LOGIN
Intelligenza artificiale, una definizione
L'intelligenza artificiale (IA o AI, Artificial Intelligence) è una branca dell'informatica che si occupa della creazione di agenti intelligenti, ovvero sistemi che possono ragionare, imparare ed agire in modo autonomo.
L’IA è un processo attraverso il quale i sistemi informatici simulano i processi cognitivi dell’intelligenza umana, imparando dagli errori e svolgendo in brevissimo tempo compiti e ragionamenti complessi, che fino a poco tempo fa erano di esclusiva competenza umana.
Essa è differente dall’Automazione, sebbene queste due tecnologie siano spesso confuse tra loro.
L’Automazione infatti è l'utilizzo di macchine o software per eseguire compiti che in precedenza erano svolti da persone, e può essere utilizzata per semplificare, accelerare o migliorare l'efficienza di un processo, mentre l'intelligenza artificiale, come abbiamo visto poco sopra, è una branca dell'informatica che si occupa di creare macchine dotate di specifiche capacità tipiche dell’essere umano (interazione con l’ambiente, apprendimento, adattamento, ragionamento, pianificazione e decisione), capaci di perseguire autonomamente una finalità definita, e svolgere compiti come ad esempio il riconoscimento delle immagini, la traduzione delle lingue o la guida autonoma.
L'IA è un campo di ricerca molto vasto ed in continua evoluzione, sta rivoluzionando l’interazione uomo-macchina e la comunicazione intra-macchine, ed i suoi progressi hanno portato allo sviluppo di una serie di tecnologie innovative, come i robot, la visione artificiale, il riconoscimento vocale, l’elaborazione del linguaggio naturale ed il machine learning.
IA una breve storia
I primi studi in materia di IA e quindi, le origini e la sua storia come disciplina scientifica, risalgono agli anni Cinquanta.
Fu proprio in questo periodo di grande fermento scientifico che si tenne il primo convegno chiamato “Dartmouth Summer Research Project on Artificial Intelligence”, nel 1956 a Dartmouth College negli Stati Uniti, a cui parteciparono una diecina di ricercatori provenienti da diverse discipline (dalla matematica alla logica, dalla psicologia all’ingegneria), in cui si discusse la definizione di Intelligenza Artificiale, e la progettazione di algoritmi e sistemi per la realizzazione di macchine che fossero in grado di ragionare ed apprendere come gli esseri umani.
Immagine di Federica Ruberto
Qualche anno prima, nel 1950, all’interno dell’articolo “Computing machinery and intelligence”, Turing aveva affrontato il problema relativo al ragionamento delle macchine, ovvero se le macchine potessero pensare, risolvere problemi e prendere decisioni in modo intelligente.
Turing sostenne nell’articolo che, se una macchina avesse potuto seguire le regole fisse di un programma, allora sarebbe stata considerata in grado di pensare.
Per dimostrare questa tesi, propose quindi un test, noto come “Test di Turing” o “Imitation Game”, secondo cui una macchina poteva essere considerata intelligente se il suo comportamento, osservato da un essere umano, fosse stato considerato indistinguibile da quello di una persona.
Il mercato dell’IA
Nel 2023, stando ai dati di una ricerca svolta dall' “Osservatorio Artificial Intelligence della School of Management” del Politecnico di Milano, il mercato dell'intelligenza artificiale in Italia ha raggiunto un volume di circa 760 milioni di euro (+52% rispetto al 2022).
Immagine di Federica Ruberto
Si prevede che il valore del mercato dell’AI raggiungerà entro il 2027 in Italia i 6,6 miliardi di euro, e nel mondo i 407 miliardi di dollari.
Come riportato da Grand View Research (società americana di consulenza e di ricerche di mercato), l’AI continuerà a rivoluzionare diversi settori, con un tasso di crescita annuo previsto del 37,3% tra il 2023 e il 2030.
Natural Language Processing (NLP)
L'NLP, o Natural Language Processing, è una branca dell'intelligenza artificiale che si occupa di sviluppare algoritmi in grado di processare il linguaggio naturale, ovvero di effettuare attività quali:
- Il riconoscimento del linguaggio naturale (NLU, Natural Language Understanding): ovvero comprendere il significato di un testo o di una conversazione. Ad esempio, comprendere le istruzioni di un utente, o tradurre un testo da una lingua ad un'altra.
- La genesi del linguaggio naturale (NLG, Natural Language Generation): cioè generare testo, come ad esempio contenuti, o conversazioni personalizzate per i clienti.
- L’analisi del sentiment: ovvero determinare il sentimento espresso in un testo, come ad esempio positivo, negativo o neutro. Ad esempio, la comprensione delle opinioni degli utenti su un prodotto o servizio.
L'NLP è una tecnologia che sta avendo un impatto significativo su molti settori, come la ricerca (pensiamo ad esempio ai motori di ricerca che usano il Natural Language Processing per comprendere le query degli utenti e fornire risultati pertinenti), l'assistenza clienti e la pubblicità.
I recenti progressi nel processamento del linguaggio naturale hanno contribuito alla nascita di Chatbot/Assistenti Virtuali evoluti, non più basati su alberi decisionali predefiniti o tramite la ricerca di parole chiave, come avveniva fino a qualche tempo fa, ma in grado di garantire un’esperienza più realistica e priva di vincoli di forma, in cui si riducono notevolmente le situazioni in cui l’utente è rimandato ad un umano.
Immagine di Federica Ruberto / Creata con DALL-E
E se a questo aggiungiamo che oggi per potenziare questi chatbot si sta utilizzando anche la profilazione psicometrica, una tecnica che utilizza strumenti che misurano le caratteristiche psicologiche di un individuo (attitudini, personalità, competenze), oltre alla psicologia della persuasione, possiamo ben comprendere quali siano le potenzialità o criticità di queste tecnologie.
Ma come “ragiona” un chatbot evoluto?
Possiamo dire banalmente che un chatbot evoluto usa l'IA semantica per capire il significato della domanda, l'IA generativa per creare la risposta, e l'IA conversazionale per scrivere il testo della risposta in modo tale che risulti comprensibile all'essere umano.
Vediamo nello specifico queste tre sottoaree dell’IA.
Intelligenza Artificiale Semantica
L’intelligenza artificiale semantica (SAI, Semantic Artificial Intelligence), è una sotto area dell'intelligenza artificiale che si concentra sul significato del linguaggio.
Essa viene utilizzata per comprendere il significato delle parole e delle frasi, e per applicare questo significato a compiti come la traduzione del linguaggio, la risposta alle domande e la sintesi del testo.
Può essere usata infatti per tradurre il linguaggio da una lingua all'altra in modo accurato e fluido; rispondere alle domande in modo completo, anche se queste sono aperte o impegnative; sintetizzare il testo, come articoli di notizie o post di blog, in modo che sia coerente con il contesto e il contenuto del testo originale; migliorare l'esperienza dell'utente per i clienti di e-commerce, fornendo consigli personalizzati e risposte alle loro domande.
Benché la definizione di SAI sembri molto simile alla definizione di NLP, possiamo differenziare queste due tecnologie:
L'NLP si concentra sulla comprensione della struttura del linguaggio, come le parole e le frasi. L'AI semantica, invece, si concentra sul significato del linguaggio, ovvero sul modo in cui le parole e le frasi si collegano tra loro per trasmettere un messaggio.
L'NLP utilizza tecniche come il riconoscimento delle parole, la grammatica e la sintassi per comprendere la struttura del linguaggio. L'AI semantica, invece, utilizza tecniche come l'inferenza logica, la semantica e la conoscenza del mondo per comprendere il significato del linguaggio.
Intelligenza Artificiale Conversazionale
L'AI conversazionale è una sottoarea dell’intelligenza artificiale che si concentra sulla creazione di sistemi (es. Chatbot, assistenti virtuali e agenti conversazionali) in grado di simulare conversazioni fluide e naturali con gli esseri umani.
Essi utilizzano diverse tecnologie per comprendere il linguaggio naturale, generare risposte pertinenti e mantenere un dialogo fluido, tra cui:
- L'elaborazione del linguaggio naturale (NLP): come abbiamo visto nel corso dell’articolo, questa tecnologia consente alle macchine di comprendere il significato di un testo o di un discorso, analizzandone la sintassi e la semantica.
- L'apprendimento automatico (machine learning): questa tecnologia consente alle macchine di imparare ed adattarsi a nuove situazioni, migliorando le prestazioni nel tempo. L'apprendimento automatico viene utilizzato in IA conversazionale per migliorare la comprensione del linguaggio naturale, la generazione di risposte e la gestione del dialogo.
L’intelligenza artificiale conversazionale può apportare benefici ad esempio al servizio clienti, in cui i chatbot possono fornire assistenza 24 ore su 24, 7 giorni su 7, e possono rispondere alle domande dei clienti in modo rapido e preciso, ma soprattutto può favorire una migliore esperienza utente. L'IA conversazionale infatti, può personalizzare le interazioni con gli utenti e renderle molto più coinvolgenti.
Intelligenza artificiale generativa
L'intelligenza artificiale generativa (IAG o GAI, Generative Artificial Intelligence), che ha fatto notevoli progressi negli ultimi anni e sta rivoluzionando diversi aspetti della nostra vita, è una sottoarea dell'intelligenza artificiale che sfrutta algoritmi complessi, come le reti neurali profonde, per "imparare" da grandi quantità di dati esistenti (non solo testi, ma anche immagini e video), ed utilizzare questa conoscenza per generare nuovi contenuti originali.
Immagine di Federica Ruberto / Creata con DALL-E
Gli ambiti di applicazione sono molto vasti ed in continua crescita. Pensiamo ad esempio a:
- Creazione di immagini: l'IAG può generare immagini realistiche e originali, come paesaggi, persone, animali o oggetti inesistenti. Questo può essere utile per artisti, designer, architetti e per chiunque necessiti di immagini creative.
- Sviluppo di prodotti: l'IAG può essere utilizzata per progettare nuovi prodotti, come automobili, mobili o utensili, ottimizzandoli per funzionalità, estetica e costi di produzione.
- Composizione musicale: l'IAG può comporre musica originale in diversi generi e stili, aprendo nuove possibilità per musicisti, compositori e creatori di contenuti audio.
- Scrittura automatica: l'IAG può generare testi di vario tipo, come articoli di blog, post sui social media, email, lettere e persino romanzi.
Questo può essere utile per chiunque necessiti di creare contenuti con regolarità o per automatizzare la scrittura.
L’intelligenza artificiale generativa, sta prendendo sempre più piede, basti prestare attenzione alla numerosità di tool che stanno sorgendo, citando alcuni dei più famosi: ChatGPT (chatbot creato da OpenAI che utilizza modelli linguistici generativi), DALL-E (modello che genera immagini a partire da descrizioni testuali), ma anche Copy AI (una piattaforma che aiuta a creare contenuti creativi usando GPT).
L’intelligenza artificiale generativa offre numerosi vantaggi, tra cui la creazione di contenuti personalizzati per ogni utente (sulla base delle sue preferenze ed al suo storico di interazioni); l’aumento della produttività, automatizzando compiti ripetitivi e dispendiosi in termini di tempo, liberando risorse per attività più creative e strategiche; la stimolazione della creatività, aiutando nella generazione di nuove idee e nel superamento dei blocchi creativi.
