Qual è il fondamento della AI (artificial intelligence, intelligenza artificiale)? Perché sta diventando sempre più pervasiva? Qual è il suo ruolo nell’ambito della definizione delle strategie aziendali? A queste e a numerose altre domande di base cercano di rispondere tre docenti presso la Rotman School of Management dell’Università di Toronto, esperti di intelligenza artificiale.
Report sull’interessante libro Ajay Agrawal, Joshua Gans, Avi Goldfarb, Macchine predittive. Come l’intelligenza artificiale cambierà lavoro e imprese, Franco Angeli, Milano, 2019
Come sfruttare il potere dei dati: alla scoperta dell’Analisi PredittivaKEA s.r.l.
A completamento delle nostre esplorazioni sui Big Data, ecco il report sul libro di Erich Siegel, Analisi predittiva, LSWR, Milano, 2015, che mostra come utilizzare la Predictive Analysis (PA) per sfruttare il potere dei dati
Articolo tecnico Maurizio Milazzo manutenzione T&M giugno 2017Maurizio Milazzo
Industrial Organizations need to have a Strategic Vision to reach Operational Excellence that can mean Performance Improvement and long life on the Market. So Asset Monitoring is a pillar approach to support asset availability and reliability. Successful Asset Monitoring is based on Predictive Maintenance so, to reach Operational Excellence Predictive Analytics is the Must.
But the real winning approach is to consider "maintenance" no more as a cost but as an opportunity for operation costs reduction and performance improvement. The higher-level sponsorship in the Organization is needed to run this kind of Strategic View.
In attach you will find an article (in Italian) was asked me to wright about it. The article will be published in the June 2017 Official Review of AIMAN, The Italian Maintenance Association.
Come sfruttare il potere dei dati: alla scoperta dell’Analisi PredittivaKEA s.r.l.
A completamento delle nostre esplorazioni sui Big Data, ecco il report sul libro di Erich Siegel, Analisi predittiva, LSWR, Milano, 2015, che mostra come utilizzare la Predictive Analysis (PA) per sfruttare il potere dei dati
Articolo tecnico Maurizio Milazzo manutenzione T&M giugno 2017Maurizio Milazzo
Industrial Organizations need to have a Strategic Vision to reach Operational Excellence that can mean Performance Improvement and long life on the Market. So Asset Monitoring is a pillar approach to support asset availability and reliability. Successful Asset Monitoring is based on Predictive Maintenance so, to reach Operational Excellence Predictive Analytics is the Must.
But the real winning approach is to consider "maintenance" no more as a cost but as an opportunity for operation costs reduction and performance improvement. The higher-level sponsorship in the Organization is needed to run this kind of Strategic View.
In attach you will find an article (in Italian) was asked me to wright about it. The article will be published in the June 2017 Official Review of AIMAN, The Italian Maintenance Association.
Marketing Aumentato e Intelligenza Artificiale - Master MUMMMasterMarketing
Vincenzo Cosenza - Marketing & Innovation Consultant / Advisor / Founder Osservatorio Metaverso - illustra il tema del marketing aumentato: un marketing che è ancorato ai principi di quello tradizionale, ma che allo stesso tempo assorbe e fa proprie le novità tecnologiche.
Identità e biometria, firme e sigilli, blockchain e trattamento del dato sono state le tre macrotematiche discusse dagli esperti che ne hanno messo in rilievo opportunità e pericoli oggettivi.
Attingere con sicurezza ad ogni fonte di dati, comprenderne il significato, analizzare cio' che il dato esprime come 'sentiment' e velocemente agire in conformita' con una visione olistica al 100% dei Big Data.
Danilo Piatti, Italy Country Manager, Autonomy HP Software
La soluzione di Intelligenza Artificiale
per l'automazione del back office
Scopri come esSENSE.AI rende più efficienti e automatizzati i processi amministrativi e di back-office della Pubblica Amministrazione.
Ridurre il fenomeno dell’abbandono del cliente (customer churn) è una sfida sempre più difficile. L'utilizzo di advanced analytics permette di individuare in anticipo i clienti che abbandoneranno mettendo in atto opportune strategie di retention
Per sfruttare le opportunità offerte dall’evoluzione tecnologica alle imprese non basta digitalizzare alcune funzioni isolate: occorre affrontare un cambiamento culturale totale, ridefinendo i propri obiettivi strategici e creando le condizioni per muoversi in maniera agile nel mercato odierno.
L’intelligent enterprise, il modello di organizzazione che guiderà i mercati, sarà quindi una realtà in grado di sfruttare, grazie agli investimenti fatti in modo lungimirante sul sistema gestionale, le opportunità legate nuovi paradigmi, quali IoT, Intelligenza Artificiale, Blockchain, Interazioni 4.0, etc. L'AI consente di elaborare enormi quantitativi di informazioni su modelli previsionali complessi ed offre al management l'opportunità di la risolvere tempestivamente problemi e intuire nuove opportunità ben prima che si manifestino le evidenze. Anticipare i competitor è la chiave per crescere.
Project Work a cura degli studenti del Master ISTUD in Risorse Umane e Organizzazione Alessandra Arena, Ambra Aversario,
Giorgia De Filippis Delfico, Stefania Di Leo, Francesco Funaro, Mara Ottinà
Non è un segreto che mai, in passato, abbiamo avuto accesso a una tale mole di dati quale abbiamo oggi. L’opportunità di raccogliere dati, per esempio dai social network, unita alla disponibilità di potenti strumenti di elaborazione, apre orizzonti sconfinati alle aziende, e orizzonti ancora più vasti si dischiuderanno con quello che potrà essere disponibile nei prossimi anni. Fioriscono di conseguenza i nuovi metodi di trattamento: è l’epoca delle analytics. Quando osserviamo una scena, possiamo trascurare anche l’evidente se ci concentriamo su un determinato tipo di dati. Nel suo Antifragile, Taleb sostiene che “non abbiamo mai avuto tanti dati come al giorno d’oggi, eppure non siamo mai stati così a corto di situazioni prevedibili. L’abbondanza di dati può distrarre”.
Larus: Il forte impatto della Graph Technology: l'esperienza di LARUS e numer...Neo4j
Anna Stevanato, Head of Marketing, Larus Business Automation
Lorenzo Speranzoni, CEO, Larus Business Automation
LARUS Business Automation, prima realtà italiana a credere in Neo4j, presenterà importanti use case di successo realizzati in ambiti quali la pubblica amministrazione, la logistica e i settori bancario, finanziario e assicurativo. Oltre alla duratura e solida partnership con Neo4j, LARUS vanta ormai quasi 15 anni di esperienza con i Grafi durante i quali ha costruito sul campo forti competenze. Nasce così Galileo.XAI, l’Insight Graph Data Platform che, incorporando il Graph DB di Neo4j, la Graph Visualization e l’Intelligenza Artificiale Spiegabile, si propone di rendere la rivoluzionaria Graph Technology accessibile anche ai profili business.
Argo CCMS: come usare al meglio i file di configurazione per export in Word, ...KEA s.r.l.
Alla scoperta di uno strumento di Argo CCMS molto potente, che non sempre riceve la giusta attenzione.
Che cosa sono e a che cosa servono i file di configurazione?
I file di configurazione «registrano» tutte le impostazioni che eseguiamo durante una procedura di esportazione (es. in Word, Excel o XML).
Richiamando in seguito un file di configurazione ripetiamo la procedura di esportazione, applicando in modo automatico le impostazioni salvate... senza doverci pensare più!
Perché i file di configurazione sono utili?
I file di configurazione sono utili perché rendono la procedura di esportazione più veloce, certa e replicabile da ogni operatore.
Suggerimento! A questo scopo possiamo creare, per esempio, file di configurazione specifici per modello e versione, configurazione o matricola della macchina, per cliente, per lingua, per destinatario...
Dialogare con le macchine in linguaggio naturale... Finalmente! Ma ci voleva ...KEA s.r.l.
La storia del Natural Language Processing (NLP) parte negli anni Cinquanta del secolo scorso, ma fino a una decina di anni fa traduzioni automatiche, chatbot e assistenti vocali erano perlopiù fonte di ilarità o frustrazione, mentre ora - superato il magico stupore iniziale - dialogare in linguaggio naturale con una macchina è una comune esperienza quotidiana - che sia Google Translate, Alexa, ChatGPT o il chatbot di un sito, ecc. Come dire: “Finalmente le macchine hanno imparato a parlare la nostra lingua! Ci voleva tanto?”.
Sì, tantissimo: il linguaggio è un fenomeno molto complesso - perché intrinsecamente legato all’umana esperienza del mondo, a livello personale, relazionale, socio-culturale e storico -, un fenomeno che padroneggiamo con naturalezza, ma che abbiamo dovuto anzitutto capire come rendere “comprensibile” alle macchine. Padroneggiare il linguaggio non significa solo conoscere il significato delle parole e le regole sintattico grammaticali di una lingua, significa anche e soprattutto come generare senso mediante questi utensili linguistici. La questione centrale è come rendere “comprensibili” alle macchine i sistemi di produzione di senso in assenza del fatto che le macchine possano basarsi sul contesto esperienziale e relazionale che guida l’umana comprensione delle eccezioni, delle ambiguità, della semantica e della pragmatica della lingua.
More Related Content
Similar to La capacità di fare previsioni: ecco la base dell’intelligenza artificiale
Marketing Aumentato e Intelligenza Artificiale - Master MUMMMasterMarketing
Vincenzo Cosenza - Marketing & Innovation Consultant / Advisor / Founder Osservatorio Metaverso - illustra il tema del marketing aumentato: un marketing che è ancorato ai principi di quello tradizionale, ma che allo stesso tempo assorbe e fa proprie le novità tecnologiche.
Identità e biometria, firme e sigilli, blockchain e trattamento del dato sono state le tre macrotematiche discusse dagli esperti che ne hanno messo in rilievo opportunità e pericoli oggettivi.
Attingere con sicurezza ad ogni fonte di dati, comprenderne il significato, analizzare cio' che il dato esprime come 'sentiment' e velocemente agire in conformita' con una visione olistica al 100% dei Big Data.
Danilo Piatti, Italy Country Manager, Autonomy HP Software
La soluzione di Intelligenza Artificiale
per l'automazione del back office
Scopri come esSENSE.AI rende più efficienti e automatizzati i processi amministrativi e di back-office della Pubblica Amministrazione.
Ridurre il fenomeno dell’abbandono del cliente (customer churn) è una sfida sempre più difficile. L'utilizzo di advanced analytics permette di individuare in anticipo i clienti che abbandoneranno mettendo in atto opportune strategie di retention
Per sfruttare le opportunità offerte dall’evoluzione tecnologica alle imprese non basta digitalizzare alcune funzioni isolate: occorre affrontare un cambiamento culturale totale, ridefinendo i propri obiettivi strategici e creando le condizioni per muoversi in maniera agile nel mercato odierno.
L’intelligent enterprise, il modello di organizzazione che guiderà i mercati, sarà quindi una realtà in grado di sfruttare, grazie agli investimenti fatti in modo lungimirante sul sistema gestionale, le opportunità legate nuovi paradigmi, quali IoT, Intelligenza Artificiale, Blockchain, Interazioni 4.0, etc. L'AI consente di elaborare enormi quantitativi di informazioni su modelli previsionali complessi ed offre al management l'opportunità di la risolvere tempestivamente problemi e intuire nuove opportunità ben prima che si manifestino le evidenze. Anticipare i competitor è la chiave per crescere.
Project Work a cura degli studenti del Master ISTUD in Risorse Umane e Organizzazione Alessandra Arena, Ambra Aversario,
Giorgia De Filippis Delfico, Stefania Di Leo, Francesco Funaro, Mara Ottinà
Non è un segreto che mai, in passato, abbiamo avuto accesso a una tale mole di dati quale abbiamo oggi. L’opportunità di raccogliere dati, per esempio dai social network, unita alla disponibilità di potenti strumenti di elaborazione, apre orizzonti sconfinati alle aziende, e orizzonti ancora più vasti si dischiuderanno con quello che potrà essere disponibile nei prossimi anni. Fioriscono di conseguenza i nuovi metodi di trattamento: è l’epoca delle analytics. Quando osserviamo una scena, possiamo trascurare anche l’evidente se ci concentriamo su un determinato tipo di dati. Nel suo Antifragile, Taleb sostiene che “non abbiamo mai avuto tanti dati come al giorno d’oggi, eppure non siamo mai stati così a corto di situazioni prevedibili. L’abbondanza di dati può distrarre”.
Larus: Il forte impatto della Graph Technology: l'esperienza di LARUS e numer...Neo4j
Anna Stevanato, Head of Marketing, Larus Business Automation
Lorenzo Speranzoni, CEO, Larus Business Automation
LARUS Business Automation, prima realtà italiana a credere in Neo4j, presenterà importanti use case di successo realizzati in ambiti quali la pubblica amministrazione, la logistica e i settori bancario, finanziario e assicurativo. Oltre alla duratura e solida partnership con Neo4j, LARUS vanta ormai quasi 15 anni di esperienza con i Grafi durante i quali ha costruito sul campo forti competenze. Nasce così Galileo.XAI, l’Insight Graph Data Platform che, incorporando il Graph DB di Neo4j, la Graph Visualization e l’Intelligenza Artificiale Spiegabile, si propone di rendere la rivoluzionaria Graph Technology accessibile anche ai profili business.
Argo CCMS: come usare al meglio i file di configurazione per export in Word, ...KEA s.r.l.
Alla scoperta di uno strumento di Argo CCMS molto potente, che non sempre riceve la giusta attenzione.
Che cosa sono e a che cosa servono i file di configurazione?
I file di configurazione «registrano» tutte le impostazioni che eseguiamo durante una procedura di esportazione (es. in Word, Excel o XML).
Richiamando in seguito un file di configurazione ripetiamo la procedura di esportazione, applicando in modo automatico le impostazioni salvate... senza doverci pensare più!
Perché i file di configurazione sono utili?
I file di configurazione sono utili perché rendono la procedura di esportazione più veloce, certa e replicabile da ogni operatore.
Suggerimento! A questo scopo possiamo creare, per esempio, file di configurazione specifici per modello e versione, configurazione o matricola della macchina, per cliente, per lingua, per destinatario...
Dialogare con le macchine in linguaggio naturale... Finalmente! Ma ci voleva ...KEA s.r.l.
La storia del Natural Language Processing (NLP) parte negli anni Cinquanta del secolo scorso, ma fino a una decina di anni fa traduzioni automatiche, chatbot e assistenti vocali erano perlopiù fonte di ilarità o frustrazione, mentre ora - superato il magico stupore iniziale - dialogare in linguaggio naturale con una macchina è una comune esperienza quotidiana - che sia Google Translate, Alexa, ChatGPT o il chatbot di un sito, ecc. Come dire: “Finalmente le macchine hanno imparato a parlare la nostra lingua! Ci voleva tanto?”.
Sì, tantissimo: il linguaggio è un fenomeno molto complesso - perché intrinsecamente legato all’umana esperienza del mondo, a livello personale, relazionale, socio-culturale e storico -, un fenomeno che padroneggiamo con naturalezza, ma che abbiamo dovuto anzitutto capire come rendere “comprensibile” alle macchine. Padroneggiare il linguaggio non significa solo conoscere il significato delle parole e le regole sintattico grammaticali di una lingua, significa anche e soprattutto come generare senso mediante questi utensili linguistici. La questione centrale è come rendere “comprensibili” alle macchine i sistemi di produzione di senso in assenza del fatto che le macchine possano basarsi sul contesto esperienziale e relazionale che guida l’umana comprensione delle eccezioni, delle ambiguità, della semantica e della pragmatica della lingua.
Software per realizzare manuali e documentazione tecnica: Argo CCMS di KEAKEA s.r.l.
Da oltre 20 anni i nostri clienti scelgono di adottare Argo CCMS come software per gestire i contenuti tecnici e realizzare i manuali di istruzioni.
Molte aziende, prima di adottare Argo CCMS, usavano MS Word, Adobe InDesign o, più raramente, Adobe FrameMaker per realizzare a mano la documentazione tecnica.
Vediamo insieme il perché del cambio!
Quando un'azienda contatta KEA, le esigenze espresse più comunemente sono:
Gestire più volumi di documentazione
Risparmiare tempi e costi
Mitigare i rischi
Moltiplicare i tipi di output
Attuare l'approccio «digital first»
Rendere più fluida la collaborazione tra funzioni aziendali, con esperti esterni, distributori/rivenditori e utilizzatori finali
Accrescere la qualità
Gestire anche product data.
Perché e come usare i fumetti nella comunicazione tecnica e di prodottoKEA s.r.l.
I manuali di istruzioni di Antonio Carraro S.p.A. hanno una caratteristica che balza subito all’occhio: sono ricchi di vignette in cui è impossibile non immedesimarsi nei trattori antropomorfizzati e nei cartoon di agricoltori, tecnici e personaggi di contorno. Finiamo così per leggere con attenzione i testi che ci spiegano come dare una mano ai nostri beniamini e per imparare in modo dilettevole come usare e manutenere il nostro trattore
Ma perché i fumetti catturano la nostra attenzione? Perché ci immedesimiamo nei personaggi? Perché, rivivendo le loro storie, finiamo per imprimerle nella nostra memoria e apprendere in modo ludico anche informazioni utili?
I principi base dell’intelligenza artificiale spiegata ai non tecnici KEA s.r.l.
Invito alla lettura di Tom Taulli, Artificial Intelligence Basics: A Non-Technical Introduction, New York, Apress Media, 2019
Soprattutto a chi ha una formazione umanistica il libro di Tom Taulli spiega in modo chiaro i principi base dell’intelligenza artificiale: dalla preparazione dei dati al machine learning, dal deep learning alle reti neurali artificiali, dal natural language processing all’automazione robotica dei processi, dai robot/cobot fisici a come implementare un progetto di AI, fino ai cenni sul futuro dell’intelligenza artificiale
Come migliorare l’efficienza della formazione aziendaleKEA s.r.l.
Dal viaggio del cliente al viaggio del discente: spunti per migliorare l’efficienza della formazione aziendale
Invito alla lettura di Massimiliano Fiorelli, e-Learning Design: Progettare la formazione digitale con il mindset del Designer, 2021
Metaverso, ma non solo: come la vita digitale e l’economia digitale potrebber...KEA s.r.l.
Da quando, a fine ottobre 2021, Facebook Inc. ha assunto il nome di Meta Platforms Inc. il termine “metaverso” è sempre più ricorrente.
Che cos’è il metaverso? Esiste già? Qual è il suo rapporto con altre tecnologie - blockchain, token, NFT, criptovalute, smart contract e finanza decentralizzata - spesso citate insieme al metaverso?
Un percorso di lettura ci ha permesso di farci un’idea più precisa di una delle possibili evoluzioni del mondo digitale. Seguiteci!
Sono molte le aziende che, sulla documentazione stampata e/o sulle presenze online, indicano agli interlocutori il numero a cui essere contattate via WhatsApp.
Alcune aziende propongono sul sito anche applicazioni di live chat, mentre non sono molte quelle che promuovono l’uso di Telegram presso i propri contatti, come fanno - per esempio - Coop Viaggi ed Euronics sui volantini periodici.
Quali sono le caratteristiche che possono indurre un’azienda ad aggiungere Telegram al proprio mosaico di strumenti di comunicazione?
Social e valorizzazione della complessitàKEA s.r.l.
Invito alla lettura dello stimolante libro di Francesco Oggiano, SociAbility. Come i social stanno cambiando il nostro modo di informarci e fare attivismo, Milano, Piemme, 2022
***
Presupposto implicito del libro di Francesco Oggiano è che i social, diversamente dai motori di ricerca, hanno l’obiettivo di incrementare il nostro tempo di permanenza al loro interno.
Mentre i motori cercano di proporci i contenuti più rilevanti per la nostra ricerca, sapendo in questo modo di fidelizzarci, i social (con la parziale eccezione di comunità professionali come LinkedIn) si focalizzano sull’espressione delle emozioni, più che sulla comunicazione dei contenuti, per risvegliare la nostra attenzione, sollecitarci ad agire anzitutto digitalmente - valutando, condividendo o commentando - e indurci iterare il ciclo il più a lungo possibile.
Non va dimenticato che le azioni digitali sono monetizzabili da parte sia della piattaforma (per esempio in termini di profilazione dell’utenza e di vendita di pubblicità targetizzata), sia di singoli agenti (per esempio in termini di collaborazione con soggetti interessati a distribuire il loro messaggio alla rete di influenza dell’utente).
Argo CCMS: tutte le funzioni della finestra Gestione documentiKEA s.r.l.
Argo CCMS: tutte le funzioni della finestra Gestione documenti.
Come gestire elementi di classificazione, archivi (di contenuti comuni, di prodotti, ecc.) e documenti (manuali di istruzioni, cataloghi prodotto, schede, ecc.), revisioni.
Argo CCMS: come tradurre testi esportando e importando file MS Excel e XMLKEA s.r.l.
Argo CCMS: come tradurre testi usando le funzioni Esporta / Importa Office (formati supportati: MS Excel e XML)
Guida per il technical writer che usa Argo e per il traduttore che traduce sui file MS Excel o XML esportati da Argo
La SEO come conversazione fra le nostre presenze online, Google e chi cercaKEA s.r.l.
Tim Cameron-Kitchen ci aiuta a vedere la SEO come un dialogo costante fra noi, nel medium delle nostre presenze online, l’algoritmo di Google e gli utenti del motore di ricerca. Scopo della conversazione è far comprendere a Google le intenzioni della nostra comunicazione online e indurre il motore a posizionarci nel modo più coerente rispetto ai quesiti formulati dal singolo utente. Da questa prospettiva l’autore illustra in modo ampio, dettagliato e ricco di esempi come condurre questo dialogo, dal punto di vista dei contenuti delle nostre pagine web, del codice sorgente, della velocità di caricamento, della fruibilità mobile, delle attività sistemistiche, ecc.
Invito alla lettura di Tim Cameron-Kitchen, How To Get To The Top Of Google in 2022: The Plain English Guide to SEO, Exposure Ninja, 2020
L’importanza dei metadati nella comunicazione tecnica e di prodotto e come ge...KEA s.r.l.
I metadati sono importanti per automatizzare la selezione e l’aggregazione flessibile e dinamica di risorse rilevanti contestualmente, nonché per supportare funzioni di elaborazione dei contenuti da parte di agenti software e/o di interazione con i contenuti da parte di persone (es. funzioni di site search e filtri).
Il sistema di gestione dei contenuti Argo di KEA, impiegabile come sistema di component content management e di product information management, mette a disposizione del redattore tecnico numerosi strumenti per gestire i metadati.
Per maggiori informazioni http://www.keanet.it/argo-ccms-per-documentazione-tecnica-e-di-prodotto.html
Invito alla lettura di Riccardo Falcinelli: Figure. Come funzionano le immagi...KEA s.r.l.
Senza che ne siamo necessariamente consapevoli, le caratteristiche formali delle immagini guidano le nostre azioni, il nostro sguardo e il processo di elaborazione della “nostra” storia basata sulla percezione dei contenuti dell’immagine.
La scoperta dell’importanza del “come” (e non solo del “che cosa”) delle immagini è legato a un bel ricordo d’infanzia, quando Riccardo Falcinelli - sotto la guida della madre - esperisce, per approssimazioni successive, la distanza giusta a cui guardare le Ninfee di Monet…
Catalogo Natale Kasanova: edizioni 2020 e 2021 a confrontoKEA s.r.l.
Nel 2020 il Catalogo Natale di Kasanova - noto franchising con oltre 450 negozi specializzato nella vendita di casalinghi e articoli per la casa - mi colpì per il grado di integrazione esistente fra pubblicazione stampata, spot televisivi ed e-shop dell’azienda.
Conservai l’edizione 2020 del catalogo con l’intenzione di raffrontarla all’edizione di quest’anno, disponibile al seguente URL:
https://www.kasanova.com/it/volantino-natale-kasanova/
Scoprire le differenze fra le due edizioni del catalogo natalizio di Kasanova ci può dare indicazioni utili su come l’azienda ha reagito al feedback dei clienti e all’evoluzione della comunicazione.
Argo CMS – Come riusare manualmente contenuti all’interno di documenti distintiKEA s.r.l.
Argo CMS - Come riusare manualmente contenuti all’interno di documenti distinti. Riuso come link, mantenendo il collegamento fra documento di partenza e di destinazione oppure copia del contenuto da documento di partenza a documento di destinazione
Argo CMS – Come riusare manualmente contenuti all’interno di documenti distinti
La capacità di fare previsioni: ecco la base dell’intelligenza artificiale
1. Kea s.r.l. | Via Strà, 102 | 37042 Caldiero (VR)
Tel.: +39 045 6152381
Web: www.keanet.it | E-mail: info@keanet.it
1
La capacità di fare previsioni: ecco la base dell’intelligenza artificiale
Giugno 2019
La capacità di fare previsioni: ecco la base
dell’intelligenza artificiale
Qual è il fondamento della AI (artificial intelligence, intelligenza artificiale)?
Perché sta diventando sempre più pervasiva? Qual è il suo ruolo nell’ambito della
definizione delle strategie aziendali? A queste e a numerose altre domande di base
cercano di rispondere tre docenti presso la Rotman School of Management
dell’Università di Toronto, esperti di intelligenza artificiale.
Report sull’interessante libro Ajay Agrawal, Joshua Gans, Avi Goldfarb, Macchine
predittive. Come l’intelligenza artificiale cambierà lavoro e imprese, Franco Angeli,
Milano, 2019
La AI è una tecnologia predittiva. La capacità di formulare previsioni è una delle componenti essenziali
dell’intelligenza umana: ecco perché le macchine predittive sono definite come “intelligenza artificiale”.
Formulare una previsione significa prendere le informazioni disponibili (i dati) e generare, a partire da esse,
informazioni di cui non si dispone, riferite al presente, al passato o al futuro. Le previsioni stanno alla base
delle decisioni prese in condizioni di incertezza: il loro obiettivo è ridurre l’incertezza e quindi il rischio insito
nella decisione.
Dato che la formulazione della previsione può avvenire in qualsiasi ambito, l’intelligenza artificiale è una
tecnologia polivalente.
Il motivo della pervasività dell’intelligenza artificiale non sta soltanto nella sua versatilità, ma anche e
soprattutto nell’abbattimento dei costi necessari per generare previsioni specifiche, accurate e affidabili, in
virtù del fatto che si è creata una costellazione favorevole a cui concorrono, in particolare, l’abbondanza di
dati, l’aumento della potenza di calcolo, la disponibilità di modelli di machine learning.
Dato il calo dei costi delle capacità predittive, diventa economicamente conveniente fare più previsioni,
applicando quindi il metodo predittivo anche a sciogliere dilemmi che tradizionalmente non erano visti
come problemi predittivi, per esempio la classificazione delle immagini, la selezione di informazioni
adeguate contestualmente all’interlocutore, il servizio ai clienti, la guida di un veicolo o la cura di una
malattia.
Nel libro di Agrawal, Gans e Goldfarb ricorrono parole chiave che aiutano a definire il campo e il metodo di
azione dell’intelligenza artificiale:
• Dilemma: si tratta del problema, caratterizzato da elevati fattori di incertezza, e quindi di rischio,
riguardo al quale dobbiamo prendere una decisione
• Azione: quale obiettivo desideriamo raggiungere?
2. Kea s.r.l. | Via Strà, 102 | 37042 Caldiero (VR)
Tel.: +39 045 6152381
Web: www.keanet.it | E-mail: info@keanet.it
2
La capacità di fare previsioni: ecco la base dell’intelligenza artificiale
Giugno 2019
• Previsione: di quali informazioni dobbiamo disporre per decidere e agire con un ridotto margine di
incertezza e rischio? Per essere utile come strumento di supporto decisionale, la previsione deve
essere non solo accurata e affidabile, ma anche specifica, cioè contestuale
• Previsione. È utile se accurata, affidabile, veloce, economica, specifica e contestuale rispetto a
obiettivi esplicitati e codificati
• Giudizio: quali sono i criteri in base ai quali valutare a priori pro e contro dell’azione che seguirà alla
decisione? Il giudizio valutativo è il processo attraverso cui stabilire le conseguenze (i vantaggi e/o
gli svantaggi, detti ricompense) di una decisione e della conseguente azione all’interno di uno
specifico contesto e rispetto a un obiettivo specifico, oggettivo o soggettivo che sia. Più sono
disponibili previsioni numerose, accurate e affidabili, più si tenderanno a prendere decisioni
strategiche anche in ambiti in cui, senza il supporto predittivo, si sarebbe deciso di non decidere
per davvero, accettando la scelta più scontata – quella che Herbert Simon definì “satisficing”,
sufficientemente soddisfacente. L’incremento di quantità e qualità delle previsioni si riflette sulla
crescita di valore del giudizio e, a valle, della decisione e dell’azione
• Decisione: la previsione basata sull’analisi dei dati riduce l’incertezza e quindi la rischiosità della
situazione su cui decidere. Gli autori sottolineano che, se il numero di previsioni-azioni è limitato e
codificabile oggettivamente (cioè se le decisioni sono di tipo più transazionale che relazionale), se il
vantaggio della rapidità di passaggio dalla previsione all’azione è elevati e se i rischi in caso di errore
sono accettabili, allora la decisione è automatizzabile, altrimenti resta ancora di competenza alla
persona, assieme al giudizio valutativo che la precede.
• Risultato: quali sono i criteri in base ai quali valutare a posteriori l’esito dell’azione seguita alla
decisione?
• Input: quali dati servono per alimentare correntemente la macchina predittiva?
• Training: quali dati servono per allenare la macchina predittiva prima che essa possa prendere
servizio?
• Feedback: quali dati di ritorno utilizzare e come utilizzarli per alimentare il processo di machine
learning e migliorare in modo continuo la macchina predittiva?
Nel contesto dell’intelligenza artificiale vanno considerati tre tipi di dati, ognuno dei quali svolge una
funzione distinta. Il calo dei costi delle capacità predittive aumenta il valore dei dati e degli strumenti di
raccolta dei dati da fonti digitali e fisiche (mediante sensori), che sono elementi complementari alla
previsione. Quantità, qualità, frequenza di aggiornamento, varietà, proprietà e controllo sono fattori
strategici riferiti ai dati.
Agrawal, Gans e Goldfarb spiegano che le macchine predittive funzionano bene, quando i dati disponibili
sono molti e quando l’obiettivo è oggettivabile. Le persone sono invece più abili a fare previsioni, quando i
dati disponibili sono pochi, quando gli obiettivi sono connotati soggettivamente, quando si tratta di operare
in condizioni di eccezione, nonché quando è necessario comprendere il processo e/o i nessi causali sottesi
ai dati disponibili (ovvero i meccanismi di funzionamento del mondo reale). Per gli autori individuare i
rispettivi punti di forza è fondamentale per progettare la collaborazione tra macchine e persone con
l’obiettivo di migliorare in modo continuativo le prestazioni delle macchine attraverso l’esempio, cioè
apprendendo automaticamente dagli errori.
3. Kea s.r.l. | Via Strà, 102 | 37042 Caldiero (VR)
Tel.: +39 045 6152381
Web: www.keanet.it | E-mail: info@keanet.it
3
La capacità di fare previsioni: ecco la base dell’intelligenza artificiale
Giugno 2019
I modelli di machine learning tipici dell’intelligenza artificiale si differenziano dai metodi statistici in
particolare perché sono in grado di:
• Considerare un volume molto più elevato di dati, indicatori e variabili
• Far emergere interazioni rilevanti a posteriori, cioè come risultato del processo di elaborazione
delle informazioni, senza ipotizzarle a priori
• Apprendere attraverso l’esempio, adottando il metodo della retropropagazione tipico del
funzionamento del cervello umano
• Migliorare nel tempo l’accuratezza e l’affidabilità della previsione.
Agrawal, Gans e Goldfarb non mancano di evidenziare, oltre a quelle sociali, anche altre criticità insite nelle
applicazioni di intelligenza artificiale:
• Adottare la strategia “AI first”, come fece Google nel 2017, significa sacrificare a obiettivi di medio
termine come raccolta dati e apprendimento, alcuni importanti obiettivi a breve termine come la
customer experience e la performance operativa. La sperimentazione è quindi solo alla portata
delle aziende che hanno risorse e un parco clienti tali da poterne sostenere gli effetti
temporaneamente negativi. Le altre realtà saranno più propense ad acquistare ed eventualmente a
personalizzare tecnologie già mature
• Le previsioni elaborate dalle macchine predittive possono produrre discriminazioni involontarie,
difficili da scoprire e controbattere, sfruttando interrogabilità delle macchine predittive, dati di
feedback e machine learning per correggere le distorsioni
• Anche in presenza di dati scarsi le macchine predittive forniscono previsioni con sicurezza, anche se
infondate e quindi non attendibili
• Le macchine predittive sono manipolabili usando dati di input e/o di feedback scorretti
• Le macchine predittive sono interrogabili, il che significa che sulla base delle risposte è possibile
realizzare altre macchine predittive, compiendo di fatto un furto di proprietà intellettuale
• Una minore biodiversità delle macchine predittive migliora le prestazioni medie delle applicazioni,
ma ne aumenta la vulnerabilità.
Autore: Petra Dal Santo | dalsanto@keanet.it