Tra i trend tecnologici di questi anni e tra gli ambiti da ampliare sempre di più in ambito tecnologico, troviamo sicuramente la tematica dell’intelligenza artificiale (conosciuta anche con l’abbreviazione IA o con il termine inglese “artificial intelligence”, abbreviato con l’acronimo AI). L’intelligenza artificiale si sta diffondendo sempre di più non solo nell’ambito lavorativo delle aziende, ma anche nella vita di tutti i giorni delle persone, pertanto è bene imparare a destreggiarsi in questo campo. Anche se a primo impatto si potrebbe pensare robot super evoluti o a macchine all’avanguardia, l’AI non è solo questo. Quando si parla di IA, infatti, si fa riferimento a un ramo dell’informatica e alla capacità di un qualsiasi tipo di sistema informatico di riuscire a riprodurre le capacità e i comportamenti che sono tipici del genere umano. Le capacità che possono essere riprodotte sono, ad esempio: il ragionamento, la creatività, la percezione spaziale e temporale, la percezione visiva, la capacità di pianificare e di apprendere. Proprio come un essere umano, quindi, un’intelligenza artificiale riesce a relazionarsi con l’ambiente la circonda e poi, sulla base delle proprie percezioni, azionarsi per risolvere determinati problemi o raggiungere un determinato obiettivo.
Intelligenza artificiale origini: un po’ di storia
La data di nascita dell’intelligenza artificiale viene generalmente fissata nel 1956, parallelamente alla diffusione dei primi computer. Proprio nel ’56, durante un convegno in America, si parlò per la prima volta di “artificial intelligence”, denominandola però “sistema intelligente”. Durante il convegno fu presentato anche il programma Logic Theorist, sviluppato da Allen Newell e Herbert Simon, capace di fare ragionamenti logici in ambito matematico (come la dimostrazione di determinati teoremi). Negli anni successivi, quindi, sia le università che le aziende informatiche, si impegnarono a sviluppare software e programmi capacità di pensare e di agire come gli esseri umani. Parallelamente a questi programmi nacque anche il Lisp, primo linguaggio di programmazione in ambito di IA. Superati gli anni ’60, però, ci si rese conto che di dover andare ancora più oltre rispetto alle capacità di calcolo e alla dimostrazione e soluzione di teoremi matematici. Da quel momento in poi, quindi, si è cercato sempre più di cercare soluzioni a problemi più simili alla realtà degli esseri umani (problematiche che variavano nel tempo e in corso d’opera o sulla base di fattori diversi). Di conseguenza, negli anni successivi e fino ai giorni d’oggi è questo l’andamento della sperimentazione e dello sviluppo nell’ambito delle intelligenze artificiali.
Artificial intelligence: esempi e applicazioni nella vita di tutti i giorni
Nella vita di tutti i giorni utilizziamo macchine intelligenti magari senza neanche rendercene conto. Nonostante oggi si parli in prevalenza di ChatGPT e tutti quei software di AI copywriting, con le loro incredibili applicazioni nell’ambito della creazione di articoli e contenuti testuali che permettono di dare vita a testi degni dei migliori scrittori, è importante non dimenticarsi, che l’applicazione dell’AI è estremamente più diffusa di tutto ciò. Infatti, troviamo in questo ambito gli assistenti vocali digitali di smartphone e computer come ad esempio: Alexa di Amazon, Siri di Apple o l’assistente vocale di Google. Alcuni di questi assistenti hanno anche nomi di persona per essere resi ancora più simili agli esseri umani. In casa sono numerosi anche gli elettrodomestici intelligenti come ad esempio frigoriferi, robot per la pulizia e orologi. Esistono poi i veicoli a guida autonoma, i robot per l’agricoltura intelligente (robot per irrigare, diserbare o nutrire gli animali) e i robot per le fabbriche. Grazie agli assistenti vocali e virtuali (che studiano i comportamenti, le abitudini e gli interessi degli utenti online), e non solo, un’area di impiego dell’intelligenza artificiale sempre più diffusa è quella del marketing. In questo modo, si riesce a personalizzare le campagne di marketing e l’esperienza di acquisto, migliorando le conversioni e le vendite per aziende e shop online. Di conseguenza è nato anche l’Artificial Intelligence Marketing (AIM). Un uso sempre maggiore dei sistemi di intelligenza artificiale è diventato quello in ambito della sanità e della cybersecurity. Ad esempio, nella sanità, ci sono assistenti vocali per persone con disabilità oppure strumenti che consentono una diagnosi precoce e più accurata dei tumori e delle malattie rare. O, nell’ambito della sicurezza sul web, un’implementazione nella lotta al cybecrime con un miglioramento della sicurezza pubblica.
Tipi di intelligenza artificiale: intelligenza forte e intelligenza debole
Lo scopo dell’intelligenza artificiale dovrebbe quindi essere quello di funzionare come un cervello umano. Tra le sue capacità dovrebbero esserci quindi quelle di: pensare come un essere umano (basandosi sulle proprie funzioni cognitive, da applicare alla risoluzione di un problema), agire come un essere umano (quindi autonomamente), pensare in modo razionale (usando una logica propria o simile a quella degli esseri umani) e agire in modo razionale. Questi presupposti ci consentono di distinguere tra due tipi di intelligenze artificiali: l’intelligenza artificiale debole (o, dall’inglese, weak AI) e l’intelligenza artificiale forte (o, dall’inglese, strong AI). L’IA debole riesce a simulare alcune delle funzioni cognitive dell’essere umano, ma non è capace di simularne (e di raggiungerne) a pieno tutte le capacità intellettuali. L’IA forte, invece, è un tipo di intelligenza artificiale capace di essere totalmente autonoma e quindi di avere una propria intelligenza senza dover imitare per forza quella umana. Di conseguenza, è possibile distinguere anche tra machine learning e deep learning.
In italiano, le parole machine learning significano, in maniera letterale, “macchine che imparano”. Queste macchine e questi software riescono a processare dati in grande quantità e rappresentano la “base” per poi risolvere i problemi ed elaborare le informazioni. D’altro canto, deep learning significa invece “apprendimento profondo” ed è una sottocategoria del machine learning. Le macchine “deep” sono in grade di lavorare in maniera totalmente autonoma e non necessitano dell’input di un essere umano per individuare, estrarre ed elaborare i dati.