Che cosa è l’intelligenza artificiale?

L’intelligenza artificiale è la simulazione dei processi di intelligenza umana da parte delle macchine, in particolare dei sistemi informatici. Applicazioni specifiche dell’IA includono sistemi esperti, elaborazione del linguaggio naturale, riconoscimento vocale e visione artificiale.

Come funziona l’IA?

Come l’hype intorno AI ha accelerato, i fornitori sono stati rimescolando per promuovere come i loro prodotti e servizi utilizzano AI. Spesso ciò a cui si riferiscono come AI è semplicemente una componente dell’IA, come l’apprendimento automatico. AI richiede una base di hardware e software specializzati per la scrittura e la formazione di algoritmi di apprendimento automatico. Nessun linguaggio di programmazione è sinonimo di AI, ma alcuni, tra cui Python, R e Java, sono popolari.

In generale, i sistemi IA funzionano ingerendo grandi quantità di dati di allenamento etichettati, analizzando i dati per correlazioni e modelli e utilizzando questi modelli per fare previsioni sugli stati futuri. In questo modo, un chatbot che viene alimentato esempi di chat di testo può imparare a produrre scambi realistici con le persone, o uno strumento di riconoscimento delle immagini può imparare a identificare e descrivere gli oggetti nelle immagini rivedendo milioni di esempi.

La programmazione AI si concentra su tre abilità cognitive: apprendimento, ragionamento e auto-correzione.

Processi di apprendimento. Questo aspetto della programmazione AI si concentra sull’acquisizione di dati e sulla creazione di regole su come trasformare i dati in informazioni fruibili. Le regole, che sono chiamate algoritmi, forniscono ai dispositivi informatici istruzioni passo-passo su come completare un’attività specifica.

I processi di ragionamento. Questo aspetto della programmazione AI si concentra sulla scelta del giusto algoritmo per raggiungere un risultato desiderato.

Processi di auto-correzione. Questo aspetto della programmazione AI è progettato per ottimizzare continuamente gli algoritmi e garantire che forniscano i risultati più accurati possibili.

Perché l’intelligenza artificiale è importante?

L’IA è importante perché può fornire alle aziende informazioni sulle loro operazioni di cui potrebbero non essere a conoscenza in precedenza e perché, in alcuni casi, l’IA può svolgere compiti meglio degli umani. In particolare quando si tratta di compiti ripetitivi e orientati ai dettagli, come l’analisi di un gran numero di documenti legali per garantire che i campi pertinenti siano compilati correttamente, gli strumenti AI spesso completano i lavori in modo rapido e con relativamente pochi errori.

Ciò ha contribuito ad alimentare un’esplosione di efficienza e ha aperto le porte a opportunità di business completamente nuove per alcune imprese più grandi. Prima dell’attuale ondata di AI, sarebbe stato difficile immaginare di utilizzare software per computer per collegare i piloti ai taxi, ma oggi Uber è diventata una delle più grandi aziende al mondo facendo proprio questo. Utilizza sofisticati algoritmi di apprendimento automatico per prevedere quando è probabile che le persone abbiano bisogno di corse in determinate aree, il che aiuta proattivamente a portare i conducenti sulla strada prima che siano necessari. Come altro esempio, Google è diventato uno dei più grandi giocatori per una gamma di servizi online utilizzando l’apprendimento automatico per capire come le persone utilizzano i loro servizi e quindi migliorarli. Nel 2017, il CEO della società, Sundar Pichai, ha dichiarato che Google avrebbe operato come una società “AI first”.

Le aziende più grandi e di maggior successo di oggi hanno utilizzato l’IA per migliorare le loro operazioni e ottenere vantaggi sui loro concorrenti.

Quali sono i vantaggi e gli svantaggi dell’intelligenza artificiale?

Le reti neurali artificiali e le tecnologie di intelligenza artificiale deep learning si stanno rapidamente evolvendo, principalmente perché l’IA elabora grandi quantità di dati molto più velocemente e rende le previsioni più accurate di quanto umanamente possibile.

Mentre l’enorme volume di dati creati su base giornaliera seppellirebbe un ricercatore umano, le applicazioni AI che utilizzano l’apprendimento automatico possono prendere quei dati e trasformarli rapidamente in informazioni fruibili. Al momento della stesura di questo documento, lo svantaggio principale dell’utilizzo di AI è che è costoso elaborare le grandi quantità di dati che la programmazione AI richiede.

Vantaggi

• Bravo in lavori orientati ai dettagli;
• Tempo ridotto per attività pesanti in termini di dati;
• Offre risultati coerenti; e
• Gli agenti virtuali basati sull’IA sono sempre disponibili.

Svantaggi

• Costoso;
• Richiede una profonda competenza tecnica;
• offerta Limitata di lavoratori qualificati di costruire AI utensili;
• sa Solo ciò che è stato mostrato; e
• Mancanza di capacità di generalizzare da un compito all’altro.

AI forte contro AI debole

AI può essere classificato come debole o forte.

• Weak AI, noto anche come narrow AI, è un sistema AI progettato e addestrato per completare un’attività specifica. Robot industriali e assistenti personali virtuali, come Siri di Apple, utilizzano un’IA debole.
• La forte intelligenza artificiale, nota anche come intelligenza generale artificiale (AGI), descrive la programmazione in grado di replicare le capacità cognitive del cervello umano. Quando viene presentato con un compito sconosciuto, un forte sistema di intelligenza artificiale può utilizzare la logica fuzzy per applicare la conoscenza da un dominio all’altro e trovare una soluzione autonomamente. In teoria, un forte programma AI dovrebbe essere in grado di superare sia un test di Turing che il test della stanza cinese.

Quali sono i 4 tipi di intelligenza artificiale?

Arend Hintze, un assistente professore di biologia integrativa e informatica e ingegneria presso la Michigan State University, ha spiegato in un articolo del 2016 che l’IA può essere classificata in quattro tipi, iniziando con i sistemi intelligenti specifici per compiti in largo uso oggi e progredendo verso sistemi senzienti, che non esistono ancora. Le categorie sono le seguenti:

• Tipo 1: Macchine reattive. Questi sistemi AI non hanno memoria e sono specifici per le attività. Un esempio è Deep Blue, il programma di scacchi IBM che ha battuto Garry Kasparov nel 1990. Deep Blue può identificare i pezzi sulla scacchiera e fare previsioni, ma poiché non ha memoria, non può usare le esperienze passate per informare quelle future.
• Tipo 2: memoria limitata. Questi sistemi di intelligenza artificiale hanno memoria, in modo che possano utilizzare le esperienze passate per informare le decisioni future. Alcune delle funzioni decisionali nelle auto a guida autonoma sono progettate in questo modo.
• Tipo 3: Teoria della mente. La teoria della mente è un termine di psicologia. Quando applicato all’IA, significa che il sistema avrebbe l’intelligenza sociale per capire le emozioni. Questo tipo di IA sarà in grado di dedurre le intenzioni umane e prevedere il comportamento, un’abilità necessaria affinché i sistemi IA diventino membri integrali di team umani.
• Tipo 4: consapevolezza di sé. In questa categoria, i sistemi AI hanno un senso di sé, che dà loro coscienza. Le macchine con consapevolezza di sé comprendono il proprio stato attuale. Questo tipo di IA non esiste ancora.

Quali sono esempi di tecnologia AI e come viene utilizzata oggi?

AI è incorporato in una varietà di diversi tipi di tecnologia. Ecco sei esempi:

• Automazione. Se associati a tecnologie AI, gli strumenti di automazione possono espandere il volume e i tipi di attività eseguite. Un esempio è Robotic Process Automation (RPA), un tipo di software che automatizza le attività ripetitive di elaborazione dei dati basate su regole tradizionalmente eseguite dagli esseri umani. Se combinato con l’apprendimento automatico e gli strumenti IA emergenti, RPA può automatizzare porzioni più grandi di posti di lavoro aziendali, consentendo ai bot tattici di RPA di trasmettere l’intelligenza dall’IA e rispondere ai cambiamenti di processo.
• Apprendimento automatico. Questa è la scienza di ottenere un computer per agire senza programmazione. Il deep learning è un sottoinsieme del machine learning che, in termini molto semplici, può essere pensato come l’automazione dell’analisi predittiva. Esistono tre tipi di algoritmi di apprendimento automatico:
  • Apprendimento supervisionato. I set di dati sono etichettati in modo che i modelli possano essere rilevati e utilizzati per etichettare nuovi set di dati.
  • Apprendimento non supervisionato. I set di dati non sono etichettati e sono ordinati in base a somiglianze o differenze.
  • Apprendimento di rinforzo. I set di dati non sono etichettati ma, dopo aver eseguito un’azione o più azioni, il sistema AI riceve un feedback.
• Visione artificiale. Questa tecnologia dà una macchina la capacità di vedere. La visione artificiale acquisisce e analizza le informazioni visive utilizzando una fotocamera, la conversione analogico-digitale e l’elaborazione del segnale digitale. Viene spesso paragonato alla vista umana, ma la visione artificiale non è vincolata dalla biologia e può essere programmata per vedere attraverso i muri, per esempio. Viene utilizzato in una vasta gamma di applicazioni, dall’identificazione della firma all’analisi delle immagini mediche. La visione artificiale, che si concentra sull’elaborazione delle immagini basata su macchine, è spesso confusa con la visione artificiale.
• Elaborazione del linguaggio naturale (PNL). Questa è l’elaborazione del linguaggio umano da parte di un programma per computer. Uno degli esempi più vecchi e più noti di PNL è il rilevamento dello spam, che esamina la riga dell’oggetto e il testo di un’e-mail e decide se è spazzatura. Gli attuali approcci alla PNL si basano sull’apprendimento automatico. Le attività di PNL includono la traduzione del testo, l’analisi del sentiment e il riconoscimento vocale.
• Robotica. Questo campo di ingegneria si concentra sulla progettazione e produzione di robot. I robot sono spesso utilizzati per eseguire attività che sono difficili da eseguire o eseguire in modo coerente per gli esseri umani. Ad esempio, i robot vengono utilizzati nelle linee di assemblaggio per la produzione di automobili o dalla NASA per spostare oggetti di grandi dimensioni nello spazio. I ricercatori stanno anche utilizzando l’apprendimento automatico per costruire robot in grado di interagire in contesti sociali.
• Auto a guida autonoma. I veicoli autonomi utilizzano una combinazione di visione artificiale, riconoscimento delle immagini e apprendimento profondo per costruire abilità automatizzate al pilotaggio di un veicolo durante la permanenza in una determinata corsia ed evitando ostacoli imprevisti, come i pedoni.

Quali sono le applicazioni di AI?

L’intelligenza artificiale si è fatta strada in un’ampia varietà di mercati. Ecco nove esempi.

AI nel settore sanitario. Le maggiori scommesse sono sul miglioramento dei risultati dei pazienti e sulla riduzione dei costi. Le aziende stanno applicando l’apprendimento automatico per fare diagnosi migliori e più veloci rispetto agli esseri umani. Una delle tecnologie sanitarie più note è IBM Watson. Comprende il linguaggio naturale e può rispondere alle domande poste. Il sistema estrae i dati del paziente e altre fonti di dati disponibili per formare un’ipotesi, che presenta quindi con uno schema di punteggio di fiducia. Altre applicazioni AI includono l’utilizzo di assistenti sanitari virtuali online e chatbot per aiutare pazienti e clienti sanitari a trovare informazioni mediche, pianificare appuntamenti, comprendere il processo di fatturazione e completare altri processi amministrativi. Una serie di tecnologie AI viene anche utilizzata per prevedere, combattere e comprendere pandemie come COVID-19.

AI nel mondo degli affari. Gli algoritmi di apprendimento automatico vengono integrati nelle piattaforme di analisi e Customer Relationship management (CRM) per scoprire informazioni su come servire meglio i clienti. Chatbots sono stati incorporati in siti web per fornire un servizio immediato ai clienti. L’automazione delle posizioni lavorative è diventata anche un punto di discussione tra accademici e analisti IT.

AI nell’istruzione. AI può automatizzare la classificazione, dando educatori più tempo. Può valutare gli studenti e adattarsi alle loro esigenze, aiutandoli a lavorare al proprio ritmo. I tutor AI possono fornire ulteriore supporto agli studenti, assicurando che rimangano in pista. E potrebbe cambiare dove e come gli studenti imparano, forse anche sostituendo alcuni insegnanti.

AI in finanza. L’intelligenza artificiale nelle applicazioni di finanza personale, come Intuit Mint o TurboTax, sta sconvolgendo le istituzioni finanziarie. Applicazioni come queste raccolgono dati personali e forniscono consulenza finanziaria. Altri programmi, come IBM Watson, sono stati applicati al processo di acquisto di una casa. Oggi, il software di intelligenza artificiale esegue gran parte del trading a Wall Street.

AI in diritto. Il processo di scoperta-spulciando tra i documenti-nella legge è spesso travolgente per gli esseri umani. Utilizzare l’IA per automatizzare i processi ad alta intensità di lavoro del settore legale significa risparmiare tempo e migliorare il servizio clienti. Gli studi legali utilizzano l’apprendimento automatico per descrivere i dati e prevedere i risultati, la visione artificiale per classificare ed estrarre informazioni dai documenti e l’elaborazione del linguaggio naturale per interpretare le richieste di informazioni.

AI nella produzione. La produzione è stata all’avanguardia nell’incorporare robot nel flusso di lavoro. Ad esempio, i robot industriali che un tempo erano programmati per eseguire compiti singoli e separati dai lavoratori umani, funzionano sempre più come cobot: Robot multitasking più piccoli che collaborano con gli esseri umani e si assumono la responsabilità di più parti del lavoro in magazzini, piani di fabbrica e altri spazi di lavoro.

AI nel settore bancario. Le banche stanno impiegando con successo chatbot per rendere i loro clienti consapevoli dei servizi e delle offerte e per gestire le transazioni che non richiedono l’intervento umano. Assistenti virtuali AI vengono utilizzati per migliorare e ridurre i costi di conformità con le normative bancarie. Le organizzazioni bancarie stanno anche utilizzando AI per migliorare il loro processo decisionale per i prestiti, e per impostare i limiti di credito e identificare le opportunità di investimento.

AI nei trasporti. Oltre al ruolo fondamentale dell’IA nella gestione di veicoli autonomi, le tecnologie IA vengono utilizzate nei trasporti per gestire il traffico, prevedere i ritardi dei voli e rendere il trasporto marittimo più sicuro ed efficiente.

Sicurezza. AI e machine learning sono in cima alla lista delle parole d’ordine fornitori di sicurezza utilizzano oggi per differenziare le loro offerte. Questi termini rappresentano anche tecnologie veramente valide. Le organizzazioni utilizzano il machine learning nel software SIEM (Security Information and Event Management) e nelle aree correlate per rilevare anomalie e identificare attività sospette che indicano minacce. Analizzando i dati e utilizzando la logica per identificare le somiglianze con il codice dannoso noto, l’IA può fornire avvisi agli attacchi nuovi ed emergenti molto prima rispetto ai dipendenti umani e alle iterazioni tecnologiche precedenti. La tecnologia in fase di maturazione sta giocando un ruolo importante nell’aiutare le organizzazioni a combattere gli attacchi informatici.

Intelligenza aumentata vs. intelligenza artificiale

Alcuni esperti del settore ritengono che il termine intelligenza artificiale sia troppo strettamente legato alla cultura popolare, e questo ha causato al grande pubblico aspettative improbabili su come l’IA cambierà il posto di lavoro e la vita in generale.

• Intelligenza aumentata. Alcuni ricercatori e marketing sperano che l’etichetta augmented intelligence, che ha una connotazione più neutrale, aiuterà le persone a capire che la maggior parte delle implementazioni di AI sarà debole e semplicemente migliorare prodotti e servizi. Gli esempi includono la visualizzazione automatica di informazioni importanti nei rapporti di business intelligence o l’evidenziazione di informazioni importanti nei documenti legali.
• Intelligenza artificiale. La vera intelligenza artificiale, o intelligenza generale artificiale, è strettamente associata al concetto di singolarità tecnologica-un futuro governato da una superintelligenza artificiale che supera di gran lunga la capacità del cervello umano di comprenderla o di come sta plasmando la nostra realtà. Questo rimane all’interno del regno della fantascienza, anche se alcuni sviluppatori stanno lavorando sul problema. Molti credono che tecnologie come l’informatica quantistica potrebbero svolgere un ruolo importante nel rendere AGI una realtà e che dovremmo riservare l’uso del termine AI per questo tipo di intelligenza generale.

Uso etico dell’intelligenza artificiale

Mentre gli strumenti di intelligenza artificiale presentano una serie di nuove funzionalità per le aziende, l’uso dell’intelligenza artificiale solleva anche questioni etiche perché, nel bene e nel male, un sistema di intelligenza artificiale rafforzerà ciò che ha già imparato.

Questo può essere problematico perché gli algoritmi di apprendimento automatico, che sono alla base di molti degli strumenti di IA più avanzati, sono solo intelligenti quanto i dati che vengono forniti in formazione. Poiché un essere umano seleziona quali dati vengono utilizzati per addestrare un programma di intelligenza artificiale, il potenziale di pregiudizi di apprendimento automatico è intrinseco e deve essere monitorato da vicino.

Chiunque desideri utilizzare l’apprendimento automatico come parte di sistemi in produzione reali deve considerare l’etica nei propri processi di formazione AI e cercare di evitare pregiudizi. Ciò è particolarmente vero quando si utilizzano algoritmi AI che sono intrinsecamente inspiegabili nelle applicazioni di deep learning e Generative adversarial Network (GAN).

La spiegabilità è un potenziale ostacolo all’utilizzo dell’IA in settori che operano secondo severi requisiti di conformità normativa. Ad esempio, le istituzioni finanziarie negli Stati Uniti operano in base a regolamenti che richiedono loro di spiegare le loro decisioni di emissione di credito. Quando una decisione di rifiutare il credito viene presa dalla programmazione AI, tuttavia, può essere difficile spiegare come è stata presa la decisione perché gli strumenti AI utilizzati per prendere tali decisioni operano prendendo in giro sottili correlazioni tra migliaia di variabili. Quando il processo decisionale non può essere spiegato, il programma può essere indicato come black box AI.

Nonostante i potenziali rischi, ci sono attualmente poche norme che disciplinano l’uso di strumenti di intelligenza artificiale, e dove esistono leggi, in genere riguardano AI indirettamente. Ad esempio, come accennato in precedenza, Stati Uniti Fair Lending regolamenti richiedono istituzioni finanziarie per spiegare le decisioni di credito ai potenziali clienti. Ciò limita la misura in cui i finanziatori possono utilizzare algoritmi di apprendimento profondo, che per loro natura sono opachi e mancano di spiegabilità.

Il Regolamento generale sulla protezione dei dati (GDPR) dell’Unione europea pone limiti rigorosi sul modo in cui le imprese possono utilizzare i dati dei consumatori, il che impedisce la formazione e la funzionalità di molte applicazioni AI rivolte ai consumatori.

Nell’ottobre 2016, il National Science and Technology Council ha pubblicato una relazione che esamina il potenziale ruolo che la regolamentazione governativa potrebbe svolgere nello sviluppo dell’IA, ma non ha raccomandato di prendere in considerazione una legislazione specifica.

Creare leggi per regolare l’IA non sarà facile, in parte perché l’IA comprende una varietà di tecnologie che le aziende utilizzano per scopi diversi, e in parte perché le normative possono venire a costo del progresso e dello sviluppo dell’IA. La rapida evoluzione delle tecnologie IA è un altro ostacolo alla formazione di una regolamentazione significativa dell’IA. Le innovazioni tecnologiche e le nuove applicazioni possono rendere immediatamente obsolete le leggi esistenti. Ad esempio, le leggi esistenti che regolano la privacy delle conversazioni e le conversazioni registrate non coprono la sfida posta dagli assistenti vocali come Alexa di Amazon e Siri di Apple che raccolgono ma non distribuiscono conversazioni except tranne che per i team tecnologici delle aziende che lo usano per migliorare gli algoritmi di apprendimento automatico. E, naturalmente, le leggi che i governi riescono a creare per regolare l’IA non impediscono ai criminali di utilizzare la tecnologia con intenti malevoli.

Cognitive computing e AI

I termini AI e cognitive computing sono talvolta usati in modo intercambiabile, ma, in generale, l’etichetta AI è usata in riferimento a macchine che sostituiscono l’intelligenza umana simulando come percepiamo, apprendiamo, elaboriamo e reagiamo alle informazioni nell’ambiente.

L’etichetta cognitive computing viene utilizzata in riferimento a prodotti e servizi che imitano e aumentano i processi di pensiero umano.

Qual è la storia dell’IA?

Il concetto di oggetti inanimati dotati di intelligenza è stato intorno fin dai tempi antichi. Il dio greco Efesto è stato raffigurato nei miti come forgiare servi robot – like di oro. Gli ingegneri nell’antico Egitto costruirono statue di dei animati da sacerdoti. Nel corso dei secoli, i pensatori da Aristotele al teologo spagnolo del xiii secolo Ramon Llull a René Descartes e Thomas Bayes usarono gli strumenti e la logica del loro tempo per descrivere i processi di pensiero umano come simboli, ponendo le basi per concetti di intelligenza artificiale come la rappresentazione della conoscenza generale.

La fine del 19 ° e la prima metà del 20 ° secolo ha portato avanti il lavoro fondamentale che avrebbe dato origine al computer moderno. Nel 1836, il matematico dell’Università di Cambridge Charles Babbage e Augusta Ada Byron, contessa di Lovelace, inventarono il primo progetto per una macchina programmabile.

1940s. Il matematico di Princeton John Von Neumann concepì l’architettura per il computer a programma memorizzato-l’idea che il programma di un computer e i dati che elabora possano essere conservati nella memoria del computer. E Warren McCulloch e Walter Pitts gettarono le basi per le reti neurali.

1950s. Con l’avvento dei computer moderni, gli scienziati hanno potuto testare le loro idee sull’intelligenza della macchina. Un metodo per determinare se un computer ha intelligenza è stato ideato dal matematico britannico e seconda guerra mondiale code-breaker Alan Turing. Il test di Turing si è concentrato sulla capacità di un computer di ingannare gli interrogatori facendogli credere che le sue risposte alle loro domande fossero state fatte da un essere umano.

1956. Il moderno campo dell’intelligenza artificiale è ampiamente citato come a partire da quest’anno durante una conferenza estiva al Dartmouth College. Sponsorizzato dalla Defense Advanced Research Projects Agency (DARPA), alla conferenza hanno partecipato 10 luminari del settore, tra cui AI pionieri Marvin Minsky, Oliver Selfridge e John McCarthy, che è accreditato coniando il termine intelligenza artificiale. Erano presenti anche Allen Newell, uno scienziato informatico, e Herbert A. Simon, un economista, politologo e psicologo cognitivo, che ha presentato il loro rivoluzionario Teorico della logica, un programma per computer in grado di dimostrare alcuni teoremi matematici e indicato come il primo programma AI.

1950 e 1960. Sulla scia della conferenza del Dartmouth College, i leader nel campo nascente di AI predetto che un’intelligenza artificiale equivalente al cervello umano era dietro l’angolo, attirando il governo importante e il sostegno dell’industria. In effetti, quasi 20 anni di ricerca di base ben finanziata hanno generato progressi significativi nell’IA: Ad esempio, alla fine degli anni ‘ 50, Newell e Simon pubblicarono l’algoritmo GPS (General Problem Solver), che non risolveva problemi complessi ma gettava le basi per lo sviluppo di architetture cognitive più sofisticate; McCarthy sviluppò Lisp, un linguaggio per la programmazione AI che è ancora usato oggi. A metà degli anni 1960 il professore del MIT Joseph Weizenbaum ha sviluppato ELIZA, un primo programma di elaborazione del linguaggio naturale che ha gettato le basi per i chatbot di oggi.

anni ’70 e’ 80. Ma il raggiungimento dell’intelligenza generale artificiale si è rivelato elusivo, non imminente, ostacolato dalle limitazioni nell’elaborazione e nella memoria del computer e dalla complessità del problema. Il governo e le società si sono ritirate dal loro sostegno alla ricerca sull’IA, portando a un periodo di maggese che dura dal 1974 al 1980 e noto come il primo “Inverno dell’IA”.”Negli 1980, la ricerca sulle tecniche di deep learning e l’adozione da parte dell’industria dei sistemi esperti di Edward Feigenbaum hanno scatenato una nuova ondata di entusiasmo AI, seguita solo da un altro crollo dei finanziamenti governativi e del supporto dell’industria. Il secondo inverno AI è durato fino alla metà degli anni 1990.

1990 fino ad oggi. L’aumento della potenza computazionale e un’esplosione di dati hanno scatenato una rinascita dell’IA alla fine degli anni ‘ 90 che ha continuato a presentare i tempi. L’ultimo focus sull’IA ha dato origine a innovazioni nell’elaborazione del linguaggio naturale, nella visione artificiale, nella robotica, nell’apprendimento automatico, nell’apprendimento profondo e altro ancora. Inoltre, l’IA sta diventando sempre più tangibile, alimentando le auto, diagnosticando le malattie e cementando il suo ruolo nella cultura popolare. Nel 1997, Deep Blue di IBM sconfisse il gran maestro di scacchi russo Garry Kasparov, diventando il primo programma per computer a battere un campione del mondo di scacchi. Quattordici anni dopo, Watson di IBM ha affascinato il pubblico quando ha sconfitto due ex campioni nel game show Jeopardy!. Più recentemente, la storica sconfitta del 18 volte campione del mondo di Go Lee Sedol da AlphaGo di Google DeepMind ha sbalordito la comunità Go e ha segnato una pietra miliare nello sviluppo di macchine intelligenti.

AI as a service

Poiché i costi di hardware, software e personale per AI possono essere costosi, molti fornitori stanno includendo componenti AI nelle loro offerte standard o fornendo l’accesso a piattaforme di intelligenza artificiale come servizio (AIaaS). AIaaS consente a privati e aziende di sperimentare l’IA per vari scopi aziendali e di campionare più piattaforme prima di impegnarsi.

Le offerte popolari di AI cloud includono quanto segue:

• Amazon AI
• IBM Watson Assistant
• Microsoft Cognitive Services
• Google AI