Intelligenza Artificiale e Automazione: siamo proprio sicuri di conoscerle?

12 febbraio 2020
Intelligenza Artificiale e Automazione: siamo proprio sicuri di conoscerle?

Un tempo era l’Intelligenza e basta, con un bel punto a seguire a sigillarne il significato. Poi arrivò quella Artificiale, poi ancora quella Emotiva, in un proliferare di concetti da mettere a fuoco.

Ma l’accezione che più di tutti si usa nel mercato ICT è quella di Intelligenza Artificiale.

A pronunciarla la memoria va subito a Spielberg e a quelle atmosfere alla Blade Runner, per continuare con le metafore cinematografiche, che tanto fanno paura e mettono distanze.

Ma che cos’è davvero? Siamo davvero sicuri di conoscerne le potenzialità?

Sì, perché in un momento di acronimi, inglesismi e quant’altro, conforterà forse sapere che l’intelligenza Artificiale non è di certo un fenomeno nato l’altro ieri, ma affonda le radici nella storia. Era il 1950 quando Alan Turing ne sanciva l’inizio, anche se per sentirla nominare ufficialmente per la prima volta dobbiamo aspettare qualche anno, più precisamente il 1956, quando John McCarthy ne formalizza la nascita.

Fatta chiarezza sulla nascita, ora, per comprenderla sarà utile prima leggerne una definizione di massima.

Alla voce Intelligenza Artificiale, Wikipedia cita:

L’intelligenza Artificiale è la disciplina appartenente all'informatica che studia i fondamenti teorici, le metodologie e le tecniche che consentono la progettazione di sistemi hardware e sistemi di programmi software capaci di fornire all'elaboratore elettronico prestazioni che, a un osservatore comune, sembrerebbero essere di pertinenza esclusiva dell’intelligenza umana”.

Si tratta insomma di sviluppare architetture necessarie perché le macchine funzionino simulando il cervello umano.

Da qui, per comprenderla davvero, è necessario associarla ad un altro concetto caro al mercato ICT, quello di Automazione, utilizzando metafore tratte dalla vita quotidiana che ne rendano più prossimo il significato.

Pensiamo in particolare al cervello e alle attività in cui ognuno di noi è coinvolto ogni giorno. Perché da una parte ci sono automatismi e attività routinarie necessarie sì, ma con basso livello di coinvolgimento della parte pensante (spesa, tragitto casa-lavoro…), e dall’altra compiti per forza di cose più impattanti per il nostro cervello (presentazioni al lavoro, colloqui, meeting, etc..).

Ecco, così per l’Automazione e l’Intelligenza Artificiale.

Dove l’automazione riguarda azioni ripetitive monotone e noiose da cedere alle macchine, così che gli utenti, le persone, possano dedicarsi ad attività a più alto valore aggiunto.

Un’azione che porta ad un business più efficiente, e una forza lavoro più produttiva e motivata, proprio perché libera dagli automatismi. L’Automazione insomma, attraverso i suoi tool, o RPA (Robotic Process Automation), più che il pensiero, riproduce infatti proprio le azioni e il comportamento umano.

L’Intelligenza Artificiale è invece qualcosa di diverso, che ha più a che fare con il pensiero, ed è progettata per simulare il funzionamento del cervello umano, ossia l’abilità di imparare dall’esperienza per prendere decisioni.

Si tratta del ramo dell’informatica dedicato a risolvere criticità che per complessità richiederebbero l'intelligenza umana. Pensiamo all’identificazione di correlazioni, il riconoscimento di immagini, di voce, di linguaggio. Tutte attività che necessiterebbero anche di più teste per essere risolte. 

Due tipi di strumenti, Automazione e Intelligenza Artificiale, molto diversi tra loro, le cui differenze risiedono anche nelle modalità in cui vengono eseguiti i task: perché nell’RPA ci si limita all'esecuzione di lavori basati su regole ben definite, che necessitano di input ben strutturati e rigidamente definiti, mentre nell’AI e nel Machine Learning (sottocategoria dell’Intelligenza Artificiale), proprio come accade sul lavoro in cui sono mille stimoli eterogenei a cui siamo sottoposti, non ci sono regole chiare. Il sistema deve apprendere in maniera autonoma e adattarsi alle diverse situazioni che si presentano in maniera quasi camaleontica, adattandosi al contesto.

Qui il punto di contatto è rappresentato dai dati, perché se l’Automazione li colleziona, dall’altra l’Intelligenza Artificiale, attraverso Machine Learning e, a cascata, Deep Learning, sottocategoria del Machine Learning che utilizza le architetture di reti neurali (modelli matematici che si ispirano al funzionamento del cervello umano), è in grado di interpretarli ed apprendere da questi per indirizzare il business.

Spiegazioni e paragoni utilissimi per carpire anche la potenzialità che risiede nella combinazione di questi due strumenti, quella di essere complementari: da una parte macchine che con semplici regole sono in grado di eseguire in maniera autonoma un numero grandissimo di azioni, dall’altra macchine che possono apprendere dall’esperienza e modificare le regole di input e quindi guidare le prime in modo da adattare le azioni al modificarsi dell’ambiente esterno.

Due boost fondamentali insomma, che partono dalla storia per orientare il futuro stesso delle aziende, ma per comprendere e abilitarle, ancora una volta, serve prima di tutto attivare adeguatamente il cervello umano, qualche idea, a questo punto, sulle altre possibili applicazioni?

In evidenza

Articoli correlati

Webinar - Gestione e protezione dei dati in ambienti multi-cloud
Webinar - Gestione e protezione dei dati in ambienti multi-cloud
Webinar - Come utilizzare Teams per la collaborazione degli utenti da remoto
Webinar - Come utilizzare Teams per la collaborazione degli utenti da remoto
Webinar - Protezione e Compliance  degli asset in Cloud
Webinar - Protezione e Compliance degli asset in Cloud