Definizione, Differenze tra chatbot e Assistente Virtuale IA e differenze tra Machine learning e Deep learning

1. ChatBot
CORSO BASE
OBIETTIVO:
Ci soffermeremo su alcune definizioni e
differenze analizzandone i vari aspetti:
- Definizione, Differenze tra chatbot e
Assistente Virtuale
- IA e differenze tra Machine learning e
Deep learning
- Ambiti di applicazione dei chatbot
- Esercitazione pratica

2. CHATBOT
È composto da due parole: chat, che
significa chiacchierare, e bot. Da
questo si capisce che un chatbot è
quindi una chat in cui il nostro
interlocutore non è un essere umano
come noi ma un robot virtuale con il
quale possiamo chiacchierare,
parlare, o al quale possiamo porre
una serie di domande.
Un chatbot è un programma che,
attraverso un’interfaccia di
messaggistica, è in grado di
condurre una conversazione,
simulando un comportamento
umano grazie alle tecniche
dell’intelligenza artificiale.

3. ASSISTENTE VIRTUALE
è un’interfaccia di comunicazione in
grado di comprendere il linguaggio
naturale, permettendo di simulare una
comunicazione vera e propria, uscendo
dagli schemi logici preimpostati di
domanda/risposta tipici della Chatbot.
ESEMPI: Siri, Cortana, Alexa
CHATBOT
è un programma in grado di simulare una
conversazione con un interlocutore umano in
modo testuale o vocale. Seguendo uno schema
logico domanda/risposta preimpostato, formula
e/o risponde a domande più o meno complesse
relative ad uno o più argomenti.

4. CHATBOT E APPLICAZIONI DI
MESSAGISTICA Le applicazioni di messaggistica
istantanea, come Facebook Messenger,
WhatsApp o Telegram, sono molto
diffuse: si è stimato, infatti, che più di 2,5
miliardi di persone utilizzano almeno
una di queste App per comunicare con
i loro amici.
I chatbot hanno intercettato questo
modello di comunicazione per offrire
servizi al clienti in modo più rapido,
comunicando più facilmente con loro,
intercettando i loro desideri e bisogni.
Con la caratteristica di essere sempre
disponibili, 24h/24, e sono in grado di
rispondere in tempo reale alle richieste
degli utenti.

5. INTELLIGENZA
ARTIFICIALE
L’intelligenza artificiale coinvolge tutte quelle operazioni caratteristiche dell’intelletto umano ed
eseguite da computer. Queste includono la pianificazione, la comprensione del linguaggio, il
riconoscimento di oggetti e suoni, l’apprendimento e la risoluzione dei problemi.

6. IA ed IoT
Relazione tra AI e IoT simile a quella tra cervello
e corpo umano. Il nostro corpo attraverso i vari
input sensoriali come la vista e il tatto, riesce a
riconoscere determinate situazioni eseguendo
le corrispondenti azioni. Il nostro cervello in base
agli input sensoriali prende decisioni, inviando
segnali al corpo per comandare i relativi
movimenti. L’IoT non è nient’altro che un
insieme di sensori collegati, e grazie
all’intelligenza artificiale si ha la possibilità di
dare un senso a tutti i dati acquisiti e attraverso il
sistema di controllo, ovvero il cuore del circuito,
la nostra CPU, si riesce a prendere decisioni e
azionare attuatori per il controllo di varie
movimentazioni (bracci di robot).

7. MACHINE LEARNING
Il ML o apprendimento automatico, è una specie
di sottogruppo dell’AI che si concentra sulla
capacità delle macchine di ricevere una serie di
dati e di apprendere da soli, modificando gli
algoritmi man mano che ricevono più
informazioni su quello che stanno elaborando.
DEEP LEARNING
Il DL o apprendimento profondo è un
sottoinsieme del ML che ha preso spunto dalla
struttura del cervello, attraverso un uso più
sofisticato delle reti neurali.

8. E’ già presente in molti prodotti o servizi che utilizziamo. Il sistemi di raccomandazione di piattaforme di
streaming come Netflix, YouTube e Spotify è alimentato con il machine learning, anche i motori di ricerca
come Google e Baidu o i feed dei social media come Facebook e Twitter. In molti prodotti che si
definiscono smart c’è il machine learning, primi fra tutti gli assistenti vocali presenti negli speaker di
Google e Amazon.
A cosa serve il machine learning. Abbiamo capito che per funzionare gli algoritmi devono nutrirsi di dati.
Più ne mangiano e più crescono. Più crescono e più diventano bravi. Ogni piattaforma digitale raccoglie
quanti più dati possibili. Prendiamo i social: sanno per esempio i nostri gusti, quello che ci piace, cosa
leggiamo e le foto che postiamo. Il machine learning analizzando le tracce digitale che lasciamo può per
esempio suggerirci contenuti che ci piacciono sulla base delle indicazioni che volontariamente o
involontariamente gli abbiamo dato. Per dirla in altro modo, questi tool sono in grado con molta più
efficienza dell'uomo, di rilevare strutture significative all'interno di basi di dati anche molto ampie e sulla
base di queste informazioni prevedere servizi e prodotti.
DOVE TROVIAMO IL MACHINE LEARNING ?

9. TEST DI TURING
Criterio per determinare se una macchina sia in
grado di pensare proposto dallo scienziato
britannico Alan Turing che prende spunto da un
gioco, chiamato "gioco dell'imitazione", a tre
partecipanti: un uomo A, una donna B, e una terza
persona C. Quest'ultima è tenuta separata dagli altri
due e tramite una serie di domande deve stabilire
qual è l'uomo e quale la donna. A deve ingannare C
e portarlo a fare un'identificazione errata, mentre B
deve aiutarlo.
Il test di Turing si basa sul presupposto che una
macchina si sostituisca a B. Se la percentuale di
volte in cui C indovina chi sia l'uomo e chi la donna
è simile prima e dopo la sostituzione di B con la
macchina, allora la macchina stessa dovrebbe
essere considerata intelligente, dal momento che -
in questa situazione - sarebbe indistinguibile da un
essere umano.