Digitalizzazione pt.4: l’intelligenza artificiale

Il tema caldo del momento, l’intelligenza artificiale (AI per artificial intelligence), forse la tecnologia che incute più timore, dove ci  immaginiamo scenari con robot autonomi che ci ruberanno il lavoro e magari ci diranno anche cosa fare.

Di

Ed eccoci al tema caldo del momento, l’intelligenza artificiale (AI per artificial intelligence), forse la tecnologia che incute più timore, dove ci  immaginiamo scenari con robot autonomi che ci ruberanno il lavoro e magari ci diranno anche cosa fare.

Andiamo con ordine e cerchiamo di capire di cosa stiamo parlando, continuando il discorso degli articoli precedenti. (leggi pt.1, pt.2, pt.3)

In principio con AI intendiamo delle “macchine” in grado di eseguire determinate operazioni in modo intelligente (smart).

Ma come dobbiamo interpretare il termine intelligente? Prima di tutto dobbiamo differenziare tra due tipi o meglio definizioni di AI: la narrow (o weak) e strong (o full) AI.

Attualmente conosciamo la narrow AI per esempio SIRI (Apple), un’applicazione che ha un campo d’azione limitato e compiti specifici. Non si tratta quindi di un’intelligenza cognitiva.

Come vedete, per AI non è necessario un robot. Sono sufficienti un calcolatore e una connessione internet.

La strong AI (anche AGI per artificial general intelligence) per contro ha come traguardo lo sviluppo di un’intelligenza cognitiva. Questo tipo di AI ancora non esiste e le opinioni degli esperti divergono se potrà essere effettivamente realizzata. Quindi tranquilli, almeno per il momento.  

AI e il machine learning (ML) vengono a volte confusi. ML è un termine che potrebbe dare adito a dei malintesi, vale a dire ci potrebbe indurre a pensare che un computer sia in grado di imparare come un essere umano.

No, ML è un’applicazione AI e consiste nella combinazione di algoritmi e dati. Si tratta spesso di modelli matematici (statistica) che esaminano dati e cercano di identificare degli schemi (pattern). I modelli vengono “allenati” con una grande quantità di dati per sviluppare, per esempio, delle previsioni in un determinato ambito.  

Potremmo immaginarci un software per identificare delle transazioni fraudolente con carte di credito. Si tratterebbe di sviluppare gli algoritmi necessari e “allenarli” sulla più grande quantità possibile di transazioni. Il software potrebbe quindi essere impiegato in seguito sulle transazioni in tempo reale per identificare immediatamente possibili truffe.

Avrete già capito che alla base ci sono big data e calcolatori di una certa potenza e che sicuramente sono già stati sviluppati dei servizi AI nel cloud di cui possiamo usufruire. Infatti è così.

Un ostacolo allo sviluppo di AI (in particolare strong AI) e ML  sono i limiti degli odierni computer, malgrado le performance elevate che possono raggiungere. Il limite è rappresentato, tra l’altro, dal sistema binario. Per questo motivo i ricercatori stanno sviluppando il quantum computing una tecnica che “espande” le possibilità del sistema binario.

 Industria 4.0 e Fintech

 Per concludere ho volutamente integrato Industria 4.0 e Fintech (financial technology) quale esempi di trasformazione digitale. Infatti non si tratta di tecnologie digitali in sé, bensì di campi d’applicazione delle stesse.

Si tratta di due settori (industria e servizi finanziari) nei quali la trasformazione digitale incide in modo significativo cambiando i modelli di lavoro, i prodotti, i servizi e l’innovazione.

Industria 4.0 in particolare fusiona tutte le tecnologie esposte negli articoli precedenti con l’aggiunta di un’elevato tasso di robotica e altri sviluppi come il 3D printing. I traguardi sono lo smart manufacturing e la smart supply chain.

Il tutto porterà a nuovi processi ed un’accelerazione dell’innovazione.

Fintech comprende i servizi finanziari, ma l’evoluzione fino ad oggi non è così marcata come nell’Industria 4.0. Un’accelerazione è comunque inevitabile anche in questo settore, che non comprende solo le banche, ma anche le assicurazioni e altri servizi finanziari.  

Le banche hanno già sviluppato un certo grado di digitalizzazione prima nel backoffice ed in seguito anche per il servizi diretti per la clientela (e-banking). Come clienti saremo quindi confrontati ben presto con nuovi servizi.

 Ho concluso il viaggio “tecnologico” con la corta spiegazione di Industria 4.0 e Fintech per dimostrare che la trasformazione digitale non è nuova, bensì un processo in atto da anni.

E’ anche vero però che gli ultimi due, tre anni abbiamo visto un’accelerazione dello sviluppo che ha innestato un’intensificazione dell’innovazione e quindi anche il senso di insicurezza che viviamo. Una sfida epocale ci sta di fronte e deciderà che umanità ci sarà domani.

 

Fonti

https://www.apple.com/ios/siri/

https://www.intel.com/content/www/us/en/analytics/ai-luminary-reza-zadeh-video.html

https://www.research.ibm.com/ibm-q/learn/what-is-quantum-computing/

https://it.wikipedia.org/wiki/Apprendimento_automatico

https://www.internet4things.it/industry-4-0/industria-4-0-significato-opportunita-ed-esempi-concreti-dello-smart-manufacturing/

https://www.i-scoop.eu/fintech/#Blockchain_technology_are_you_ready_for_huge_growth_and_some_concerns_confusions_and_hype

http://www.digitalistmag.com/finance/2017/08/01/accounting-robots-digitization-drives-automation-in-finance-05194632

Ti potrebbero interessare: