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 nell’Internet of Things, migliorano e continueranno sempre più a migliorare l’AI.

 

International Summer School on Artificial Intelligence

Dal 4 al 6 giugno 2019, Udine ospiterà l’International Summer School on Artificial intelligence: from Deep Learning to Data Analytics – AI-DLDA 2019, la nuova edizione della scuola estiva internazionale organizzata da DITEDI – Cluster ICT del Friuli Venezia Giulia, Università di Udine, Digital Innovation Hub Udine e Area Science Park.

Il percorso formativo, dedicato a imprenditori e dipendenti di aziende del settore ICT e tecnici aziendali di imprese manifatturiere coinvolti in processi di trasformazione digitale dell’impresa, prevede tre giorni di approfondimenti teorici e laboratoriali, a stretto contatto con docenti, dottorandi e ricercatori internazionali, con l’obiettivo di far conoscere e sperimentare i più avanzati algoritmi e le migliori applicazioni nel campo dell’intelligenza artificiale e del machine learning per l’Industria 4.0.

Le lezioni del mattino si terranno presso Palazzo Torriani, Largo Carlo Melzi n. 2 – Confindustria Udine, mentre i laboratori del pomeriggio, con la partecipazione di ricercatori e dottorandi, si svolgeranno a Palazzo Garzolini di Toppo-Wassermann, Via Gemona n. 92 – Università degli Studi di Udine.

I temi delle tre giornate (vedi dettagli del programma):

  • Martedì 4 giugno 2019 – Machine learning for big data and cybersecurity
  • Mercoledì 5 giugno 2019 – AI Applications
  • Giovedì 6 giugno 2019 – Machine Learning for Robotics

Mercoledì 5 giugno alle ore 17.00, è inoltre in programma un seminario aperto al pubblico con il coinvolgimento di docenti nazionali e internazionali e la testimonianza di imprese che hanno già attivato percorsi di trasformazione digitale sperimentando applicazioni di intelligenza artificiale nel processo produttivo.

Per il programma dettagliato e per iscriversi visitare il sito web www.aidlda.it (le iscrizioni sono aperte fino a venerdì 24 maggio 2019).

Per informazioni: [email protected] – tel. 0432 1698013; [email protected] – tel. 0432 276228.

L’industria del fashion nell’era di big data, intelligenza artificiale e machine learning

Il fashion Made in Italy, settore da 53 miliardi di fatturato, con oltre 46 mila aziende attive, oggi si trova a dover fare i conti con la rivoluzione digitale, che sconvolge ogni tipo di modello di business e di criterio di accesso al mercato. Un aspetto sempre più imprescindibile, sia per i grandi brand che per le piccole imprese e startup.

Sono molte le soluzioni innovative messe al servizio della vendita al dettaglio, ad esempio i big data impiegati nella gestione intelligente della dinamica dei prezzi, chatbot per consigli di stile come Mon Style oppure piattaforme di monitoraggio e gestione dei prezzi data driven come Edited.

Strumenti che aiutano a capire quali sono gli articoli preferiti, i canali più adeguati e il prezzo adatto mediante raccolte di dati, previsione della domanda, gestione ottimale degli stock e conoscenza della concorrenza.

Tutte le aziende ormai devono gestire al meglio i propri dati. Edited, fondata a Londra nel 2009, ne offre l’analisi in tempo reale, consentendo di guidare le vendite, individuare le lacune nel mercato e riempirle velocemente con il prodotto perfetto, calibrando i prezzi con il vero valore di mercato. Una grande modifica e rivoluzione strategica quindi del proprio processo di vendita al dettaglio.

Limitarsi ad analizzare i propri dati e informazioni non è più sufficiente. Per avere il polso del mercato è necessario invece esplorare interamente il web, come fanno Google e gli altri motori di ricerca. Il machine learning è un sistema necessario per analizzare i contenuti della rete in modo metodico e automatizzato, prendendo in considerazione i siti di riferimento in tutto il mondo. Non è una semplice raccolta di informazioni, ma il modo migliore di utilizzare e aggiornare i dati. Il sistema esamina ad esempio ogni giorno i capi simili tra loro, più di 40 milioni, li confronta e li contestualizza, suggerendo nuove strategie di prezzo ai retailer.

La virtual stylist Sophie, della startup australiana Mon Style, è invece un’assistente virtuale per lo shopping, che fonda le proprie ricerche sul machine learning e sull’intelligenza artificiale, creata per personalizzare l’esperienza di acquisto online. Grazie alle tecnologie più innovative di intelligenza artificiale associate alle conoscenze di esperti di moda, Sophie, compone infatti milioni di prodotti acquistabili in rete e, grazie al deep learning e alla visione artificiale o computer vision, fornisce consigli accurati in tempo reale. Dai negozi online di abbigliamento più popolari, il bot offre una selezione di capi adatti e personalizzati per i propri clienti. Un personal shopper fidato che conoscendone i gusti, aiuta gli acquirenti a creare il proprio look.

Non è un semplice trend, né si riduce a elementari soluzioni di connessione di ultima generazione, l’Industry 4.0 rappresenta un’idea di fabbrica rivoluzionaria, che sta guidando lo sviluppo industriale verso le rinnovate esigenze di mercato: servitizzazione, customizzazione e produzione su misura.