AI, mercato e tecnologie: cosa ci aspetta?

14.06.2018

Artificial Intelligence, Machine Learning, Deep Learning, Chatbot sono solo alcune dei termini che oggi stanno “invadendo” lo storytelling e l’attualità del mercato digitale in Italia. Cosa nascondono d’altra parte questi termini? Quali sono le tecnologie abilitanti la rivoluzione dell’intelligenza artificiale? Come si presenta oggi il panorama dell’offerta tecnologica in questo ambito? E soprattutto, cosa devono fare le imprese italiane per affrontare le sfide della data-driven enterprise?

Quando si utilizza il termine intelligenza artificiale (o l’equivalente anglosassone “artificial intelligence”) occorre contestualizzarlo rispetto agli altri termini che cominciano a venire citati, come ad esempio machine learning, deep learning o più in generale il concetto di data science. Come viene rappresentato in Figura 1, tra questi termini esiste una chiara “gerarchia”, per cui si va dal termine più generale, che è quello della data science, a via via i vari sottoinsiemi di strumenti che possono essere messi a disposizone ed utilizzati all’interno di questa disciplina. Di seguito vengono riportate le definizioni per ciascun ambito:

Data Science, o Scienza dei Dati, è quella disciplina che consente di estrarre valore dai dati, di renderli fruibili e monetizzabili da singoli, imprese e organizzazioni;
Artificial Intelligence, o Intelligenza Artificiale, è l’insieme di quegli strumenti che consentono di elaborare e risolvere problemi e svolgere compiti tradizionalmente ad appannagio umano;
Machine Learning, è quell’abilità propria di alcuni strumenti di intelligenza artificiale che sono in grado di apprendere senza essere stato esplicitamente programmato;
Deep Learning, è quell’abilità specifica nell’ambito del machine learning che utilizza le reti neurali profonde al fine di svolgere task come il riconoscimento di immagini (image recognition) o il riconoscimento vocale (speech recognition).

Oltre alle diverse tipologie di modelli e metodologie a disposizione dei data scientist, oggi anche il panorama tecnologico a supporto dell’analisi dei dati in una logica AI è molto ampio ecomincia a strutturarsi in tipologie definite di prodottio e servizi. In particolare, il panorama dell’offerta tecnologica attuale legata all’AI è stato suddiviso da The Innovation Group in 5 categorie d’offerta:

Machine Learning Framework, sono framework open-source che supportano gli sviluppatori e i data scientist, fornendo moduli testati e ottimizzati per creare ed addestrare algoritmi di machine learning; esempi di questo tipo di framework sono TensorFLow, Torch e Caffè2;
MLaaS (Machine Learning as a Service) Platform, sono piattaforme cloud per lo sviluppo e l’esecuzione di applicazioni di Machine Learning, automatizzando la gestione dell’infrastruttura sottostante;
API (Application Programming Interfaces), sono librerie software dedicate a specifiche funzionalità AI, ad esempio Speech Recognition API, NLP API, image recognition API; player che offrono soluzioni in questo ambito sono, tra gli altri, AWS; Microsoft, IBM, Google;
Embedded AI, a questa categoria appartengono quelle soluzioni che contengono elementi o componenti di AI per aumentare e completare le proprie performance; si pensi ad esempio alla scelta di Oracle di inserire componenti di AI nella propria offerta o alle funzionalità AI all’interno della piattaforma di Informatica;
Soluzioni verticali, in alcuni casi alcuni vendor hanno sviluppato soluzioni o verticalizzato la propria offerta per specifici settori e ambiti; si pensi ad esempio al caso di IBM Watson Health la soluzione specifica di IBM per il settore sanitario.