Come far crescere l’intelligenza artificiale

Ciò che le aziende spesso chiamano Intelligenza Artificiale (AI) si riferisce a un concetto ancora ristretto o debole che allude ad esempio al riconoscimento vocale, alle auto a guida autonoma, alla visione artificiale, all’elaborazione del linguaggio naturale e a qualsiasi altra attività che faccia leva sull’apprendimento automatico.

Tuttavia, solo quando l’Intelligenza Artificiale soddisferà tutti i suoi bisogni potrà muoversi da un ambito  ristretto ad uno molto più generale, in cui ogni fase del processo comporterà una nuova serie di esigenze. Il vero presupposto di queste esigenze inizia con la raccolta di dati di alta qualità, elementi costitutivi fondamentali per l’AI.

Il primo passo è capire quali dati siano effettivamente necessari per raggiungere ciò che si desidera ottenere: quale sia l’affidabilità e la validità necessaria, quali siano gli strumenti di misurazione più opportuni per acquisire questi dati in modo accurato ed in tempo reale.

Gli esseri umani tendono a prendere “decisioni emotive” che, secondo l’economia comportamentale, a volte ci fanno sembrare un po’ irrazionali. Abbiamo pregiudizi che ci inducono a utilizzare i dati per provare le nostre idee, anche se abbiamo un’educazione scientifica, prendiamo regolarmente decisioni emotive, piuttosto che razionali. Oltre a ciò, il contesto in cui le percepiamo spesso cambia le cose stesse e infine le nostre decisioni sono fortemente influenzate dai nostri gruppi sociali.

Nel mondo di oggi, quasi ogni forma di Intelligenza Artificiale ha una dipendenza umana. Dopotutto, se l’apprendimento è la generalizzazione delle esperienze passate, combinate con i risultati di nuove azioni, è importante che i dati ci aiutino a essere migliori e più efficienti. Devono essere misurati, percepiti correttamente, evitando percezioni errate e con una pipeline ben costruita, con una fonte abbondante che ne fornisca il maggior numero possibile in tempo reale.

Una cosa importante da considerare è se i dati siano al sicuro. Max Tegmark, professore presso il Massachusetts Institute of Technology, ha affermato che “la sicurezza dell’IA è il tema più importante del nostro tempo”. Una volta ottenuti dati affidabili e accurati, è necessario quindi capire quale impatto abbiano e come possano essere utilizzati.

Una volta acquisiti in modo valido, i dati devono essere memorizzati in modo sicuro in un sistema altamente durevole, che può essere scalato in modo illimitato. Con una buona conoscenza dei dati, è possibile iniziare a pensare di sfruttare algoritmi più complessi.

Affinché l’Intelligenza Artificiale diventi più pervasiva, è necessario quindi soddisfare tutti i suoi bisogni per l’apprendimento in tempo reale, la comprensione del contesto con il ricorso alla memoria, la capacità di pianificare e ragionare, la metacognizione e così via.

Man mano che vengono resi disponibili dati ambientali e psicologici più validi, l’AI avrà più set sociali da collegare e da cui imparare. Poiché apprende ampiamente dalla nostra cognizione, è necessaria una maggiore comprensione scientifica nei campi della psicologia neurologica, comportamentale e sociale.

Al momento, al di là di ogni altra necessità, la maggior parte delle aziende che usano l’Intelligenza Artificiale sono infatti ancora al punto di partenza rispetto alle sue esigenze. Un potenziale enorme è ancora da valorizzare.

 

Come la tecnologia e l’intelligenza artificiale influenzeranno i tuoi viaggi

Le innovazioni digitali riguardano ogni aspetto della nostra vita senza risparmiare l’esperienza del viaggio in aereo. Questi cambiamenti comprendono miglioramenti rilevanti soprattutto per chi si sposta per motivi professionali, poiché consentono di ottimizzare i tempi e di aumentare il comfort sia in aeroporto che durante il viaggio. Ormai siamo abituati a spostarci in aria con molta facilità, sono passati gli anni in cui i viaggi erano lunghi, scomodi e volare era un lusso che si potevano permettere in pochi. La tecnologia, che ormai domina il settore, è entrata nella vita di tutti i giorni dei passeggeri, che richiedono sempre più servizi aggiornati e a misura delle proprie esigenze.

Riprogrammare i voli, spostare i passeggeri, prevenire guasti meccanici e prevedere le variazioni tariffarie sono solo alcune delle prestazioni che richiedono una complessa analisi di big data, un lavoro che gli esseri umani da soli gestirebbero con molta difficoltà.

Rispetto alle precedenti tecnologie, l’intelligenza artificiale e l’apprendimento automatico aumentano la capacità di risoluzione dei problemi in misura esponenziale e con una velocità senza precedenti. Ma quali sono queste nuove conquiste che migliorano la pratica del viaggio in aereo?

Grazie ad una tecnologia che analizza gli spostamenti d’aria a centinaia di chilometri di distanza, ad esempio nel futuro le turbolenze saranno pressoché inesistenti e utilizzando la stessa tecnologia presente negli elicotteri, saranno presto in grado di decollare verticalmente, consentendo di atterrare in luoghi difficilmente raggiungibili. Vi sono ancora tanti sviluppi tecnologici attualmente in corso: un nuovo brevetto per ali pieghevoli che consente agli aerei di compiere manovre più semplici negli aeroporti o ancora la tecnologia per il trasporto a velocità supersoniche, in grado di dimezzare i tempi di viaggio.

Poiché un aereo e un equipaggio sono tipicamente programmati per servire più destinazioni, quando il maltempo o altri eventi importanti provocano singoli ritardi o cancellazioni in un aeroporto, spesso causano complicazioni anche in altri terminal. L’apprendimento automatico può risolvere questo tipo di problemi analizzando ad esempio sia i dati in tempo reale che quelli archiviati per fornire le previsioni sulle rotte da evitare.

Per anni, le compagnie aeree hanno inoltre cercato di trovare la migliore proposta per le tariffe dei biglietti, fissando prezzi sufficientemente bassi da attrarre i consumatori e abbastanza alti da proteggere i margini di profitto. Un valore che può variare in base al giorno, alla stagione e al percorso in questione. Anche in questo caso, l’apprendimento automatico può fornire valide risposte per sviluppare prezzi dinamici, determinando le tariffe ottimali per ogni rotta, giorno e stagione. Gli algoritmi possono inoltre raggruppare i dati storici dei viaggiatori con profili simili e quindi fornire consigli di volo personalizzati oltre che ottimizzare le prestazioni delle apparecchiature con una manutenzione predittiva e una perfetta gestione delle forniture.

Tutto ciò è solo una piccola parte di ciò che l’intelligenza artificiale e l’apprendimento automatico possono fare in questo campo. Ma nonostante tutti questi sviluppi a bordo è ancora impossibile prevedere esattamente come sarà il futuro dei viaggi. Con la ricerca continua degli algoritmi e il perfezionamento delle tecnologie, le interruzioni meteorologiche diventeranno sicuramente più gestibili, gli aerei rimarranno in cielo più a lungo e trascorreranno meno tempo in riparazione, i prezzi soddisferanno sia le esigenze delle compagnie che dei consumatori e i clienti avranno una migliore risposta alle proprie richieste: un’industria più sana e robusta quindi che consenta a tutti di raggiungere nuovi importanti traguardi.

Intelligenza artificiale e apprendimento automatico, quali le differenze

C’è ancora molta confusione tra i concetti di apprendimento automatico e intelligenza artificiale. Molti si riferiscono infatti ancora all’AI e al Machine Learning come a concetti equivalenti e li utilizzano indifferentemente come nozioni parallele.

Ma l’apprendimento automatico è semplicemente un ramo dell’intelligenza artificiale, un sistema per ottenerla. Un modo in cui il software analizza i dati, ne riconosce le caratteristiche e “impara” dal loro esame.

Tom M. Mitchell, professore ed ex presidente del dipartimento di apprendimento automatico presso l’Università Carnegie Mellon, lo descrive come “lo studio degli algoritmi informatici che migliorano automaticamente attraverso l’esperienza”.

L’apprendimento automatico infatti si basa sull’analisi di grandi serie di dati, esaminati e confrontati per individuare modelli comuni. L’intelligenza artificiale invece riguarda tutte le macchine computazionali in grado di eseguire compiti caratteristici dell’intelligenza umana. Comprende una considerevole quantità di progressi tecnologici e l’apprendimento automatico è solo uno di questi.

Il termine “intelligenza artificiale” è stato concepito negli anni ‘50 da un gruppo di ricercatori tra cui Allen Newell e Herbert A. Simon. Da subito i ricercatori si mostrarono molto fiduciosi fino a quando negli anni ’70 iniziarono a incontrare serie difficoltà e gli investimenti subirono abbondanti riduzioni. Un periodo difficile, conosciuto come l’inverno dell’intelligenza artificiale, nonostante alcuni grandi successi come il sistema Deep Blue di IBM, un computer a parallelismo massivo in grado di calcolare 200 milioni di posizioni al secondo, che sconfisse in una memorabile sfida l’allora campione mondiale di scacchi.

L’apprendimento automatico ha raggiunto ultimamente notevoli traguardi in relazione all’intelligenza artificiale. Enormi quantità di dati raccolti da infinità di sensori presenti nellInternet of Things, migliorano e continueranno sempre più a migliorare l’AI.

 

Trasformazione digitale, molto più di una semplice tecnologia

Quando si parla di trasformazione digitale, il discorso si concentra inevitabilmente sulle tecnologie. Dopotutto sono loro, come ad esempio l’apprendimento automatico, l’intelligenza artificiale, l’automazione e la produzione additiva che guidano le aziende lungo il percorso verso il cambiamento radicale.

Ma questa trasformazione non riguarda esclusivamente la tecnologia. La digital transformation indica infatti un insieme di innovazioni culturali, organizzative, sociali, creative e manageriali, oltre che tecnologiche.

L’indagine Simply Talent: A Western European Perspective, svolta da Oracle, rivela che il coinvolgimento dei dipendenti è una delle sfide più importanti in questa fase storica e riveste un’importanza strategica per la crescita organica dell’intera azienda.

La chiave, a questo punto, è proprio la capacità di far leva su tecnologie capaci di offrire ai manager validi strumenti di comunicazione, analisi e coordinamento, anche per favorire lo sviluppo di scambi operativi più personalizzati e gratificanti.

Mentre le aziende si preparano quindi a intraprendere il loro viaggio verso la trasformazione digitale, è fondamentale che i leader siano trasparenti e comunichino spesso e in maniera diretta con il proprio team.

Il mondo sta cambiando rapidamente, nuove tecnologie e capacità vengono introdotte alla velocità della luce. Pertanto, come parte dei piani di trasformazione digitale, occorre dedicare il tempo necessario a comprendere l’impatto che hanno le varie tecnologie sull’organizzazione. Piuttosto che reagire ad ogni nuovo progresso tecnologico, sostenere quindi la preparazione della forza lavoro su come questi progressi procederanno nei prossimi anni.

Quando si considera il vero valore della trasformazione digitale non bisogna pensare quindi solo in termini di efficienza e risparmio sui costi che le tecnologie consentono, bensì al vero valore del cambiamento, in modo da concentrarsi su un lavoro di alto livello e di grande impatto, per favorire la crescita dell’azienda.

Questo atteggiamento svela uno scenario, un modello evolutivo e una nuova dimensione in cui i dipendenti possono apprendere, definire priorità e decidere in modo più rapido.

Riguardo la pianificazione per la trasformazione digitale, dobbiamo anche considerare le tecnologie che utilizzeremo e quali competenze occorre avere per prosperare in una nuova realtà. Perché oltre alla preparazione della forza lavoro, lo sviluppo delle capacità dei dipendenti contribuisce anche a creare una cultura del posto di lavoro migliore, necessità imprescindibile per il benessere di un’azienda.

Tutto inizia infatti con dipendenti felici, istruiti, ispirati e impegnati. La loro felicità si traduce in clienti soddisfatti e a loro volta in azionisti gratificati. Il digitale è solo il mezzo per raggiungere questo obiettivo finale.