Cos'è l'intelligenza artificiale?

L'intelligenza artificiale si basa sulla capacità delle unità di calcolo di replicare l'apprendimento umano. Una rete di neuroni prima imita e poi si perfeziona analizzando una quantità crescente di dati. Questa rete neurale continua a svilupparsi fino a riprodurre - o addirittura superare - la capacità umana di pensare. L’IA potrà quindi riconoscere elementi su immagini, modellare dati, sintetizzare informazioni, prevedere tendenze ed esprimere risultati precisi. Il tutto con un linguaggio naturale.

Storia dell'Intelligenza Artificiale

A partire dagli anni '40 e dalla comparsa dei primi computer, molti scienziati, tra cui Alan Turing, hanno voluto sviluppare un "cervello artificiale". Questi specialisti hanno condotto vari esperimenti per raggiungere il loro obiettivo: creare una macchina più intelligente dell'uomo. E per dimostrarlo, hanno messo a punto un sistema di valutazione rimasto famoso: il test di Turing.

Il suo principio è semplice: per cinque minuti una persona invia messaggi tramite computer a due sconosciuti, un essere umano e una macchina. Alla fine della conversazione, se non riesce a distinguerli, il test è stato superato. L’IA sta dimostrando di aver sviluppato capacità sufficienti per riprodurre un linguaggio naturale e partecipare a un dialogo intelligente, a volte anche con un tocco di umorismo.

Nel 1956, tre matematici creano il primo linguaggio di intelligenza artificiale, IPL-11, istruendo un programma per risolvere problemi matematici. Questo diventa presto in grado di dimostrare teoremi elaborati con una spiegazione comprensibile. Gli scienziati sviluppano quindi una tecnologia di auto-apprendimento, il Machine Learning. Quest'ultimo costruisce autonomamente la propria IA, allenandosi a riprodurre un'analisi umana su un grande volume di dati.

Machine Learning e Big Data (o la capacità di raccogliere un volume esponenziale di informazioni per addestrare l'IA) sono quindi al centro del successo dell'Intelligenza Artificiale e dei suoi progressi.

La concezione scientifica di intelligenza artificiale si basa su tre fasi fondamentali: assimilazione delle informazioni, analisi dei dati e successiva attuazione di risposte o azioni adeguate.
 

• Assimilazione delle informazioni

Oggi, ogni interazione su un sito Web genera informazioni. È quindi necessario captare e salvare questi dati in modo che possano essere trasmessi all'intelligenza artificiale. A volte devono anche essere resi anonimi: secondo il GDPR, l'attività digitale di un individuo non deve essere legata ai suoi dati personali.

Per captare l'informazione e trascriverla in modo intelligibile dai programmi di IA, gli scienziati creano algoritmi di apprendimento. A volte chiamati “neuroni artificiali”, permettono, ad esempio, di decifrare migliaia di immagini trascrivendole pixel per pixel, fino a creare un insieme di dati. Altri programmi e algoritmi sono quindi concepiti per captare e ridistribuire le informazioni del Big Data agli algoritmi di apprendimento.

Il Cloud computing offre una potenza di calcolo all'altezza di questa tecnologia e consente di attingere immediatamente a questi dati e di sfruttarli appieno.

• Analisi dei dati

Le informazioni elaborate e decodificate dall'Intelligenza Artificiale sono la base stessa del suo auto-apprendimento: il Deep Learning. Per ottenere una risposta adatta alle diverse sfide, i data scientist stabiliscono i criteri da applicare in ogni situazione. Gli algoritmi di apprendimento automatico arricchiscono gradualmente questa lista di criteri e propongono nuove risposte, più pertinenti.

Più l'Intelligenza Artificiale è alimentata da nuovi dati, più la rete di neuroni artificiali dedicata al Deep Learning si moltiplica. L'IA impara e capisce, il che ha anche un impatto tecnico: è necessario garantire la disponibilità costante del Big Data, la freschezza e l'affidabilità delle informazioni in entrata. Il data mining, in particolare, è un processo di analisi che raccoglie e confronta i dati per identificare analogie, tendenze di mercato o informazioni utilizzabili. I progressi dell’IA si basano su questi potenti algoritmi e sull’accesso ai dati.

La potenza di calcolo di tutti questi algoritmi è il motore dell'Intelligenza Artificiale. Se non viene razionalizzata, può esaurirsi e rallentare le interazioni tra reti neurali artificiali, il che riduce il potenziale dell'IA. Per questo motivo, i data scientist hanno avuto rapidamente bisogno di schede grafiche più efficaci. Hanno inoltre cercato di ottimizzare le risorse tecniche a loro disposizione, come la potenza di calcolo della GPU.

Per questi professionisti, abbiamo implementato soluzioni come OVHcloud AI Training all’interno del nostro Public Cloud. In questo modo i data scientist possono razionalizzare automaticamente queste risorse per l'addestramento dell'IA senza alcun intervento umano.

Le reti di Deep Learning stanno diventando sempre più veloci e potenti. Il trattamento dei dati è quasi istantaneo, il che moltiplica i campi di applicazione dell'Intelligenza Artificiale. L'apprendimento per rinforzo non ha limiti: ogni nuova informazione aumenta la precisione dell’IA.

• Attuazione di risposte o azioni adeguate

Una volta interpretati, confrontati e analizzati, i dati permettono all'Intelligenza Artificiale di offrire una risposta o una reazione conforme alle aspettative. Si tratta di una forma di "riflesso cognitivo" che i data scientist devono definire per permettere all'IA di:

• proporre videoconsigli adatti all'interlocutore (intelligenza relazionale);
• automatizzare operazioni ripetitive (automazione intelligente);
• effettuare traduzioni in tempo reale (analisi semantica, interpretazione delle lingue);
• individuare una tendenza di mercato promettente per una startup o un project manager (business intelligence);
• distinguere un oggetto o un animale su migliaia di fotografie (riconoscimento visivo);
• parcheggiare un veicolo autonomo nel posto giusto (riflessi cognitivi, propriocezione).

Modello predittivo nel settore pubblico

Senza l'aiuto dell'intelligenza artificiale, la gestione delle infrastrutture e dei servizi pubblici è complessa e richiede tempo. Ogni decisione richiede che vengano presi in considerazione molti parametri. Decidere di rinnovare una stazione, ad esempio, implica affrontare problematiche diverse come la prioritizzazione dei lavori da realizzare in base al bilancio previsionale, lo studio dei flussi di traffico per proporre itinerari alternativi, l’ottimizzazione dei trasporti di sostituzione, ecc.

Addestrare l'Intelligenza Artificiale (IA) per captare, elaborare e analizzare i dati disponibili permette di formulare previsioni più accurate. Inoltre offre la possibilità di sviluppare alberi decisionali che specifichino i costi e i benefici di ogni opzione. Queste previsioni servono quindi come strumenti di aiuto alla decisione (business intelligence).

L’IA è un’ottima soluzione per la pianificazione delle operazioni e questo vale per tutte le amministrazioni e i servizi pubblici.

Ricerca e sviluppo in ambito sanitario

L'intelligenza artificiale è al centro di numerosi programmi di ricerca e sviluppo (R&S) nel campo della salute. Infatti, è proprio qui che offre i risultati più promettenti.

Ad esempio, la diagnosi precoce dei tumori e delle malattie gravi rappresenta una sfida importante per il settore medico. In seguito al superamento dei test di riconoscimento visivo, sono stati integrati algoritmi d’IA nei programmi di screening precoce dei tumori. Rispetto a un team di neurochirurghi, l'algoritmo di riconoscimento della risonanza magnetica (MRI) è già dieci volte più rapido ed efficiente per lo screening dei tumori al cervello poiché confronta ogni nuova immagine del cervello con migliaia di database.

L’utilizzo dell’analisi predittiva e del riconoscimento di immagini può quindi contribuire a salvare i pazienti, ancor prima che la malattia si manifesti. Questo sconvolge il mondo della medicina.

Tramite l'estrazione di conoscenze da migliaia di report scientifici, il data mining permette di:

• comprendere meglio le cause dell'insorgenza di talune malattie;
• individuare potenziali controindicazioni tra diversi medicinali;
• accelerare la ricerca scientifica su vasta scala

Sicurezza informatica e protezione dei dati

La protezione e la gestione dei dati sono questioni cruciali. L’accesso, la condivisione e l’uso delle informazioni sono essenziali sia per i grandi centri di ricerca che per le piccole imprese.

I software di sicurezza informatica e gli ambienti basati sull'intelligenza artificiale sono in grado di individuare potenziali vulnerabilità in una rete. Possono anche bloccare software malevoli, che potrebbero imitare il comportamento di un utente umano.

Traduzione automatica in tempo reale

La gestione delle relazioni con i clienti è una sfida fondamentale per tutte le aziende impegnate a raggiungere l’eccellenza nella qualità del servizio. Con il trattamento automatico delle lingue (Natural Language Processing), l'Intelligenza Artificiale centralizza le richieste dei clienti internazionali. Le traduce istantaneamente nella lingua dell’addetto al servizio clienti, come un interprete.

In questo modo, ciascun addetto al servizio clienti può fornire una risposta adeguata, perfettamente scritta e tradotta nella lingua degli utenti. Modelli di risposta sono inoltre proposti da un chatbot, sulla base di conversazioni precedenti.

Pianificazione, monitoraggio degli stock e gestione dei flussi

La gestione delle derrate alimentari, la previsione della domanda e la gestione delle scorte in tempo reale sono questioni fondamentali per gli attori della grande distribuzione e dell'e-commerce.

Anticipare le vendite, grazie ad algoritmi predittivi, permette di ordinare la giusta quantità di prodotti al produttore. Il che, fino a poco tempo fa, sembrava quasi impossibile. Utilizzando le cifre di vendita e i dati degli anni precedenti, i professionisti possono ora addestrare un’IA per gestire i flussi di un gran numero di articoli in tempo reale. Il programma di Business Intelligence individua rapidamente le migliori vendite di un periodo. Con l’aiuto di modelli predittivi, algoritmi di controllo e visualizzazione delle informazioni, gli acquirenti ordinano la giusta quantità di articoli al momento giusto, evitando così sprechi e rotture di stock.

Robotica e intelligenza incorporata

La robotica è una forma di IA incentrata sull'intelligenza cognitiva. Gli sviluppatori devono quindi progettare molto più di un semplice computer intelligente collegato ad una rete: una macchina autonoma.

Per fornire risposte adeguate al loro ambiente, i robot o i dispositivi automatici sono dotati di sensori (telecamere di bordo, microfoni, radar, reti di oggetti connessi...). Definiscono anche i riflessi cognitivi adatti a ogni situazione.

L'intelligenza incorporata ha già dimostrando il suo incredibile potenziale con il lancio delle auto a guida autonoma. È in grado di capire il codice della strada, di parcheggiare da sola e di frenare al millisecondo in caso di pericolo.

NVIDIA GPU Cloud

Un processore grafico (GPU) è un'unità di calcolo. Può essere presente su una scheda grafica, come NVIDIA V100S, o su una scheda madre. Il corretto funzionamento di un'intelligenza artificiale si basa sull'efficienza di queste unità di calcolo.

NVIDIA GPU Cloud (NGC) è un insieme di software per GPU che ottimizza automaticamente le unità di calcolo hardware NVIDIA. Questo facilita il Deep Learning e i calcoli grafici dell'IA.

Jupyter Notebook

Jupyter è un notebook di calcolo (o applicazione web) open source, gratuito e interattivo. Le spiegazioni, i codici, le equazioni e le visualizzazioni degli utenti sono condivisi liberamente tra gli utenti.

Jupyter supporta numerosi linguaggi di programmazione e ambienti di sviluppo (frameworks), come TensorFlow, PyTorch e MxNet. Dalla sua interfaccia, gli utenti visualizzano, modificano ed eseguono il codice in diretta, il che permette di verificare immediatamente il risultato di ogni modifica . I data scientist utilizzano Jupyter Notebook per creare varie automazioni e intelligenze artificiali.

Apache Spark

Apache Spark è il framework di riferimento per l’elaborazione massiva di dati. Sfoglia le informazioni del database, carica in memoria le operazioni da eseguire ed effettua tutti i calcoli in una sola volta. Una volta completata l'analisi, le risorse di calcolo vengono rilasciate.

Apache Spark è quindi utilizzato per raccogliere enormi volumi di dati e fornire report di analisi dettagliati.