Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

scenari

Intelligenza artificiale con big data, le opportunità concrete per le aziende

Il semplice fatto di avere accesso a grandi serie di dati non è sufficiente per produrre un risultato. La convergenza tra big data e AI è pertanto inevitabile anche per rendere più agili, veloci e intelligenti i processi aziendali. Ecco le possibili applicazioni, le sfide e le implicazioni etiche

30 Lug 2018

Michele Gentili

consulente ICT e Digital transformation


L’intelligenza artificiale e i big data sono due tecnologie in costante crescita, di grande interesse per le aziende di tutti i settori. Tuttavia, il loro vero potenziale rivoluzionario è probabilmente la loro convergenza. Vediamo le possibilità offerte alle aziende dall’unione tra big data e AI.

L’origine dell’intelligenza artificiale

Se quella dei big data rappresenta una tecnologia più nota al “grande pubblico”, anche per la diffusione dell’utilizzo dei social network e per l’evidenza che, soprattutto in quel contesto, sono una fonte inesauribile di informazioni, l’intelligenza artificiale risulta forse meno definibile e non è semplice inquadrarla in un contesto ben circoscritto.

Il termine “intelligenza artificiale” fu coniato da John McCarthy in occasione di un seminario presso il Dartmouth College di Hanover (New Hampshire, USA) a cui invitò dieci ricercatori interessati alla teoria degli automi, alle reti neurali e allo studio dell’intelligenza, ma con interessi che spaziavano anche dallo sviluppo di sistemi di ragionamento automatico ai giochi come la dama. Negli anni ’60 e ’70 gli studi sull’intelligenza artificiale erano però ancora confinati al solo ambito accademico. Proprio in quegli anni furono sviluppate anche le prime reti neurali e la logica fuzzy che sono concetti alla base dell’intelligenza artificiale.

AI e Big Data, le principali applicazioni

L’applicazione della tecnologia di AI si è estesa nel corso degli anni a tantissimi settori e già dai primi anni 90 è risultato chiaro che sarebbe stato necessario un fortissimo incremento della potenza di calcolo per poter supportarne la crescita tecnologica ed evitare di relegarla ad applicazioni marginali. Con la nascita del Web 2.0 e l’enorme diffusione di contenuti è risultato evidente come l’interpretazione automatica di quest’ultimi e la possibilità di far decidere in modo autonomo il computer in base ad una valutazione sistematica basata sui dati acquisiti potesse portare a dei vantaggi competitivi evitando sistematicamente l’intervento umano per svolgere determinati compiti.

Le auto a guida autonoma ad esempio, ha sempre avuto un posto speciale nella fantascienza e nell’immaginario collettivo. Oggi la realtà sta recuperando e forse superando l’immaginazione. Dal 2009, molti marchi di lusso hanno incorporato sistemi di assistenza alla guida basati su software di cambio corsia orientato ai dati adattivi. Più recentemente, Tesla ha utilizzato i Big Data e l’Intelligenza Artificiale per creare funzionalità di un vero e proprio sistema di autopilota.

Da parte loro, Nvidia e Google usano l’intelligenza artificiale per realizzare mappe dettagliate in tempo reale utilizzate dai loro veicoli di prova. Il tutto si basa su un apprendimento intelligente di una rete neurale. Anche l’industria del commercio si sta evolvendo e lo sviluppo e il marketing del prodotto sono ora spesso guidati da AI e Big Data. Tutte queste affascinanti innovazioni sono state rese possibili dall’incontro tra potenza di calcolo, big data e intelligenza artificiale.

Presente e futuro delle tecnologie digitali

Il legame dunque, si è reso necessario per trasformare i big data in qualcosa di intelligente che in qualche modo possa “parlare”, predire, con le dovute elaborazioni, portare a prendere delle decisioni praticamente certe. L’intelligenza artificiale è diventata onnipresente soprattutto nelle grandi aziende di tutti i settori, per fare in modo che buona parte del processo decisionale venga supportato da “macchine intelligenti”. È sempre più necessario arrivare a decisioni veloci supportate da valutazioni oggettive e sistemiche e l’analisi e l’elaborazione dei big data è il criterio che guida questa tendenza.

Il semplice fatto di raccogliere o avere accesso a grandi serie di dati non è sufficiente per produrre un risultato.

Ed è proprio per questo che la convergenza tra Big Data e AI è di fatto inevitabile per avere un’automazione del processo decisionale intelligente. Questo consente un elevato aumento dell’agilità e della velocità dei processi aziendali, più intelligenti, più oggettivi che portano ad una maggiore produttività.

Ma non tutti i dati vengono elaborati e analizzati per fornire un supporto decisionale. Uno dei motivi principali è che gran parte delle informazioni è ora archiviata su computer (ma molto spesso non viene analizzata), ma ci sono ancora molte informazioni sulla carta o comunque su supporti destrutturati.

Ognuno di noi ha chiara questa sensazione quando si reca in un ospedale, in un’amministrazione, uno studio medico o qualsiasi attività per rendersi conto che molte informazioni siano ancora archiviate su carta e dunque si perde in partenza la possibilità di analisi del dato al fine di prendere decisioni. La maggior parte delle persone, ma anche delle aziende, non è sufficientemente preparata per l’estrazione della conoscenza e la successiva elaborazione, nonostante un rapido processo decisionale venga oggi richiesto dai mercati per mantenere un vantaggio competitivo.

Big Data e AI, diamo qualche numero

Stiamo generando oggi una quantità di dati che solo qualche anno fa era inimmaginabile. Ogni secondo, l’umanità produce 6.000 tweet, 40.000 ricerche su Google e 2 milioni di email. Entro il 2019, il traffico web globale supererà 2 zettabyte all’anno (tanto per intenderci 1 zettabyte corrisponde a circa 1.000 miliardi di Gigabyte).

D’altro canto, è abbastanza evidente come le aziende devono ancora scoprire come trasformare questi dati in intuizioni sfruttabili.

In effetti, questo compito è impossibile da realizzare utilizzando strumenti di marketing tradizionali o semplici ricerche su Google. Il web è troppo “vasto” è disorganizzato e molte aziende spendono milioni di euro per mescolare fonti di dati e punti di soluzione, che alla fine si traducono solo in un tasso di conversione molto basso. Elaborazioni non efficaci, di solito si traducono nell’inviare il messaggio sbagliato alle persone sbagliate nel momento sbagliato.

Oltre alla larga diffusione di dati, destrutturati ma comunque informazioni testuali e dunque più facilmente interpretabili e associabili tra loro, la vera sfida degli ultimi anni è interpretare dati non strutturati e soprattutto multimediali, come i contenuti di Facebook, i video di YouTube, i post di Instagram che contengono informazioni preziose. Con i recenti progressi nel calcolo cognitivo e nella potenza di elaborazione, le cose stanno cambiando e chi riesce a trarre informazioni utili da questi contenuti riesce ad avere un vantaggio sostanziale sulla concorrenza.

Una forte attenzione è rivolta alle start up del settore e le più promettenti sono oggetto di interesse dei Big del mercato tecnologico.

Elaborazione del linguaggio naturale e marketing

L’elaborazione del linguaggio naturale è un’altra delle tante applicazioni dell’intelligenza artificiale che può esaminare le interazioni tra computer ed esseri umani per estrarre significato dalle conversazioni. Con l’identificazione di alcune parole o frasi, questa tecnologia permette di analizzare i sentimenti verso un brand, un orientamento politico o le preferenze sessuali. È facile intuire quale vantaggio le aziende possano trarre dal poter comunicare il messaggio giusto alle persone giuste, che è il criterio principale dell’ABI.

Se l’azienda vuole sapere cosa dicono le persone sui propri prodotti sui social network, l’elaborazione del linguaggio naturale può esplorare le pubblicazioni sui social media, collegarle a determinati gruppi di consumatori e scoprire cosa sia importante per ogni gruppo. Questo sistema può essere utilizzato per rispondere alle critiche dei consumatori alle recensioni positive ma anche per risolvere i problemi e per migliorare un prodotto.

Machine learning

Al vasto pianeta dell’intelligenza artificiale è riconducibile anche il machine learning che consente ai computer di imparare e agire senza essere programmata in modo esplicito. Questa tecnologia cerca modelli all’interno dei dati per guidare le azioni, tenendo conto del contesto. Il vero ABI richiede modelli dinamici e la macchina di apprendimento li regola automaticamente man mano che emergono nuovi dati.

Ovviamente anche le tecnologie di machine learning sono già ampiamente sfruttate. Facebook, ad esempio, utilizza questa tecnologia per personalizzare il feed delle notizie in base a click e ai “mi piace”. Altre società utilizzano questa tecnologia per prevedere la fedeltà del cliente o il comportamento di acquisto e “predire” le prestazioni di un prodotto o anticiparne i rischi.

Google Now è probabilmente l’app di machine learning più avanzata. Impara le abitudini degli utenti, imitando il loro stile di conversazione, e offrendo suggerimenti intelligenti. Ad esempio, se l’utente deve recarsi in aeroporto per un volo che si svolgerà nei 30 minuti successivi, Google Now può analizzare i ritardi del traffico e pianificare un veicolo Uber, la metropolitana o un taxi in modo da arrivare in tempo.

L’intelligenza artificiale dunque è senza dubbio la tecnologia dominante di inizio XXI secolo. Può trovare ed elaborare i dati inaccessibili agli esseri umani e dettagliarne il significato in modo molto preciso. Può anche “guidare” l’azienda verso il mercato e portarla dritta verso i suoi prossimi clienti. Questa tecnologia sarà il più grande cambiamento del secolo nel campo degli affari in quanto la “rivoluzione” è solo all’inizio.

Big Data, AI ed etica

C’è però anche un problema etico legato all’intelligenza artificiale e ancora molti dubbi devono essere risolti. I sistemi in grado di apprendere autonomamente, responsabili della determinazione di quali big data dovrebbero essere identificati e utilizzati, richiederanno (e stanno richiedendo) la gestione umana, almeno inizialmente. La scelta della fonte e l’identificazione della classe dei dati che servirà come base di analisi è determinante per avere un risultato attendibile. La vastità delle informazioni disponibili porta anche problemi e non solo vantaggi.

È proprio di questi giorni la notizia che Google ha analizzato i dati provenienti da 216.000 pazienti che, per un tempo minimo di 24 ore sono stati ricoverati in ospedale. La scoperta incredibile e sconvolgente è che l’algoritmo, messo a punto, sarebbe in grado di prevedere il giorno esatto della morte, reperendo le informazioni necessarie dalle cartelle cliniche dei pazienti stessi, dai dati ospedalieri e da altre informazioni sanitarie. Questo metodo di apprendimento automatico si serve anche dei parametri vitali dell’individuo oltre che di 46 miliardi di dati anonimi di altri pazienti, forniti in accordo con le Università di Chicago, San Francisco e della California.

Questo fa capire quanto anche il problema etico abbia un risvolto molto importante per l’utilizzo e lo sviluppo di queste tecnologie. Per il momento, l’intelligenza artificiale non è regolata in un modo specifico. Molte persone esprimono preoccupazioni per la sicurezza e certamente questo problema deve essere risolto rapidamente. Modelli altamente sofisticati che possono prendere anche decisioni al posto nostro o comunque supportarle in modo decisivo, ci rendono vulnerabili a molte minacce. Pensiamo a sistemi intelligenti destinati a controllare il traffico, i sistemi sanitari o il mercato azionario, da questo risulta chiaro come sia necessario mettere in atto leggi di governance precise e mirate, magari verticali per ogni settore.

Non c’è dubbio che l’unione tra i Big Data e l’AI porti ad un processo decisionale autonomo e che questa sia la vera sfida per il futuro nel campo tecnologico con cui noi tutti avremo a che fare.

Articolo 1 di 4