PRISMI News

AI out of the box, come l’intelligenza artificiale rivoluziona le aziende

Scritto da Denis Baruffaldi il 22-10-2020

Argomenti: ilwebdiventasemplice, aida, SEO AI

Siamo nel 2020, dobbiamo farcene una ragione: a vent’anni dal millenium bug, quando pareva che il mondo si dovesse fermare, l’unica cosa che ha realmente fermato il mondo è un virus, di quelli veri, però! Eppure, nonostante questo e il fatto che passiamo più tempo connessi che a guardare il sole, quando viene nominata l’intelligenza artificiale, nella mente di molti scorrono immagini apocalittiche figlie della narrativa o, soprattutto, della filmografia “robotica” e fantascientifica.

Virus a parte, di cosa altro dobbiamo farci una ragione, in questo 2020? Soprattutto del fatto che l’intelligenza artificiale, nelle sue varie applicazioni, è qualcosa di utile, reale e quotidiano. E che, anche se forse non ce ne rendiamo conto, abbiamo smesso di parlarne e abbiamo iniziato da tempo ad usarla.

Come lintelligenza artificiale rivoluzione le aziende

65 anni

È passato un po’ da quando, nel 1955, lo scienziato John McCarthy coniò il termine “Intelligenza Artificiale”; con esso definiva tutte le tecniche e i processi che consentono a un elaboratore di simulare il comportamento umano, nell’agire o nel decidere.

Sembrano forse tanti 65 anni, ma per l’evoluzione umana si tratta di un periodo brevissimo, e per di più la vera rivoluzione è avvenuta solo negli ultimi 10 anni: sì, perché, nei primi decenni, questa ricerca delle capacità umane negli elaboratori ha contribuito soprattutto a evolvere i linguaggi di programmazione preparando il terreno, con tutti i limiti tecnologici del caso, alla futura rivoluzione digitale.

È negli anni ’90, infatti, che i personal computer, figli in realtà degli anni '80, diventano oggetto di consumo abbordabile e cominciano a entrare nelle case e nelle imprese più piccole, impattando concretamente sulla vita personale e lavorativa delle persone; soprattutto però nasce internet, che di questa rivoluzione è stato forse il driver più importante, in quanto ha stimolato la necessità di essere connessi.

Dobbiamo considerare che con il personal computer è nato anche il cosiddetto Machine Learning, cioè l’AI volta a dare ad un computer la capacità di imparare, senza essere programmato in maniera esplicita. Il ML comprende la maggior parte delle applicazioni dell’AI di oggi, e tuttavia non ne esprime ancora il massimo potenziale che, come spesso succede, deve attendere un’ulteriore evoluzione tecnologica.

Le reti neurali

Copiare il cervello umano per emularne il funzionamento? Eh sì, parliamo proprio di quello. Ma faremmo un errore a considerare questa tecnologia come una novità: le reti neurali hanno origine da studi sui paradigmi dell’apprendimento di molti decenni precedenti la loro applicazione.

La loro caratteristica è la capacità di imparare, come il cervello umano: dobbiamo cioè somministrargli una certa quantità di dati, fargli vedere cosa ci faremmo noi, poi lasciare che la macchina replichi il nostro comportamento, avendo l’accortezza di farle capire se sbaglia. Come facciamo quando insegniamo a un bambino.

Le reti neurali trovano applicazione su 3 grandi fronti:

  1. Approssimazione (previsionale);
  2. Classificazione (riconoscimento);
  3. Elaborazione dei dati (filtro).

Si pensi per esempio al controllo di processi o di veicoli, la simulazione di giochi e processi decisionali, il riconoscimento di oggetti, volti, gesti, immagini e voci, applicabili perfino all’analisi medico-diagnostica, o a filtri anti-spam per e-mail, applicazioni finanziare, ecc...

Il vero merito

Proprio la possibilità, concreta e relativamente abbordabile, di applicare in ambito personale o aziendale queste tecnologie, costituisce il massimo potenziale odierno dell’AI, o meglio del Deep Learning (o DL), che ci prepara alla prossima rivoluzione; ma cosa ha reso possibile questa innovazione?

Un mix di fattori, se guardiamo bene, che nell’ultimo decennio ha completato il suo sviluppo:

  1. Hardware – l’evoluzione delle capacità computazionali rende possibile l’elaborazione di modelli di Deep Learning complessi, applicabili a enormi quantità di dati: impensabile solo pochi anni prima;
  2. Cloud – la tecnologia di virtualizzazione consente di predisporre velocemente ambienti di apprendimento per i modelli di machine learning e di distribuirne i risultati sfruttando il paradigma SaaS (Software as a Service);
  3. Banda larga – il suo sviluppo consente di scambiare velocemente grandi quantità di dati ed usufruire in tempo reale dei servizi che si appoggiano sulle tecnologie di machine learning;
  4. I colossi del digitale – Google, Amazon, Facebook, ecc… disponendo di risorse pressoché illimitate, hanno dato inizio al percorso di miglioramento dei propri servizi e, dopo l’applicazione pratica, hanno messo a disposizione software, interfacce e modelli che consentono, a seconda delle esigenze, di progettare, realizzare o utilizzare applicazioni di Deep Learning con la formula del pay per use, ovvero a consumo.

Portare l’AI in azienda

Diceva Henry Ford che “c’è vero progresso quando i vantaggi di una nuova tecnologia diventano per tutti”: ebbene, ci stiamo avvicinando a quel momento.

Esistono già molti prodotti o servizi che consentono di portare l’AI in azienda in varie applicazioni “intelligenti”, ma è possibile ottenere il meglio, forse, progettando l’AI su misura per noi, insieme a una software house.

Potremmo, ad esempio, addestrare l’AI per riconoscere, attraverso immagini, i pezzi conformi allo standard da quelli difettosi oppure sfruttare servizi di analisi del testo per comprendere le esperienze dei nostri clienti attraverso i loro feedback, ricavando già una mappa di cosa migliorare nei nostri prodotti o servizi.

Vi sono servizi web già pronti, forniti grazie al Deep Learning, che possiamo sfruttare per classificare informazioni, tradurre documenti e tanto altro; molti di questi li possiamo trovare su Amazon AWS https://aws.amazon.com/it/ o su Google Cloud https://cloud.google.com/products/, ma anche altre aziende, come Microsoft https://azure.microsoft.com/it-it/free/machine-learning/ si stanno muovendo da tempo.

Integrare l’Ai nei propri processi e sistemi è ovviamente impegnativo anche solo dal punto di vista analitico, ma l’impatto della messa a terra di queste tecnologie è spesso, in senso positivo, dirompente (o “disruptive” come direbbero gli inglesi); parliamo di benefici quantitativi e qualitativi profondi come risparmio di risorse, tempi e recupero di competitività.

È per questo motivo che noi di PRISMI, oltre 3 anni fa, abbiamo deciso, attraverso la controllata Wellnet S.r.l., di integrare questa tecnologia nel nostro campo di eccellenza: la SEO, ovvero l’ottimizzazione dei siti web al fine di posizionarli sui motori di ricerca, Google in primis.

L’esperienza di PRISMI

Quando cerchiamo qualcosa su Google, i risultati che otteniamo sono visualizzati secondo un ordine preciso, con il quale “Big G” cerca di rispondere al meglio alla nostra richiesta così che noi, scegliendo un risultato, possiamo procedere a un acquisto, a raggiungere un luogo ad approfondire la nostra conoscenza di un prodotto.

Questo incontro tra il bisogno che ha generato una ricerca e l’utilità della risposta data da Google chiarisce il valore che può avere per un’azienda comparire ai primi posti insieme ai suoi prodotti, un valore spesso determinante per il fatturato.

Ma come fa Google a decidere che cosa è più utile per rispondere alle ricerche che effettuiamo? Diversi fattori, più o meno tecnici, entrano in gioco, e riguardano grossomodo le seguenti aree:

  1. lo scopo finale della ricerca
  2. il significato dei termini di ricerca
  3. la probabilità che i siti classificati, per contenuto e autorevolezza, saranno scelti dall’utente tra i risultati di ricerca e soddisfino la ricerca
  4. la qualità con cui i siti classificati risultano fruibili dagli utenti una volta cliccati

In PRISMI, attraverso il progetto AIDA, siamo in grado, dopo anni di ricerca e sviluppo, di analizzare i risultati di un intero settore, una nicchia di prodotto oppure di mappare la domanda espressa dal mercato per i prodotti di una singola azienda cliente e, attraverso il Deep Learning, ottenere una misurazione attendibile di come Google ha “pesato” oltre 700 fattori che possono influenzare la SEO. È come se la nostra AI andasse a studiare Google per dirci, scientificamente, dove agire per avere maggiori probabilità di posizionare il sito di un’azienda cliente.

Puoi approfondire AIDA e alcuni casi di studio richiedi maggiori informazioni compilando il form sottostante.