Machine learning, cos’è la tecnologia dietro il successo dell’Intelligenza Artificiale

Non si può trattare di innovazione tecnologica legata all'intelligenza artificiale e dei progressi raggiunti negli ultimi anni dall'IA senza parlare di quanta importanza abbiano avuto le tecniche di machine learning.

Il concetto di machine learning, come vedremo, supera la vecchia idea di programmazione basata su regole da dare alle macchine, per consentire invece ai sistemi stessi di apprendere dai dati e dalle interazioni. Questo tipo di approccio ha consentito all'intelligenza artificiale, e in modo particolare a quella cosiddetta generativa, di superare i limiti incontrati fino a quel momento e rendere esponenziale la crescita di tale tecnologia.

Intelligenza Artificiale, storia, crisi e successo

La parola artificial intelligence, che può essere tradotta in italiano con intelligenza artificiale, ha una storia lunga quasi settant'anni. Infatti, tale termine venne utilizzato per la prima volta dallo scienziato John Mc Carthy che nel 1956 organizzò nella città americana di Dartmouth una conferenza dal titolo "Dartmouth Summer Research Project on Artificial Intelligence".

Già nel 1950, però, Alan Turing aveva pubblicato nella rivista scientifica Mind un testo denominato Imitation Game (e che verrà successivamente conosciuto semplicemente come Test di Turing) che aveva lo scopo di rispondere alla domanda: "Può una macchina pensare?". Scopo del test era comprendere se le macchine potessero arrivare a pensare in modo simile a un essere umano.

Intelligenza Artificiale, cos'è?

Intelligenza artificiale (IA) è dunque un termine che si riferisce all’uso di tecnologie per la creazione di computer in grado di imitare l'intelligenza umana. Del resto, era già scopo del Test di Turing capire se questo sarebbe successo e quando. Anche se il test è stato modificato nel tempo, il suo funzionamento di base non è cambiato. Il test di Turing sarebbe stato superato quando un essere umano, dialogando rispettivamente con un altro uomo e una macchina, non sarebbe stato in grado di distinguere chi dei due fosse la macchina.

Storia e sviluppo dell’IA

Dal test di Turing del 1950 è passata molta acqua sotto i ponti. A una prima fase di entusiasmo rispetto all'intelligenza artificiale negli anni '50 e '60 dello scorso secolo, sono seguiti decenni che hanno conosciuto un certo scoraggiamento e una diminuzione di interesse rispetto a questa tecnologia. Risultati non soddisfacenti fecero diminuire investimenti e dunque anche il numero di ricercatori che si occupavano di lavorare su questa tecnologia. La ricerca quindi rallentò, anche se non si fermò e un lungo lavoro fuori dagli occhi dei riflettori portò progressivamente a risultati nei quali, a un certo punto, non si sperava più.

Il machine learning ha avuto in questo senso un'importanza fondamentale. L'intelligenza artificiale ha beneficiato in modo sostanziale dell'idea che le macchine potessero beneficiare di un meccanismo di apprendimento automatico alternativo ai normali criteri di programmazione basati su regole.

Macchine più potenti e veloci e la possibilità di inserire big data, enormi dataset con milioni di informazioni, hanno sicuramente contribuito in modo sostanziale e fatto sì che l'apprendimento automatico delle macchine potesse divenire un sistema più rapido ed efficiente. Si è trattato di un lungo percorso, ma dopo più di 70 anni dal test di Turing si può dire di essere arrivati a un livello di tecnologia tale per cui le macchine sono davvero in grado di pensare in modo simile alle persone.

Intelligenza artificiale, come sta influenzando il mondo dell'impresa

Il grande successo riscosso dall'intelligenza artificiale anche grazie ai progressi consentiti dalla tecnologia di machine learning ha influenzato in modo significativo anche le aziende di tutto il mondo. Per quanto riguarda beni e servizi, un sondaggio di McKinsey & Company ha rilevato un aumento del 50% delle vendite da parte delle aziende che utilizzano l'intelligenza artificiale.

Un caso di studio è l'uso fatto dell'intelligenza artificiale nel software all-in-one Bitrix24. Grazie all'uso dell'IA sono stati potenziati tutti gli strumenti a disposizione nella suite, come quelli per l'automazione delle campagne di marketing, il CRM integrato, il servizio clienti aziendale e la comunicazione interna. Grazie all'assistente virtuale CoPilot poi, è possibile ricevere supporto e suggerimenti, compreso un aiuto nella redazione di testi per e-mail e campagne di marketing.

IA: cos’è il Machine Learning?

Come si è accennato, il machine learning ha avuto un ruolo decisivo nei progressi dell'intelligenza artificiale ai quali abbiamo potuto assistere negli ultimi anni. L'idea che l'apprendimento automatico delle macchine potesse avvenire tramite l'inserimento di grandi quantità di dati è stata una delle chiavi di volte per raggiungere gli attuali livelli di sviluppo delle tecnologie IA.

Relazione tra machine learning e intelligenza artificiale

Il machine learning (ML) è un meccanismo che consente alle macchine di apprendere dai dati inseriti, sviluppando competenze dall'esperienza e dalle interazioni successive. Per fare un esempio più concreto, si può pensare al chatbot che forse ha più contribuito a far conoscere al grande pubblico i progressi dell'intelligenza artificiale: ChatGPT.

Il modello di base sul quale si basa la tecnologia di ChatGPT è stato inizialmente addestrato con l'inserimento di milioni di dati: testi, immagini e altre informazioni che la macchina immagazzina e rielabora. Tramite questi dati e alcuni algoritmi di programmazione la macchina è in grado di apprendere da sola. Non serve un programmatore che gli dica cosa fare: sono le macchine a imparare dai dati.

Inoltre, con il machine learning le macchine sono in grado di apprendere anche tramite le interazioni successive. Per rimanere all'esempio di ChatGPT, tu stesso quando dialoghi con il chatbot di determinati argomenti gli dai informazioni che contribuiscono ad accrescere il suo "bagaglio" di conoscenze e, in estrema sintesi, a migliorarsi.

Differenza tra machine learning e intelligenza artificiale rispetto al deep learning

Se ti è capitato di leggere articoli sull'intelligenza artificiale ti sarà capitato di sentire parlare, oltre che del machine learning, anche del deep learning. Machine learning e deep learning non sono sinonimi, ma non sono nemmeno due cose completamente diverse. Più precisamente, il deep learning è una modalità di machine learning, particolarmente importante in alcune tecnologie di intelligenza artificiale come quella generativa.

Il deep learning prende ispirazione dal cervello umano per rendere l'apprendimento automatico il più possibile simile a quello dell'uomo. La sua architettura è basata su reti neurali artificiali su molti livelli (da qui l'uso del termine "deep", che in inglese significa profondo). Per le sue caratteristiche, il deep learning consente alla macchina di imparare direttamente dai dati grezzi, senza necessità che vengano prima elaborati.

La differenza con altre modalità di machine learning risiede dunque nella sua possibilità di apprendere in modo più vicino a quello dell'uomo. D'altra parte, il deep learning richiede l'inserimento di grandissime quantità di dati e dunque anche di un'enorme potenza di calcolo. In questo senso, il suo sviluppo è stato facilitato anche dal progresso tecnologico dei computer, e lo sarà ancora di più in futuro con l'avanzamento delle tecnologie relative ai processori e l'aumento delle risorse a disposizione.

Intelligenza artificiale forte e debole

A margine di questo approfondimento su intelligenza artificiale, machine learning e deep learning, è utile anche fare un cenno alle differenze tra intelligenza artificiale forte e debole. Il significato di intelligenza artificiale forte si riferisce alle capacità delle macchine di avere facoltà cognitive uguali o addirittura superiori a quelle dell'uomo. Al contrario, l'intelligenza artificiale debole nota anche come IA ristretta si concentra sul trovare soluzioni a compiti e problemi ben definiti con l'uso di tecniche specifiche.

Intelligenza Artificiale, vantaggi del machine learning

Il machine learning applicato all'intelligenza artificiale generativa ha consentito un rapido progresso di tecnologie come chatbot e assistenti virtuali. Oggi gli utenti hanno la possibilità di dialogare in tempo reale con un computer e ricevere aiuti e suggerimenti, elaborazione di testi, video e immagini, supporto in attività quotidiane, in base alle proprie preferenze.

Grazie anche al natural language processing, una tecnologia che consente a computer e macchine di elaborare e comprendere il linguaggio naturale umano, tali sistemi sono in grado di comprendere i termini utilizzati dall'uomo e di dare dunque anche risposte più precise.

Aiuto nella scrittura di e-mail e testi

Quello della generazione di testi è forse uno degli utilizzi dell'intelligenza artificiale che ha più riguardato gli utenti negli ultimi anni. Al momento tramite tecnologie di intelligenza artificiale basate su machine learning e deep learning è possibile avere un ausilio per la scrittura di e-mail, di testi per campagne di marketing o di articoli di blog.

Processo decisionale più rapido

Anche le decisioni possono essere prese in modo più rapido sfruttando le tecnologie di intelligenza artificiale. Possono fornire agli esperti di una determinata azienda analisi e report su dati che altrimenti richiederebbero molto più tempo per l'elaborazione. Azioni e processi decisionali possono dunque avvenire in maniera più tempestiva.

Norme sull’IA in Italia e in Europa

Dal punto di vista delle norme, il settore dell'intelligenza artificiale ha visto Italia ed Europa all'avanguardia rispetto al resto del mondo. Da pochi mesi è stato approvato il regolamento europeo sull'intelligenza artificiale, denominato Artificial Intelligence Act, che ha lo scopo di promuovere l'intelligenza artificiale massimizzandone i benefici e riducendone al minimo i rischi. Vengono anche individuati una serie di prodotti a rischio che prevedono controlli più stringenti.

Applicazioni dell'intelligenza artificiale

L'intelligenza artificiale sta apportando benefici in molti campi. Eccone alcuni dove il suo ruolo è stato particolarmente incisivo.

Sanità e medicina

L'intelligenza artificiale sta dando un grande contributo nel campo della medicina e della farmacologia. I software basati su IA consentono di fare analisi veloci sulle cartelle cliniche dei pazienti, di fare previsioni avanzate, di sviluppare farmaci in modo più veloce. Complessivamente, l'intelligenza artificiale consente di ridurre i tempi per determinate operazioni e si spera che possa nel prossimo futuro contribuire anche alla riduzione dei tempi d'attesa.

Finanza e assicurazioni

In campo finanziario e assicurativo, valutazioni e analisi dei rischi sono stati potenziati dalle tecnologie legate all'intelligenza artificiale. Va peraltro precisato come secondo le norme europee le analisi predittive in questi campi debbono essere assistite dalla supervisione umana, che deve evitare la cosiddetta "discriminazione algoritmica". In altre parole, i supervisori si devono accertare che un algoritmo di intelligenza artificiale non finisca per discriminare le persone per motivi legati a razza, estrazione sociale, orientamento sessuale, quartiere di residenza, etc.

Intelligenza artificiale, app per privati

I sistemi legati all'intelligenza artificiale hanno provocato una trasformazione anche nella vita quotidiana delle persone comuni. Oggi chiunque può trovare più facilmente la soluzione a un proprio problema o domanda avvalendosi di programmi basati su intelligenza artificiale, anche a basso prezzo o addirittura gratuitamente.

Produzione industriale

Anche la produzione industriale può essere aiutata dall'IA. Computer basati su IA possono consentire, ad esempio, il monitoraggio costante delle macchine di produzione. Tramite l'analisi predittiva possono anche dare informazioni su quando è probabile che un macchinario vada cambiato. L'intelligenza artificiale può anche dare suggerimenti per ottimizzare i processi produttivi e i flussi di lavoro.

Produttività e collaborazione aziendale

Anche l'ambito della produttività e collaborazione aziendale è stato impattato dai progressi dell'intelligenza artificiale, legati come si è detto anche alle tecnologie di machine learning e deep learning.

Ad esempio, il software Bitrix24 grazie all'intelligenza artificiale può offrire strumenti di ausilio, collaborazione e produttività come l'aiuto nella struttura dei testi, una gestione intelligente dei progetti, trascrizione automatica delle telefonate con i clienti, aiuto nella compilazione di form e di contatti del CRM. Tali strumenti consentono sia di affidare all'IA le mansioni più semplici, potendosi concentrare sugli elementi salienti di un progetto, sia di essere più produttivi nelle attività di marketing ottenendo più lead e conversioni.

Machine learning e intelligenza artificiale, quale futuro?

Il futuro di machine learning e intelligenza artificiale è sicuramente colmo sia di possibili benefici che di sfide. Il confronto con il mondo prima che l'intelligenza artificiale, anche grazie all'uso della tecnologie del machine learning, avesse il successo riscosso negli ultimi anni, ci indica che è stata sicuramente d'aiuto in molte attività quotidiane sia delle aziende che dei privati.

D'altra parte, molti hanno sottolineato anche criticità, come il possibile impatto negativo sull'occupazione, l'eventualità che l'IA possa essere accompagnata da algoritmi discriminatori, o che le sempre maggiori risorse da tecnologie come quella del deep learning possano avere un impatto negativo sull'ambiente.

Il recente Regolamento Europeo sull'intelligenza artificiale ha cercato di rispondere ad alcune di queste domande. Tuttavia, gli approcci futuri all'IA a livello globale saranno decisivi per cercare di massimizzare i benefici dell'intelligenza artificiale riducendo il più possibile rischi e svantaggi.