Intelligenza Artificiale, Machine Learning e Deep Learning

Perché adottare l’Artificial Intelligence?

L’AI sta diventando parte integrante della nostra società: ecco quali sono gli ambiti applicativi, sia nel B2C che nel B2B e qual è il rapporto dell’AI con Machine Learning e Deep Learning.

Sempre più spesso si sente parlare di Intelligenza Artificiale, Machine Learning e Deep Learning; queste tematiche stanno diventando, infatti, parte integrante della nostra vita e stanno interessando non solo le aziende o i singoli cittadini, ma l’intera società.
Algoritmi intelligenti, in grado di apprendere in modo automatico, ci consigliano quali acquisti effettuare, quale musica ascoltare, quale strada percorrere, estraggono dati da immagini e documenti, interagiscono con noi tramite assistenti vocali in grado di riconoscere la nostra voce. Questi sono solo alcuni degli esempi di come i sistemi di Artificial Intelligence siano ormai parte della nostra quotidianità.

Dalla ricerca From Roadblock to Scale: The Global Sprint Towards AI condotta da IBM* emerge un paradosso molto interessante: se da un lato l’Intelligenza Artificiale potrebbe rappresentare la più grande opportunità economica, che, come sostiene PwC**, potrebbe portare un contributo di 16 trilioni di dollari al PIL mondiale entro il 2030, dall’altro l’adozione dell’Intelligenza Artificiale è ancora ridotta.

Inoltre, se l’AI sta già migliorando la produttività di diverse aziende, grazie all’automatizzazione di attività ripetitive o a basso valore aggiunto – con conseguente riduzione degli errori-, esistono ancora diverse barriere di accesso a questa tecnologia, come la mancanza di competenze, di strumenti e di fiducia.

Intelligenza Artificiale, Machine Learning e Deep Learning: cosa cambia?

L’Intelligenza Artificiale può essere considerata una vera e propria rivoluzione tecnologica, in grado di cambiare il sistema produttivo e il business aziendale.
Ma cosa c’è di diverso tra Intelligenza Artificiale, Machine Learning e Deep Learning?

Intelligenza Artificiale
Possiamo descrivere l’Intelligenza Artificiale come un sistema in grado di simulare il funzionamento del cervello umano e di prendere decisioni sulla base delle analisi dei dati elaborati. Diventa così possibile fare svolgere a delle macchine compiti quali riconoscimento vocale e visivo, processi decisionali e predittivi.
All’interno di questa disciplina troviamo il Machine Learning, e come sottoinsieme di quest’ultimo il Deep Learning, che possono essere descritti come un insieme di algoritmi e di metodi di programmazione.

Machine Learning
Con Machine Learning si intende un sistema in grado di apprendere autonomamente e di imparare dai propri errori. Si basa su algoritmi che analizzano dati; imparando da essi possono prendere decisioni e condurre previsioni. Il processo di apprendimento avviene attraverso l’analisi di big data.

Deep Learning o Reti Neurali
Il Deep Learning, come il Machine Learning è un sistema in grado di apprendere autonomamente e di imparare dai propri errori, ma lo fa sfruttando un sistema complesso di reti neurali che simulano il comportamento cellulare del nostro cervello.

Dove l’Intelligenza Artificiale si studia: disegnare applicazioni innovative

Il Competence Center AI di Intesa (Gruppo IBM) è un centro di innovazione, all’interno del quale non solo si studia la tecnologia e la loro integrazione nei servizi già esistenti, ma in cui le sinergie con entità e competenze diverse permettono di disegnare, testare e riprodurre applicazioni business-ready e user-centric. La partnership con Links Foundation, Fondazione avviata dal Politecnico di Torino e dalla Compagnia di San Paolo, ne è un esempio e rispecchia la volontà di perseguire un approccio virtuoso di Open Innovation.

Da questa collaborazione è nata una delle innovazioni tecnologiche più interessanti nel panorama delle tecnologie esponenziali applicate al mondo del business: lo sviluppo di reti neurali proprietarie applicate ai servizi offerti dall’azienda.
Questi sistemi si stanno rilevando utilissimi in fase di definizione della tipologia di documento che viene elaborato, identificazione e riconoscimento delle identità. Gli algoritmi intelligenti sono, infatti, in grado di:

• rilevare autonomamente la tipologia del documento di identità
• migliorare la qualità dell’immagine grazie a logiche di computer vision
• confrontare il contenuto dell’immagine con i frame di video scoprendo se la persona che sta effettuando il video corrisponde con quella presente nel documento di identità
• verificare che la persona che parla sia quella ripresa nel video, analizzando il movimento labiale.

Dove l’Intelligenza Artificiale si applica: use cases

Come abbiamo visto, l’Intelligenza Artificiale può trovare diverse applicazioni, in relazione al bisogno da soddisfare.
In ambito B2B è possibile sfruttare le potenzialità applicando le sue logiche per migliorare la gestione dei dei processi di tutta la Supply Chain; creando correlazioni con i documenti e i dati scambiati (per esempio tramite EDI) è possibile condurre analisi predittive che permettono di efficientare l’intera filiera (dalla gestione delle scorte, alla capacità di predire rischi atmosferici ed economici, alla definizione di nuovi percorsi di consegna).

Anche in ambito B2C l’AI può fornire un enorme aiuto. Si pensi per esempio ai processi di onboarding e di riconoscimento come quello citato sopra, in grado di riconoscere la tipologia di documento e riconoscere l’identità degli utenti, verificando che la persona che si sta riconoscendo sia la stessa presente nel documento di identità.
Un sistema intelligente in grado di correlare automaticamente i dati con l’AI e il Machine Learning può, inoltre, prevenire frodi e smascherare facilmente un truffatore, rendendo più sicure le transazioni e migliorando la customer experience.

Per un’azienda che fa della tecnologia e dell’innovazione uno dei suoi punti cardine, una delle mission più importanti è essere sempre all’avanguardia e raggiungere sempre migliori performance, integrando tecnologia e competenze umane secondo un approccio di innovazione sostenibile.

* From Roadblock to Scale: The Global Sprint Towards AI, IBM Corporation 2020
** https://www.pwc.com