Intelligenza artificiale

Cos’è l’intelligenza artificiale?

Intelligenza artificiale (AI) si riferisce in generale a qualsiasi comportamento simile a quello umano visualizzato da una macchina o un sistema. Nella forma più elementare dell'AI, i computer sono programmati per "imitare" il comportamento umano utilizzando dati estesi da esempi precedenti di comportamenti simili. Può variare dal riconoscimento delle differenze tra un gatto e un uccello all'esecuzione di attività complesse in un impianto di produzione.

Ulteriori informazioni sull'intelligenza artificiale

Deep learning, pensiero strategico o un'altra specie di intelligenza artificiale: alla base del suo utilizzo ci sono situazioni che richiedono risposte fulminee. Con l'intelligenza artificiale, le macchine possono operare in modo efficiente e analizzare grandi quantitativi di dati in un batter d'occhio, risolvendo i problemi attraverso l'apprendimento supervisionato, non supervisionato o rinforzato.

 

Gli albori dell’intelligenza artificiale

Nelle sue prime forme, l'AI consentiva ai computer di giocare a dama contro gli umani. Oggi, invece, è la normalità. Facciamo affidamento sull’AI per il quality control, l'analisi video, la sintesi vocale (elaborazione del linguaggio naturale) e la guida autonoma, nonché le soluzioni per la sanità, la produzione, i servizi finanziari e l'intrattenimento.

Tool potente per aziende e organizzazioni

L'intelligenza artificiale può essere un tool molto potente sia per le grandi aziende che generano dati significativi, sia per le piccole organizzazioni che devono elaborare le chiamate con i clienti in modo più efficiente. L'intelligenza artificiale può semplificare i processi aziendali, completare le attività in modo più rapido, eliminare gli errori umani e molto altro ancora.

 

 

L’AI all’edge

HPE apre la strada a una nuova frontiera dell'intelligenza artificiale sfruttando i dati e acquisendo informazioni all'edge. L'intelligenza artificiale analitica in tempo reale impiegata per l'automazione, la previsione e il controllo consente di sfruttare i vantaggi dei dati in tempi più rapidi e apre la strada a opportunità illimitate di innovazione, crescita e successo.

Breve storia dell'intelligenza artificiale

Prima del 1949, i computer potevano eseguire comandi, ma non riuscivano a ricordare cosa facevano perché non erano in grado di memorizzarli. Nel 1950, Alan Turing analizzava le modalità necessarie per costruire macchine intelligenti e testare questa intelligenza nel suo articolo "Computing Machinery and Intelligence". Cinque anni dopo, fu presentato il primo programma di AI nel Dartmouth Summer Research Project on Artificial Intelligence (DSPRAI). Questo evento indirizzò la ricerca sull'intelligenza artificiale nei decenni successivi.

I computer sono diventati più veloci, abbordabili e accessibili tra il 1957 e il 1974. Gli algoritmi di machine learning miglioravano e, nel 1970, uno degli ospiti di DSPRAI aveva detto a Life Magazine che, nel giro di tre-otto anni, ci sarebbe stata una macchina con l'intelligenza generale di un essere umano medio. Nonostante il loro successo, l'incapacità dei computer di archiviare o elaborare rapidamente le informazioni in modo efficiente ha creato ostacoli alla ricerca dell'intelligenza artificiale per i successivi dieci anni.

L'intelligenza artificiale è stata ripresa negli anni '80 con l'espansione del toolkit algoritmico e più fondi dedicati. John Hopefield e David Rumelhart hanno introdotto tecniche di "deep learning" che hanno consentito ai computer di apprendere attraverso l'esperienza. Edward Feigenbaum ha introdotto "sistemi esperti" che imitavano il processo decisionale umano. Nonostante la mancanza di finanziamenti governativi e di clamore pubblico, l'intelligenza artificiale prosperava, e molti obiettivi storici sono stati raggiunti nei successivi due decenni. Nel 1997, il campione del mondo di scacchi in carica e Grandmaster Gary Kasparov è stato sconfitto da Deep Blue di IBM, un programma per computer in grado di giocare a scacchi. Lo stesso anno, il software di riconoscimento vocale sviluppato da Dragon Systems è stato implementato su Windows. Cynthia Breazeal ha sviluppato anche Kismet, un robot in grado di riconoscere e mostrare emozioni.

Nel 2016, il programma AlphaGo di Google ha battuto il maestro di Go Lee Se-dol, e l’anno dopo il supercomputer Libratus ha battuto a poker i migliori giocatori umani.

 

Tipi di intelligenza artificiale

L'intelligenza artificiale è suddivisa in due categorie principali: AI sulle funzionalità e AI basata sulle capacità.

 

AI basata sulle funzionalità

  • Macchina reattiva: questa AI non ha potere di memoria e non ha la capacità di imparare dalle azioni passate. Deep Blue di IBM rientra in questa categoria.
  • Teoria limitata: con l'aggiunta della memoria, questa intelligenza artificiale utilizza le informazioni passate per prendere decisioni migliori. Le applicazioni comuni come le app di localizzazione GPS rientrano in questa categoria.
  • Teoria della mente: questa intelligenza artificiale è ancora in fase di sviluppo. Il suo l'obiettivo è comprendere molto più a fondo le menti umane.
  • AI autoconsapevole: questa AI, che potrebbe comprendere ed evocare le emozioni umane oltre ad avere le sue, è tuttora solo ipotetica.

AI basata sulle capacità

  • ANI (intelligenza artificiale ristretta): un sistema che esegue compiti programmati definiti in modo ristretto. Questa AI ha una combinazione di memoria reattiva e limitata. La maggior parte delle applicazioni di intelligenza artificiale di oggi rientra in questa categoria.
  • AGI (intelligenza artificiale forte): questa intelligenza artificiale è in grado di addestrare, apprendere, comprendere e comportarsi come un essere umano.
  • ASI (Super intelligenza artificiale): questa intelligenza artificiale esegue compiti meglio degli umani per le sue capacità decisionali, di elaborazione dei dati, di memoria e di livello superiore. Per ora, questo tipo di intelligenza artificiale non trova riscontro nella realtà.

 

Relazione tra intelligenza artificiale, machine learning e deep learning

L'intelligenza artificiale è una branca dell'informatica che cerca di simulare l'intelligenza umana in una macchina. I sistemi di intelligenza artificiale sono basati su algoritmi, che utilizzano tecniche come machine learning e deep learning per dimostrare un comportamento "intelligente".

 

Machine Learning

Un computer “apprende” quando il suo software è in grado di prevedere e reagire a scenari in corso in base a risultati precedenti. Machine learning si riferisce al processo per mezzo del quale i computer sviluppano il riconoscimento dei modelli, vale a dire la capacità di apprendere continuamente e di fare previsioni utilizzando i dati per poi apportare modifiche in autonomia, senza essere appositamente programmati per farlo. Il machine learning, che è una forma di intelligenza artificiale, automatizza in modo efficiente il processo di costruzione di modelli analitici e consente alle macchine di adattarsi ai nuovi scenari in modo autonomo.

Qui di seguito sono indicati i quattro passaggi per la creazione di un modello di machine learning.
1. Selezione e preparazione di un set di dati di addestramento necessario per risolvere il problema. Questi dati possono essere etichettati o non etichettati.
2. Scelta di un algoritmo da eseguire sui dati di addestramento.

  • Se i dati sono etichettati, l'algoritmo potrebbe essere di regressione, basato su alberi decisionali o su istanze.
  • Se i dati non sono etichettati, l'algoritmo potrebbe essere un algoritmo di clustering, un algoritmo di associazione o una rete neurale.

3. Addestramento dell'algoritmo per la creazione del modello.
4. Utilizzo e miglioramento del modello.

Esistono tre metodi di machine learning: l'apprendimento "supervisionato" funziona con dati etichettati e richiede meno addestramento. L'apprendimento "non supervisionato" viene utilizzato per classificare i dati non etichettati identificando modelli e relazioni. L'apprendimento "semi-supervisionato" utilizza un piccolo set di dati etichettati per guidare la classificazione di un set di dati non etichettato più ampio.

 

Deep learning

Il deep learning è un sottoinsieme del machine learning e ha dimostrato prestazioni nettamente superiori rispetto ad alcuni approcci di machine learning tradizionali. Il deep learning si avvale di una combinazione di reti neurali artificiali multi-livello e addestramento con utilizzo di grandi volumi di dati e di elaborazione, ispirata alle più recenti scoperte sul comportamento del cervello umano. Questo approccio è diventato così efficace da iniziare persino a superare le capacità umane in numerosi campi, ad esempio il riconoscimento visivo e vocale e l’elaborazione del linguaggio naturale.

I modelli di deep learning elaborano grandi quantità di dati e sono generalmente non supervisionati o semi-supervisionati.

 

Trasformare i dati in efficienza e vantaggio competitivo con le moderne applicazioni AI

Dopo secoli di teorie, decenni di ricerca e anni di pubblicità, l'intelligenza artificiale ha finalmente iniziato a fare breccia nelle aziende, dove è destinata a diventare pervasiva. In una recente indagine del settore, il 50% degli intervistati ha affermato di aver implementato un'iniziativa di intelligenza artificiale, di averne una in fase di proof of concept o di aver intenzione di farlo entro il prossimo anno.A%20Guide%20to%20Enterprise%20AI%3A%20Use%20Cases%20and%20Overcoming%20Key%20Barriers%20to%20Adoption%2C%20451%20Research%20Pathfinder%20Report%2C%20luglio%202019.

 

Perché il ritmo dell'AI enterprise sta accelerando

I recenti progressi degli algoritmi, la proliferazione dei set di dati digitali e i progressi dell'elaborazione (sia in termini di aumento della potenza di elaborazione che di diminuzione dei prezzi) si sono uniti per dare vita a una nuova generazione di tecnologia AI predisposta per le aziende. Quasi tutte le organizzazioni assistono a un aumento sempre più consistente degli asset di dati, e l’intelligenza artificiale è la soluzione che consente loro di analizzare tutte queste risorse su vasta scala.

L'AI è anche destinata a diventare un punto fermo dell'azienda come pilastro nel processo di trasformazione digitale. L'AI è una tecnologia dalle mille sfaccettature che può ottimizzare l'efficienza e le informazioni praticamente per qualsiasi processo aziendale, dalle operazioni del servizio clienti ai sistemi fisici e di sicurezza informatica fino alle funzioni di ricerca e sviluppo e ai processi di business analytics.

 

Applicazioni moderne dell'AI

L’AI ha la singolare capacità di estrarre il significato dai dati quando si è in grado di definire la risposta ma non di arrivarci. L’AI può espandere le capacità umane e trasformare i dati in crescita esponenziale in informazioni, azioni e valore.

Oggi, l'intelligenza artificiale viene utilizzata in una vasta gamma di applicazioni in tutti i settori, tra cui sanità, produzione e pubblica amministrazione. Ecco alcuni casi d'uso specifici.

  • La manutenzione prescrittiva e il Quality Control migliorano il settore della produzione, manifatturiero e retail con un framework aperto per IT/OT. Le soluzioni integrate prescrivono le migliori decisioni di manutenzione, automatizzano le azioni e migliorano i processi di Quality Control implementando tecniche di visione artificiale basate sull'AI enterprise.
  • L’elaborazione del parlato e del linguaggio trasforma i dati audio non strutturati in informazioni e intelligenza. Automatizza la comprensione della lingua parlata e scritta da parte delle macchine tramite l'elaborazione del linguaggio naturale, l'analisi speech-to-text, la ricerca biometrica o il monitoraggio delle chiamate in tempo reale.
  • L’analisi di video e la videosorveglianza analizzano automaticamente i video per rilevare eventi, scoprire identità, ambienti e persone per ottenere informazioni operative. Utilizza sistemi di analisi video edge-to-core per un'ampia gamma di carichi di lavoro e condizioni operative.
  • La guida altamente autonoma è basata su una piattaforma di acquisizione dati a scalabilità orizzontale che consente agli sviluppatori di creare la migliore soluzione di guida altamente autonoma, predisposta a servizi open source, machine learning e reti neurali di deep learning.

 

I vantaggi derivanti dal giusto partner di AI

Per delineare al meglio il percorso verso l'AI enterprise, è necessario trovare un partner che comprenda la fase attuale in cui si trova l'organizzazione e sia in grado di tracciare un percorso verso l'AI per raggiungere gli obiettivi a breve e lungo termine.

Collaborare con il giusto partner può contribuire a liberare il valore dei dati in tutta l'azienda per potenziare la trasformazione aziendale e la crescita. Cerca un partner in grado di offrire:

  • Soluzioni end-to-end per ridurre la complessità e supportare l'integrazione con l'infrastruttura esistente
  • Advisory and Professional Services
  • Opzioni on-premise, cloud e ibride che tengono conto della posizione del team, delle esigenze di accesso, della sicurezza e dei vincoli di costo
  • Sistemi scalabili per le esigenze attuali e future
  • Un ecosistema di partner esperti con soluzioni specifiche del settore

 

HPE AI fornisce informazioni on demand, su qualsiasi scala

La trasformazione delle aziende richiede un'intelligenza artificiale analitica in tempo reale per controlli proattivi, manutenzione predittiva, processi autonomi e informazioni rivoluzionarie. L'intelligenza artificiale all'Intelligent Edge consente alle aziende di realizzare il valore dei dati in tempi più rapidi e fruire di opportunità illimitate per l'innovazione e la crescita.

HPE collabora con le organizzazioni per acquisire tutta la potenza dei dati nella nuova frontiera dell'AI, sfruttando le informazioni all'edge come, quando e dove serve.

 

Perché scegliere HPE per l'AI

Con HPE come partner AI, i clienti possono sfruttare quanto segue.

 

Leadership tecnologica e innovazione nell'AI

Soluzioni HPE basate sui risultati, appositamente realizzate per l'AI e progettate da esperti per l'Intelligent Edge.

  • Ampia gamma di hardware e software HPE
  • Portafoglio software HPE Ezmeral per l’orchestrazione dei container, la gestione dei dati e il data fabric
  • Aruba Edge Services Platform

 

Competenza nell’AI

Modelli di servizio e distribuzione basati su solido know-how ed esperienza comprovata.

  • Servizi operativi e di consulenza HPE Pointnext
  • Opzioni HPE Financial Services
  • Modelli di distribuzione e consumo HPE GreenLake
  • Workshop sulla trasformazione dell’IoT HPE per mettere a punto il percorso verso l'AI all'edge

 

Vantaggio competitivo dell'AI

I punti di forza di HPE contribuiscono al vantaggio aziendale dei clienti.

  • Operazioni efficienti all'edge con potenza analitica in tempo reale per l'automazione, la previsione e il controllo
  • Edge in azione per creare nuovo valore, opportunità di business, modelli e customer experience
  • Partnership IT e OT che accelera il time-to-insight con maggiore efficienza

 

HPE AI in più settori

HPE AI aiuta le aziende in ogni settore a sfruttare le informazioni all'edge con tecnologie appositamente realizzate. Le organizzazioni abilitano l'AI all'edge per connettività, autonomia, gestione di grandi volumi di dati ed eventi dalle tempistiche critiche. Dalle cliniche ai laboratori, dai magazzini alle aziende, i casi d'uso comprendono l'elaborazione del linguaggio naturale (NLP), l'analisi dei video, la quality assurance (QA), la sorveglianza e la sicurezza, nonché il sentiment dei clienti.

Le organizzazioni nel settore sanitario e life sciences utilizzano HPE AI ed estrarre informazioni mediche e fornire nuovi livelli di assistenza all'edge. I casi d'uso vanno dal monitoraggio della salute con dispositivi indossabili e dall'assistenza sanitaria personalizzata alla medicina sanitaria e alla salute connessa. L'AI all'edge viene anche utilizzata nello swarn learning per la scoperta distribuita e in altre applicazioni per promuovere la ricerca medica e le scoperte scientifiche.

Nel settore manifatturiero, HPE AI contribuisce ad aumentare la produttività e l'efficacia complessiva degli impianti (OEE, Overall Equipment Effectiveness) all'edge. I casi d'uso includono operazioni intelligenti, analisi predittiva su risorse e processi all'interno della supply chain e simulazioni con l'AI.