Indica un intervallo di date:
  • Dal Al
©credits

AI: i suoi primi 50 anni… 10 anni dopo

Mi sembra impossibile, eppure sono già passati 10 anni da quando ho scritto il mio primo post completamente dedicato all’Artificial Intelligence e, ancora adesso, definire che cosa sia esattamente l’AI rimane difficile.

Scienza o fantascienza?

Anche se a volte sembra fantascienza (o addirittura magia), l‘Artificial Intelligence è scientifica e deterministica: non c’è nulla che non capiamo o che succede senza che sia possibile capirne il motivo (anche se può essere estremamente laborioso e costoso farlo in casi specifici).

Per Marco Somalvico, L’AI studia i fondamenti teorici, le metodologie e le tecniche che consentono la progettazione di software capaci di fornire al computer prestazioni che, a un osservatore comune, sembrerebbero essere di pertinenza esclusiva dell’intelligenza umana.

Per Wikipedia, l’AI è il comportamento apparentemente intelligente di un computer, in contrapposizione all’intelligenza naturale degli esseri umani. Comunemente si parla di Intelligenza Artificiale quando un computer simula delle funzioni cognitive che di norma noi associamo alla mente umana come, ad esempio, la soluzione di problemi complessi e non numerici.

Essendo scienza, avanza per piccoli passi, per miglioramenti successivi e per teorie e ipotesi che possono essere smentite o validate: le invenzioni rivoluzionarie da un giorno all’altro sono poco probabili.

Che cosa non è l’Intelligenza Artificiale

L’intelligenza artificiale non è la soluzione a tutti i problemi del mondo né la più importante scoperta dopo la ruota (o il fuoco o qualunque altra cosa): anche se Google, Microsoft, IBM e tanti altri fanno continue dichiarazioni in questa direzione, sono loro i primi a sapere che non è vero…

Non è qualcosa di così avanzato e veramente intelligente che, con poco lavoro e fatica, è in grado di risolvere problemi complessi e imparare senza supervisione: vale per l’AI quello che Edison disse per il genio «Genius is one percent inspiration and ninety-nine percent perspiration»

L’AI non è il machine learning o il deep learning: il ML è una tecnica (fra le tante esistenti e altre che verranno ideate in futuro) che è comunemente usata nel campo dell’AI per risolvere problemi in diversi sottoinsiemi dei casi d’uso in cui si applica l’AI.

Non è un programma omnisciente che deve solo essere configurato o al limite addestrato per risolvere problemi reali partendo da un elevato livello di astrazione.

Non è qualcosa che si programma da solo, che funziona senza l’aiuto di esperti e che chiunque può facilmente adattare a problemi del mondo reale senza una particolare conoscenza specifica.

A che punto siamo? Lo stato dell’arte dell’Intelligenza Artificiale

Ad oggi, l’AI simula il risultato di processi cognitivi umani usando approcci e metodi diversi da quelli che utilizza il cervello umano.

L’AI è qui per restare: dopo un lungo inverno e nonostante le aspettative eccessive, sono tanti i problemi che possono essere risolti già adesso in modo efficace grazie all’AI e altri saranno risolvibili in futuro man mano che le tecnologie e le metodologie matureranno e miglioreranno.

Per implementare una soluzione basata sull’AI servono esperti, tempo, analisi e lavoro così come succede per qualunque altra cosa al mondo.

Non tutti i casi d’uso che sembrano adatti all’AI lo sono oppure lo sono in modo che il rapporto costi/benefici sia positivo.

La cosa più importante in un progetto di successo basato sull’AI non è la tecnica che si userà: fondamentali sono la solidità del business case, la correttezza dell’analisi e l’implementazione efficace (basata sull’esperienza, sui dati e sull’approccio più adatto).

Per capire se un progetto basato sull’AI può essere di successo, quasi sempre il modo migliore è quello di passare attraverso un prototipo in scala ridotta (proof of concept).

Una soluzione basata sull’AI è sempre basata sulla programmazione di un computer, fatta in modo tradizionale e/o alternativo.

Se qualcosa è troppo difficile per una persona, è troppo difficile anche per una qualunque soluzione basata sull’AI.

Un processo esistente non necessariamente deve essere replicato nello stesso modo quando si utilizza l’AI: la soluzione migliore spesso prevede che all’uso dell’AI si affianchi una revisione del processo per ottimizzare il valore aggiunto dell’AI.

L’AI non è l’Intelligenza Generale delle persone: come ha detto di recente il padre del deep learning, Geoffrey Hinton «My view is throw it all away and start again»

I rischi dell’Intelligenza Artificiale

Primo rischio fra tutti, aspettare che l’AI sia in grado di soddisfare le aspettative esagerate create dai grandi player prima di iniziare ad utilizzarla in modo graduale ma sempre più pervasivo all’interno dei processi aziendali.

È rischioso pensare che l’AI sia il fine e non uno degli strumenti utili a risolvere problemi, ridurre i costi, aumentare le possibilità di business e rendere l’azienda più efficace ed efficiente; così come illudersi che bastino un data scientist, la tecnica più alla moda e qualche set di dati/documenti supervisionati per implementare una soluzione vincente basata sull’AI.

La buona notizia è che ci sono anche “i non rischi” dell’Intelligenza Artificiale

Primo non rischio fra tutti: gli scenari apocalittici per il prossimo futuro che guru come Elon Musk, Bill Gates e tanti altri dipingono. Computer così intelligenti da mettere in un angolo i poveri esseri umani? Magari succederà ma non riguarderà nessuno dei lettori di questo blog.

Altro non rischio, a pari merito con il primo: la distruzione di massa dei posti di lavoro a tutti i livelli: come tutte le evoluzioni tecnologiche, ci sono e saranno grossi cambiamenti nel mondo del lavoro nel breve termine ma lo scenario più probabile è che, come in passato, nuovi lavori nasceranno e cresceranno.

Consigli per gli acquisti

Ecco tre consigli pratici da tener presente prima di procedere all’acquisto:

  1. Applicate sempre un sano scetticismo: se una cosa sembra troppo bella per essere vera, è proprio perché non è vera.
  2. Abbiate fiducia nel valore dell’AI e dell’esperienza: anche se a volte il percorso potrà essere lungo e accidentato, i risultati saranno positivi, concreti e misurabili.
  3. Evitate le fughe in avanti: è meglio procedere per gradi, raggiungere risultati intermedi che fungeranno da solida piattaforma per il futuro anziché tentare fin da subito di raggiungere un obiettivo estremamente complesso e ambizioso.

E a proposito di fughe in avanti… l’appuntamento con il prossimo post sull’AI è fissato fra 10 anni!