Molte delle applicazioni che utilizziamo tutti i giorni non esisterebbero senza l’intelligenza artificiale. I videogiochi, ad esempio: gli algoritmi di AI permettono a personaggi, a ambienti, storie di evolversi secondo il comportamento del giocatore, creando situazioni sempre nuove e imprevedibili. Oppure, la sicurezza delle nostre città: le immagini delle telecamere installate sono esaminate in tempo reale attraverso potenti software in grado di riconoscere schemi di comportamento che possono essere un segnale d’allarme.
Come è stato possibile raggiungere questi risultati?
Nel 1956 un piccolo gruppo di scienziati informatici guidati da John McCarthy organizzò un seminario dedicato all’ “Intelligenza Artificiale”, che avrebbe gettato le basi della IA così come la conosciamo oggi. Anche il termine fu inventato dallo stesso McCarthy, che lo definì come il fatto che “ogni aspetto dell’apprendimento o qualsiasi altra caratteristica dell’intelligenza possono, in linea di principio, essere descritti così precisamente che una macchina potrebbe essere progettata per simularli”.
Alla fine degli anni 2000, poi, tre eventi quasi simultanei hanno reso possibili reti neurali su larga scala – l’intelligenza artificiale si basa proprio sulle reti neurali artificiali, impiegate anche nel Machine Learning:
- Set di dati di grandi dimensioni diventano ampiamente disponibili. Testi, immagini, film, musica: tutto ad un tratto, tutto è digitalizzato e può quindi essere utilizzato per formare reti neurali;
- I ricercatori sono in grado di sfruttare la straordinaria potenza di elaborazione parallela dei processori grafici (GPU) per formare grandi reti neurali
- Il cloud ha fornito elasticità e flessibilità a sviluppatori e ricercatori, consentendo loro di utilizzare tutta l’infrastruttura necessaria per la formazione senza dover costruire, gestire o pagare per il suo utilizzo a lungo termine.
In effetti, la convergenza di questi tre fattori ha permesso alle reti neurali di mantenere le promesse fatte sessant’anni prima: le reti all’avanguardia di oggi sono in grado di classificare le immagini più velocemente e con maggiore precisione di qualsiasi essere umano (con un margine di errore inferiore al 3%, rispetto al 5% per gli esseri umani).
Amazon Web Services ha recentemente presentato alcuni esempi di aziende che ottengono importanti vantaggi dall’adozione dell’intelligenza artificiale e che stanno rapidamente rivoluzionando la nostra vita di tutti i giorni.
Un’IA in cerca dell’anima gemella
Con all’attivo oltre 20 milioni di match, Tinder è oggi la app più popolare dopo Omegle per conoscere nuove persone, e parte del suo segreto sta nell’utilizzo dell’intelligenza artificiale. Dietro ad ogni singolo swipe in cerca dell’incontro perfetto, c’è infatti un sistema che gestisce milioni di richieste al minuto, miliardi di swipe al giorno, in più di 190 paesi nel mondo. Il team di sviluppo di Tinder è in grado di costruire modelli predittivi in grado di creare connessioni che altrimenti non sarebbero possibili.
A caccia di frodi
Un altro settore in cui certamente l’intelligenza artificiale sta abilitando un’accelerazione senza precedenti è quello delle frodi online, come insegna l’esempio di Fraud.net, piattaforma attiva nella prevenzione delle attività fraudolente basata sul crowdsourcing e che usa Amazon Machine Learning per ridurre la complessità e analizzare i modelli di comportamento delle attività fraudolente. Per contrastare modalità di frode sempre nuove e in costante evoluzione Fraud.net ha infatti bisogno di creare e addestrare un numero sempre maggiore di modelli di apprendimento automatico e di renderli sempre più mirati e precisi. Una volta che una frode viene scoperta, infatti, i truffatori sono spinti a cambiare immediatamente strategia, rappresentando quindi un problema in costante evoluzione.
L’arte non ha più segreti
Acquistare opere d’arte può in qualche modo intimidire. Molti acquirenti si limitano a seguire l’opinione dominante di galleristi e critici che stabiliscono così la qualità e il valore delle opere. A scompaginare queste dinamiche consolidate, è nato di recente Artfinder, un marketplace online che permette agli artisti di raggiungere un’audience di potenziali acquirenti e vendere direttamente le loro opere online. Un approccio, dunque, totalmente nuovo che si basa su una piattaforma smart in grado di selezionare e raccomandare a ciascun utente le opere d’arte che potrebbero rientrare nei suoi interessi. Un sistema di predizione e raccomandazione tutt’altro che semplice dato che nell’arte spesso si ha a che fare con pezzi unici. Per farlo, Artfinder utilizza Amazon Rekognition per un’analisi approfondita delle immagini alla ricerca di dettagli dell’opera che possano fornire delle indicazioni utili alla catalogazione. Ad esempio, se Rekognition ravvisa la presenza di una cane nella foto, Artfinder può assicurarsi che quell’opera venga mostrata quando le persone sono alla ricerca di opere a tema cani. Una caratteristica di IA che Artfinder è stata in grado di trasformare in prototipo in poche ore e di implementarla in una sola settimana.
A lezione con l’IA
L’intelligenza artificiale sta già trovando applicazione anche in ambito scolastico, a diversi livelli, come illustra l’esempio di Echo360, azienda che offre una piattaforma per la registrazione, trasmissione e condivisione di video interattivi che permettono di migliorare il coinvolgimento prima, durante e dopo le lezioni. Per rendere la sua tecnologia più smart, Echo360 ha implementato nella sua soluzione Amazon Transcribe, servizio di riconoscimento vocale automatizzato che semplifica agli sviluppatori il compito di aggiungere capacità di conversione di voce in testo alle proprie applicazioni. Grazie a Transcribe, Echo360 è ora in grado di offrire ai propri partner universitari trascrizioni di alta qualità per ogni video, al contempo consentendo opzioni di ricerca più approfondite, sottotitoli a costo ridotto e note migliorate, rendendo così le risorse didattiche più efficaci, curate e accessibili per gli studenti.
