li aiutano ad acquisire conoscenze finanziarie attraverso la ricerca semantica.

Infine, l’AI semantica è anche destinata a giocare un ruolo importante nello sviluppo delle smart cities. Infatti, i sistemi algoritmici vengono solitamente sviluppati per scenari o oggetti applicativi specifici e richiedono una personalizzazione approfondita. I sistemi di AI convenzionali potrebbero quindi essere difficili da adattare a uno scenario generale costituito da più oggetti. Tuttavia, molti diversi tipi di oggetti coesistono nelle Smart Cities e vanno probabilmente oltre le capacità degli algoritmi tradizionali di intelligenza artificiale.

Pertanto, è necessario lo sviluppo di nuove tecniche di intelligenza artificiale in quanto gli oggetti connessi accedono a Internet a partire da diversi dispositivi e funzioni che possono seguire standard e modelli del tutto diversi. Mirando quindi a garantire che l’AI risolva i problemi del servizio smart city attraverso l’Internet of Things (IoT) in modo efficiente, è fondamentale e necessario che esista una piattaforma che mappi diversi comportamenti degli oggetti in un modello unificato in grado di supportare la fusione di oggetti eterogenei. A tal fine, la piattaforma e il modello unificato potrebbero essere supportati dalla tecnologia semantica, che è in grado di descrivere le caratteristiche degli oggetti per una più efficiente comprensione della macchina e realizzare l’interoperabilità tra più sistemi eterogenei.[1]

__________________________________________________________________________________________

  1. Vedere Kun Guo, Yueming Lu, Hui Gao and Ruohan Cao, “Artificial Intelligence-Based Semantic Internet ofThings in a User-Centric Smart City”, Sensors, 2018, 18, 1341, pp. 1-22.

@RIPRODUZIONE RISERVATA

Articolo 1 di 4