Evoluzione e Rivoluzione dell’intelligenza Artificiale

Evoluzione e Rivoluzione dell’intelligenza Artificiale

Nell’ultimo decennio è cresciuto in maniera esponenziale l’interesse della collettività nei confronti della Intelligenza Artificiale. Sono sempre più numerose le aziende che decidono di investire in sistemi e soluzioni di Artificial Intelligence, diventando inevitabilmente parte integrante della vita quotidiana. Che cos’è L’intelligenza Artficiale? Nonostante un ampio dibattito in campo scientifico, ancora oggi non esiste una definizione univoca di Artificial Intelligence. Quando si pensa a Intelligenza Artificiale vengono in mente scenari fantascientifici o futuristici, nei quali le macchine diventano “intelligenti” come l’uomo, in grado di svolgere i suoi stessi compiti fino a sostituirlo in parte o del tutto. Robot che si confrontano con gli esseri umani, li aiutano, prevedono i loro comportamenti e addirittura mostrano empatia nei loro riguardi. L’intelligenza artificiale si può applicare ad una serie di attività tecnologiche, quali:

Natural Language Processing, è l’elaborazione del linguaggio naturale, ovvero il processo di trattamento automatico mediante un calcolatore elettronico delle informazioni scritte o parlate in una lingua naturale. In sostanza il NLP abilita una macchina a comprendere un testo, ma le garantisce anche capacità di espressione. Per esempio consente di fare la Speech Recognition, trascrizione e trasformazione di discorsi di esseri umani per applicazioni informatiche. È attualmente usata nei sistemi di risposta vocale interattivi.

Piattaforme di machine learning, è un settore dell’informatica che dà ai computer la capacità di imparare senza essere stati esplicitamente programmati. In pratica consiste nella capacità di un algoritmo di apprendere dai dati, ovvero di evitare gli errori commessi in precedenza. Le piattaforme di machine learning sono utilizzate in una vasta gamma di applicazioni per le imprese, principalmente per quanto riguarda previsioni e classificazioni di vario tipo.

AI-optimized Hardware, unità di elaborazione grafica (Gpu) e dispositivi specificamente disegnati e costruiti per eseguire in modo efficiente lavori di computazione.

Queste sono alcune delle innovazioni nate grazie al sistema di “Artificial Intelligence”, ma non esauriscono il campo di applicazione. Come anticipato in precedenza, negli ultimi anni anche i colossi Bancari, le più importanti aziende informatiche e case automobilistiche stanno investendo soldi e risorse per garantire all’utente finale servizi tecnologici di ultimissima generazione. Google, ad esempio, quest’anno, ha presentato “Google Duplex”. Applicazione in grado di effettuare chiamate “meccaniche” al posto del proprietario dello smartphone. Sarà facile, quindi, prenotare un tavolo al ristorante o un appuntamento dal parrucchiere. Si sta andando, in altre parole, tutti verso un’unica direzione: l’intelligenza Artificiale equiparata all’essere umano.

Pubblicato il 27 lug 2018

Potrebbero interessarti

L’olografia: cos’è e come rivoluzionerà la realtà.

L’olografia: cos’è e come rivoluzionerà la realtà.

Teorizzata nel 1947 dal Premio Nobel per la fisica Dennis Gabor, l’olografia è quella tecnica che consente la realizzazione di ologrammi: immagini tridimensionali che riproducono qualsiasi cosa, faccia parte della realtà o non. Questo è possibile grazie ad una particolare tecnica fotografica che, sfruttando un’illusione ottica, permette di replicare la realtà ricostruendo oggetti e persone in 3D. Negli ultimi anni la tecnica olografica ha fatto passi da gigante. Grazie all’esplosione dei volumi di “dati ricchi” e ai progressi della virtualità immersiva, si creano le premesse per portare l’olografia nella vita quotidiana. Nel futuro non saremo noi ad immergerci nella realtà virtuale ma sarà lei ad entrare nel nostro spazio trasformandola in realtà aumentata. Anche se i ricercatori devono ancora comprendere appieno le potenzialità dell’olografia, il prof. K. Richardson, della De Montfort University, prevede che la tecnologia avrà uno sviluppo commerciale significativo nei prossimi 10-20 anni. Gli ologrammi nell’elettronica di consumo: Integrando gli ologrammi con l'elettronica di consumo si renderebbe irrilevante la dimensione dello schermo dei nostri device. Un pop-up olografico, infatti, permetterà la visualizzazione di una quantità enorme di dati al di fuori dello schermo. Per ora è stato realizzato solo un piccolo display dimostrativo in grado di proiettare immagini di un centimetro. I responsabili della ricerca, Min Gu e Xiangping Li, sostengono che la tecnologia potrà presto essere applicata senza limiti di scala. Secondo le loro stime, nel giro di cinque anni, gli schermi 3D in grafene saranno pronti per un uso commerciale. “La tecnologia olografica 3D ha il potenziale per rivoluzionare una serie di settori e la nostra ricerca rappresenta un passo decisivo verso questa direzione” ha specificato Ming Gu. Ora non ci resta che fantasticare sui futuri usi di questa tecnologia quando, la riduzione dei costi, la renderà accessibile al grande pubblico.

Big Data: cosa sono e perché sono così importanti

Big Data: cosa sono e perché sono così importanti

Negli ultimi anni l'espressione Big Data è entrata in modo prepotente nella vita delle aziende di tutto il mondo. Con questo termine ci si riferisce ad un grande volume di dati, strutturati o strutturabili, in tabelle tra loro relazionabili e che sommergono quotidianamente un'azienda. Ciò che conta davvero non è la mole di dati posseduta ma come questi vengono impiegati: possedere big data significa analizzarli per raccogliere le informazioni necessarie a prendere le migliori decisioni aziendali.   Perché i Big Data sono importanti? L'importanza dei big data dipende solo dal loro utilizzo, aziende ed enti possono raccogliere dati da qualsiasi fonte ed analizzarli per trovare risposte che permettono di: tagliare i costi, ridurre i tempi, sviluppare nuovi prodotti, ottimizzare l'offerta e prendere decisioni più consapevoli. Quando ai Big Data si uniscono anche gli Analytics è possibile: •             Determinare, quasi in tempo reale, le cause di disfunzioni, guasti o difetti; •             Creare offerte nei punti vendita basate sulle abitudini dei clienti; •             Ricalcolare interi portafogli di rischio in pochi minuti.   I vantaggi dei Big Data Analytics: come e perché possono aiutare il business… I benefici che l’analisi big data può dare sono molteplici. Di seguito ne ricordiamo i principali in ordine di profittabilità per il business: Aumentare il fatturato: a volte bastano i soli dati sintetizzati in una semplice analisi quantitativa per far crescere una vendita, valutare la dimensione di un mercato, arricchire un profilo-cliente, calibrare la gestione di un account. Prevedere lo sviluppo della domanda: l’analisi di big data estranei a ciò che riguarda la vendita dei prodotti dell’azienda può essere utile per rilevare gli interessi dei potenziali clienti. Potenziare l’account management: è possibile raccogliere le informazioni su ciò che fanno i clienti al di fuori del rapporto di business in essere.

Medical Imaging & Deep Learning: il futuro dell’istopatologia

Medical Imaging & Deep Learning: il futuro dell’istopatologia

I Patologi di tutto il mondo si stanno affidando sempre più alle tecnologie legate al Medical Imaging. Queste tecnologie, attraverso la creazione di file (WSI), permettono di creare rappresentazioni digitali delle analisi cliniche di tessuti tumorali, consentendo ai medici di effettuare prognosi e diagnosi sempre più veloci ed affidabili. I file WSI trovano ampio utilizzo nell’istopatologia digitale: l'indagine microscopica dei tessuti, della loro morfologia e delle possibili alterazioni tumorali dovute alla progressione e allo sviluppo del cancro. In particolare, confrontando le immagini di tessuto canceroso con quello di cellule sane, è possibile classificare il grado e lo stadio di un tumore. I confronti sono possibili grazie all’utilizzo di alcuni classificatori sviluppati prevalentemente attraverso la tecnica del Deep Learning. Grazie ad una struttura stratificata il classificatore riesce, in autonomia, a ricercare le caratteristiche e i pattern tumorali con grande precisione e accuratezza. Questa recente tecnologia, basata essenzialmente sull’utilizzo di reti neurali di tipo CNN, come ad esempio la ResNet50, risolve il problema della perdita delle informazioni durante la fase di training effettuata su un dataset di migliaia di immagini. I più recenti classificatori, sviluppati da studenti dell’Università Federico II di Napoli, riescono a identificare più categorie di tessuto come: normale, benigno, in situ o invasivo. Si è riusciti così a raggiungere un’accuratezza massima del 98%, risultato che si spera di superare ulteriormente. Tra i possibili sviluppi futuri si pensa sicuramente al mobile. E’ infatti prevista la nascita di app che possano integrare al loro interno un classificatore mobile con un servizio di messaggistica, utile per un celere scambio di pareri tra patologi.