Il Glossario di Klondike sull'Intelligenza Artificiale

Le persone spesso vedono l’Intelligenza Artificiale come robot che prendono vita per interagire con gli umani. Ma l’AI è molto di più, e per capirne il significato nel suo complesso bisogna prima approfondire molti altri termini.

Noi di Klondike abbiamo deciso di creare un Glossario dell’Intelligenza Artificiale per permettere anche ai “non addetti ai lavori” di avvicinarsi a questo affascinante mondo e comprendere meglio alcuni termini le cui definizioni sono date troppo spesso per scontate.

Il Glossario sarà costantemente aggiornato, tornate per controllare tutti gli aggiornamenti.

A

ALGORITMO

L’algoritmo è una formula matematica, o un procedimento, che consente a un computer di risolvere un determinato problema. Nel campo dell’informatica si traduce in una sequenza di operazioni elementari, dette istruzioni, eseguibili da un computer.

Può trattarsi di un calcolo, dell’elaborazione di dati o dell’automatizzazione di attività ripetitive. Il termine deriva dal latino medievale algorismus mediato da al-Khuwārizmī, del matematico arabo Muḥammadibn Mūsa del nono secolo.

B

BOT

Per Bot o Chatbot, una delle soluzioni più diffuse e presenti all’interno delle aziende, si intende un software finalizzato alla comunicazione in linguaggio naturale con esseri umani e con il fine di automatizzare particolari compiti o reperire informazioni da banche dati. È uno strumento capace di offrire un’assistenza 24/7 tramite testi o audio sia ai propri clienti che ai propri dipendenti, e che si presta a diversi impieghi in differenti settori.

Un bot può vivere all’interno di un’altra applicazione come Facebook o Whatsapp, può essere integrato in siti per gestire i primi contatti di call center o help desk oppure può automatizzare il dialogo via email ed sms per fornire assistenza da parte di un’azienda o per un prodotto specifico.

C

COMPUTER VISION

Gli algoritmi di Computer Vision permettono di analizzare e comprendere il contenuto di immagini o video. Non si tratta solo di riuscire a riconoscere oggetti, persone o animali all’interno di un’immagine o un video, ma si tratta della capacità di ricostruire un contesto intorno all’immagine, dandole un vero e proprio significato.

Per poter funzionare correttamente, i sistemi di Computer Vision hanno bisogno di essere addestrati con una grande quantità di immagini che andranno a costituire il dataset che potrà rendere l’algoritmo realmente intelligente

I sistemi di visione artificiale trovano numerose applicazioni, dalle videocamere di sorveglianza intelligenti all’utilizzo in ambito industriale e manifatturiero.

D

DEEP LEARNING

Il Deep Learning è una branca del Machine Learning, una delle più importanti e complesse da capire. Le tecniche di Deep Learning cercano di imitare la maniera in cui i neuroni sono organizzati nel nostro cervello.

Vengono infatti simulati processi di apprendimento del cervello umano attraverso le cosiddette ‘reti neurali’, che sono in grado di risolvere problemi di apprendimento automatico molto complessi senza avere la necessità didatti precedentemente introdotti (principio necessario per il Machine Learning).

I

IDP (INTELLIGENT DATA PROCESSING)

Gli algoritmi di Intelligent Data Processing (IDP) vengono utilizzati raccogliere dati e ottenere informazioni per avviare ed elaborare, sulla base di queste, azioni specifiche basate sulle informazioni acquisite.

Questa tipologia di AI viene direttamente applicata su dati strutturati e non per estrarre informazioni rilevanti, per esempio nel caso dei sistemi per la rilevazione delle frodi finanziarie o nell’analisi predittiva.

 

INTELLIGENZA ARTIFICIALE

L’Intelligenza Artificiale (in inglese Artificial Intelligence, AI) è un campo di ricerca che ha come obiettivo quello di sviluppare e programmare macchine dotate di capacità cognitive che siano ispirate ai modelli di apprendimento umani.

Questi software artificiali sono capaci di perseguire autonomamente una finalità definita, prendendo decisioni che solitamente sono affidate alle persone. Uno degli sviluppi attuali è quello di poter affidare a una macchina compiti complessi precedentemente delegati a un essere umano. Il termine AI è stato coniato per la prima volta da John McCarthy nel 1956.

 

INTELLIGENZA ARTIFICIALE DEBOLE (WEAK AI)

L’Intelligenza Artificiale debole (weak AI) racchiude al suo interno sistemi in grado di simulare alcune funzionalità cognitive dell’uomo senza tuttavia replicare le capacità intellettuali tipiche dell’uomo; si tratta di programmi di problem solving (la risoluzione di problemi) in grado di replicare alcuni ragionamenti logici umani per risolvere problemi o per consentire alle macchine di prendere decisioni (come per esempio nel gioco degli scacchi).

Nell’AI debole la macchina non è capace di pensare in modo autonomo ma ha bisogno della presenza dell’uomo. Il suo compito è semplicemente quello di realizzare un’intelligenza “simulata”. I problemi vengono risolti indagando su casi simili e, elaborando una serie di soluzioni, scegliendo quella più adatta al caso specifico.

 

INTELLIGENZA ARTIFICIALE FORTE (STRONG AI)

Nell’Intelligenza Artificiale forte (strong AI) si fanno rientrare in questa categoria i sistemi in grado di diventare sapienti cioè quelli che possono creare una propria intelligenza in modo autonomo senza emulare i processi di pensiero o le capacità cognitive umane. Nell’AI forte la macchina diventa essa stessa una mente, con una propria capacità cognitiva e non distinguibile da quella umana.

L’Intelligenza Artificiale forte si è concentrata su alcuni punti fondamentali: la logica matematica, il ragionamento e la dimostrazione automatica del problema, l’analisi del linguaggio e la pianificazione tramite gli algoritmi.

A differenza della AI debole che risolve un problema cercando di prevedere e emulando la scelta che avrebbe fatto l’uomo in quel determinato contesto, la AI forte si basa sul ragionamento logico e utilizza i dati a disposizione per sviluppare un’intelligenza generale, svincolata da esigenze specifiche, e dunque efficace in qualsiasi situazione

M

MACHINE LEARNING

Quando si parla di Machine Learning, in italiano apprendimento automatico, ci si riferisce a sistemi in grado di apprendere dall’esperienza, con un meccanismo simile (almeno in apparenza) a ciò che un essere umano fa dalla nascita.

Analizzando grandi quantità di dati, gli algoritmi di Machine Learning costruiscono dei modelli per spiegare il mondo e fanno delle previsioni sulla base della loro esperienza. Questa tipologia di programma è in grado di migliorare le proprie analisi e previsioni sulla base di esperienze accumulate e di ulteriori campioni di dati analizzati.

N

NLP (NATURAL LANGUAGE PROCESSING)

Per NLP o Natural Language Processing (in italiano, elaborazione del linguaggio naturale) si intendono algoritmi di Intelligenza Artificiale (AI) in grado di analizzare e comprendere il linguaggio naturale, ovvero la lingua che utilizziamo tutti i giorni.

Il NLP consente una comunicazione tra uomo e macchina e si occupa di testi o sequenze di parole (pagine web, post sui social…), ma anche di comprendere il linguaggio parlato oltre che i testi (riconoscimento vocale). Le finalità possono variare dalla semplice comprensione del contenuto, alla traduzione, fino alla produzione di testo in modo autonomo a partire da dati o documenti forniti in input.

Nonostante le lingue siano in costante cambiamento e caratterizzate da modi di dire o espressioni difficili da tradurre, l’NLP trova numerosi ambiti applicativi come ad esempio i correttori ortografici o i sistemi di traduzione automatici per i testi scritti, i chatbot e gli assistenti vocali per il linguaggio parlato.

R

RECOMMENDATION SYSTEM

I sistemi di Recommendation System sono progettati per raccomandare e indirizzare le preferenze, gli interessi, le decisioni dell’utente, basandosi su diversi fattori e informazioni da esso fornite, in maniera indiretta o diretta.

Questi sistemi sono oggi il pilastro principale del modello di business di tutte le piattaforme social ed eCommerce (Amazon, Netflix, Spotify, YouTube…).

Gli algoritmi tengono traccia delle azioni dell’utente e, comparandole con quelle degli altri, apprendono le sue preferenze e i suoi interessi. In questo modo, vengono trovare le somiglianze tra utenti e gli elementi per la raccomandazione e, man mano che l’utente utilizza la piattaforma, gli algoritmi suggeriscono in modo più preciso.

 

RETI NEURALI

Le reti neurali artificiali sono modelli matematici composti da neuroni artificiali che si ispirano al funzionamento delle reti neurali biologiche umane. Le reti neurali hanno ormai un impiego quotidiano e vengono utilizzate per risolvere problemi ingegneristici di Intelligenza Artificiale legati a diversi ambiti tecnologici come l’informatica, l’elettronica, la simulazione o altre discipline.

In inglese vengono definite ANN – Artificial Neural Network, ma da diversi anni si è passati al più semplice NN – Neural Network. Anche in Italia si parla semplicemente di reti neurali, senza distinzione tra reti biologiche o artificiali a seconda del contesto.

Vuoi automatizzare il tuo Business?​

Contattaci e raggiungi il prossimo livello