La grande corsa all’Intelligenza Artificiale

La grande corsa all’Intelligenza Artificiale

20 luglio 2018
Dotmedia

Mentre in California e a San Francisco stanno andando avanti i preparativi per il Trasform 2018, noto come MobileBeat, e dell’AI Summit, dedicato all’Intelligenza artificiale, vediamo perché le aziende dovrebbero investire in questo settore.

 

Il 21 e il 22 agosto, a Mill Valley, in California, grandi Brand si incontreranno per parlare di Artificial Intelligence all’evento Transform: da Fandango a Etsy, da Trivago a eBay, solo per fare alcuni nomi.

Il panel dell’evento mostra essenzialmente i nuovi campi di interessi e come questi sono già diventati le nuove priorità all’interno delle più grandi aziende: strategie social personalizzate e migliorate attraverso l’Artificial Intelligence, i Big Data e il sorpasso dei dispositivi a voce e audio.

Non molto diverso sarà il programma de The AI Summit, che il 19-20 settembre, a San Francisco, supportato dai principali fornitori di soluzioni AI, tra cui Amazon, Google Cloud, Genpact, HCL, Facebook, Salesforce, IBM, Microsoft, e altri, calmerà gli appetiti dei visionari con le soluzioni più interessanti per i settori industriali.

Ma questi sono solo due dei tanti eventi che in questi mesi in tutto il mondo si stanno svolgendo, portandoci verso un’unica questione: ovvero come l’Artificial Intelligence (AI) e, in particolare, il Machine Learning (ML),  sta cambiando il modo di interagire tra aziende e consumatori.

La grande corsa all’Intelligenza Artificiale

 

È ormai in atto la corsa alle tecnologie emergenti come l’ML. Nel maggio 2018, Forrester Consulting ha intervistato 433 responsabili di azienda in Europa occidentale e negli Stati Uniti, e quasi la metà ha dichiarato che saranno impiegati all’interno delle aziende nelle quali operano importanti investimenti sull’AI entro il prossimo anno. Alcuni mesi prima, a febbraio 2018, un sondaggio simile, condotto da PointSource, ha rilevato che un terzo dei responsabili di azienda intervistati (679) stava considerando possibili fornitori e un altro 40% era in fase di verifica.

Come mai tutto questo affanno? Secondo l’agenzia di analisi BrightEdge, per gli operatori del settore marketing, il vantaggio principale dell’AI/ML è che può fornire una migliore comprensione del cliente. E comprendere il cliente significa soddisfare i suoi bisogni, ergo creare con lui un legame. Un obiettivo alquanto appetitoso per le aziende di tutto il mondo.

Artificial Intelligence e 10 attività tecnologiche usate dalle aziende


Ok, lo sappiamo tutti ma è meglio ricordarlo: con “Artificial Intelligence” s’intende l’intelligenza esibita dalla macchina quando simula funzioni cognitive come ad esempio l’apprendimento e la risoluzione dei problemi. L’Artificial Intelligence si può applicare a diversi mercati proprio perché può sviluppare una serie di attività/implementazioni tecnologiche. Eccone 10:

  • Natural Language Processing (Programmazione neuro linguistica – PNL). È l’elaborazione del linguaggio naturale mediante un calcolatore elettronico che abilita una macchina non solo a comprendere un testo ma anche l’espressione. Il NLP è usato nel customer care, nei riassunti automatici, nelle analisi dei testi ma anche nelle analisi del ‘sentiment’, per misurare il livello di emotività di un determinato discorso.
  • Speech Recognition. Trascrizione e trasformazione di discorsi di esseri umani per applicazioni informatiche. È attualmente usata nei sistemi di risposta vocale interattivi.
  • Virtual Agents, assistenti virtuali. Dai semplici chatbot, “segretari virtuali” in grado dialogare in automatico in chat con i clienti rispondendo a semplici e comuni domande, a sistemi più avanzati. Questa tecnologia è attualmente usata nel customer service e nella smart home.
  • Piattaforme di machine learning. È una classe di algoritmi che automatizza la costruzione di modelli analitici e offre ai computer la capacità di apprendere e trovare informazioni nascoste senza essere stati esplicitamente programmati.
  • AI-optimized Hardware. Unità di elaborazione grafica (GPU) e dispositivi specificamente disegnati e costruiti per eseguire in modo efficiente lavori di computazione.
  • Decision Management. È una tecnologia usata in una vasta gamma di applicazioni imprenditoriali per assistere o realizzare processi decisionali in automatico.
  • Deep Learning Platform. Uno speciale tipo di machine learning che consiste in una rete neurale artificiale, usato attualmente soprattutto nella pattern recognition (per esempio il riconoscimento di sagome o volti da parte di apparecchi di sorveglianza).
  • Biometrica. Rende possibili interazioni più naturali tra esseri umani e macchine, compresi immagini, touch recognition, parole e linguaggio del corpo. È usata principalmente nelle ricerche di mercato.
  • Robotic Process Automation. Utilizzo di testi o altri metodi per automatizzare l’azione umana in modo da supportare processi imprenditoriali efficienti. È utilizzata laddove è troppo costoso o scarsamente efficiente far eseguire determinati compiti agli esseri umani.
  • Text Analytics e NLP: Il Natural language processing (NLP) usa e supporta il text analytics facilitando la comprensione di strutture e significato delle frasi, ma anche del loro ‘sentimento’ e del loro intento attraverso metodi statistici e di machine learning. Sono usati nell’individuazione delle frodi e nella security.

“Un mercato che nel 2018
raggiungerà
19,1 miliardi di dollari.”

Verso una migliore comprensione del Cliente

 

Nel 2018, riferisce Statista, i ricavi dal mercato dei sistemi di Intelligenza artificiale e cognitivi dovrebbero raggiungere 19,1 miliardi di dollari a livello globale e oltre i 47 miliardi nel 2020 (IDC). Inoltre, le previsioni indicano che il fatturato mondiale del mercato dell’AI potrebbe aumentare di dieci volte nel periodo di tempo che va dal 2017 al 2022.

Le Big Player stanno investendo molto su questo settore, non solo perché consapevoli che queste tecnologie che imitano il comportamento della mente umana aiutano a migliorare le loro attività, ma soprattutto rappresentano in modo più innovativo per attirare i clienti ai servizi. Un assaggio di questo ci è stato dato con l’assistente digitale Google Duplex che chiama un parrucchiere e un ristorante e prenota un appuntamento e un tavolo, senza che dall’altro lato del telefono si capisca che c’è un robot.

Nel corso dell’ultimo anno, IBM ha spinto l’acceleratore su Watson, la sua tecnologia core per l’Artificial Intelligence, come supporto per la cura del cancro. Uber, nonostante le beghe legali, ha trovato il tempo per investire e poi presentare Michelangelo, una piattaforma interna di ML as-a-service che “democratizza l’apprendimento automatico e rende scalabile l’AI per soddisfare le esigenze di un’azienda in modo semplice come prenotare una corsa”.

Ma anche molti istituti bancari stanno cercando di ricavare da queste tecnologie insight utilizzabili. È il caso della U.S. Bank che nel 2017 ha utilizzato la tecnologia Einstein AI/ML di Salesforce.com per aumentare la personalizzazione in alcune business unit. “Se un cliente ha cercato sul sito della banca informazioni sui prestiti ipotecari, un agente del customer service clienti può fare il follow up del cliente la prossima volta che visiterà il sito. Einstein permette anche di riconoscere pattern che gli esseri umani potrebbero non vedere. Per esempio, il software può suggerire agli agenti di contattare un futuro cliente in un settore particolare il giovedì dalle 10.00 alle 12.00, perché è l’orario in cui è più probabile che risponda a una telefonata. Einstein può anche inserire un promemoria nel calendario dell’agente per ricordargli di chiamare il potenziale cliente il giovedì successivo.” Allo stesso modo, Mastercard utilizza il machine learning per automatizzare tutte le attività ripetitive e manuali, e anche per rilevare anomalie nel sistema e intrusioni da parte di hacker.

 

Le startup A.I. Intelligenza Artificiale

Capire come colmare il divario tra l’intelligenza umana
e quella artificiale sarebbe come trovare il Santo Graal

Hakwan Lau, un neuroscienziato dell’Università di California
, Los Angeles

E mentre le Big Player corrono per accaparrarsi una fetta di torta, possiamo notare che nel giro di pochi anni sono nate in tutto il mondo 260 diverse startup di Artificial Intelligence. Nascono le startup, aumentano i finanziamenti: e in effetti, nel 2017, la ricerca condotta dall’Osservatorio Startup Intelligence del Politecnico di Milano, ha messo in luce che dal 2011 a giugno 2016 le startup – sia a livello nazionale che internazio­nale, nate a partire dal 2011 e con finanziamenti ricevuti a partire da ottobre 2013 – hanno ricevuto un totale di 1,2 miliardi di dollari su 258 startup di Artificial Intelligence; mentre il finanziamento medio ottenuto da ciascuna startup è risultato pari a 5,5 milioni di dollari. Cifre che saranno raddoppiate e triplicate nel giro di pochi anni, a quanto pare.

Per adesso tra le startup più finanziate al mondo ci sono la cinese iCarbonX e l’israeliana Law Geex. La prima, iCarbonX, punta a costruire un sistema intelligente basandosi sul comportamento biologico dell’individuo e dati psicologici, internet e Artificial Intelligence. In pratica consente di analizzare le abitudini di vita, attraverso i dati contenuti in tutti i device dell’individuo, per prevenire eventuali problemi che potrebbero insorgere nella sua vita. È una sorta di assistente healthcare che aiuta a condurre una vita sana.

Law Geex, invece, si è orientata verso l’analisi dei contratti. Inserendo il contratto nel sistema, è in grado, in sole 24 ore, di individuare clausole insolite, problematiche o mancanti e di fornire benchmark statistici per semplificare la decisione da prendere. Per contratti di lavoro o locazione il servizio è gratuito, per altri tipi di contratto si paga volta per volta o attraverso un abbonamento mensile.

La grande corsa all’Intelligenza Artificiale ultima modifica: 2018-07-20T12:14:00+00:00 da dotadmin

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *