Puntare al piccolo per ridurre la complessità dell'IA

Creare sistemi intelligenti, obiettivo della IA, é stato fin dall’inizio un obiettivo estremamente difficile e questo ha portato a focalizzarsi su ambiti ben specifici, cioe’ creare intelligenza in domini molto ristretti. I cosiddetti “Sistemi Esperti” sono stati per diversi anni un esempio tipico di questo approccio “verticale”: puntare a generare e fruire di intelligenza in un settore specifico, fosse questo l’esame di una mammografia per diagnosi di sospetta neoplasia o analisi delle vibrazioni di un veicolo per identificare problemi al motore.

Un ulteriore esempio lo troviamo nell’uso di IA per creare un giocatore virtuale da usare come antagonista, ad esempio nel gioco degli scacchi o in Go. Anche qui abbiamo un uso di intelligenza artificiale molto circoscritto e, dobbiamo ammetterlo, talmente efficace da superare l’intelligenza (o meglio la bravura) di giocatori esperti. Si pensi al successo di Deep Blue nel 1997 su Kasparov, campione mondiale di scacchi, o di AlphaGo che nel 2016 batte Lee Sedol, campione di Go, tra l'altro giocando una mossa assolutamente imprevedibile (da parte degli esperti) e quindi evidenziando una capacitá autonoma dell’IA di “inventarsi” delle strategie.

Questo approccio basato sulla focalizzazione é diventato talmente “usuale" da essere dato come caratterista della IA, ed é stato creato un nuovo nome, AGI -Artificial General Intelligence- per indicare una IA in grado di gestire qualunque settore, simile quindi alla intelligenza umana.

L’IA per risolvere problemi in azienda

Utilizzare l’IA per risolvere problemi specifici in azienda é ovviamente stato un obiettivo di chi sviluppava sistemi di IA ma per diverso tempo dare una applicazione concreta a questa possibilitá si é scontrato con ostacoli di natura sostanzialmente economica. Infatti la creazione di un sistema esperto comportava notevoli costi, la disponibilitá di esperti che potrebbero essere usati per creare il software e inoltre la specificità della soluzione e del modo in cui si perveniva alla soluzione (lo sviluppo del sistema esperto) era molto costoso (oltre a richiedere molto tempo) in quanto ogni sviluppo era ad hoc. Occorreva ripartire da zero per affrontare un nuovo problema.

Non solo, Al variare del contesto, come spesso accade in una azienda, occorreva rimettere mano alla soluzione con ulteriori impegni di tempo, risorse e quindi costi.

La transizione dal focus su algoritmi “intelligenti" (scrivere un software che sia “intelligente”) al focus sui dati (estrarre intelligenza dai dati) ha portato ad una svolta. Gli algoritmi potevano essere scritti una volta per tutte (ovviamente vengono migliorati nel tempo) e venivano addestrati attraverso i dati. La crescente disponibilitá di dati ha fatto il resto.

Uno degli esempi piú evidenti di questo nuovo approccio é costituito dalla intelligenza generativa, di cui tanto si parla (e si usa) in quest’ultimo anno.

Abbattendosi tempi e costi ecco che l’Intelligenza Artificiale trova una sempre maggiore applicazione in azienda, andando ad utilizzare dati generati (o comunque intercettati) dall’azienda per andare a creare intelligenza sui processi e sui prodotti/servizi.

C’é un problema su una catena di montaggio? Usando i dati (spesso miliardi di dati) generati dai vari sensori presenti nella catena di montaggio, quelli generati dai robot coinvolti e quelli che provengono dalla supply e delivery chain (sempre piú spesso anche quelli in arrivo dall’uso del prodotto da parte del cliente finale) diventa possibile creare dei sistemi di monitoraggio “intelligenti" che analizzano i problemi e identificano punti critici proponendo soluzioni.

Inoltre, gli enormi progressi nella comprensione e generazione di linguaggio naturale (anche qui un risultato della intelligenza artificiale) consentono di aprire l’uso di questi sistemi ad una platea molto ampia, spesso fino al cliente o utilizzatore finale cambiando il rapporto tra produttore e consumatore, tra azienda e cliente.

L’IA che serve oggi alle aziende

Se nell’immaginario collettivo l’idea di avere una IA equivalente alla intelligenza umana rimane un sogno (e per alcuni un incubo) per le aziende poter disporre di una intelligenza artificiale che possa affrontare problematiche complesse che abbracciano molti settori é un obiettivo prioritario.  Per le aziende non é rilevante che l’IA sia piú o meno simile alla intelligenza umana, l’importante é che aiuti l’azienda ad essere piú efficiente, anche rendendo piú efficenti le risorse umane (affiancandosi quindi a queste).

Inoltre, dato per scontato che l’IA possa aiutare ad affrontare problemi specifici quello che si vorrebbe é una IA che consenta di gestire la complessitá del business. E il business, oggigiorno, continua ad aumentare in complessitá, complessitá che deriva dalla mutua interazione di vari fattori. Di qui l'interesse per una IA che possa operare come strumento di integrazione orizzontale.

Per fare questo é sempre piú necessario avere delle competenze sistemistiche da affiancare a quelle verticali, specialistiche di settore. 

I system integrators di oggi hanno di fronte questa sfida. Non lavorare "per" il cliente ma "insieme" al cliente

Un esempio concreto: Portare l’IA a bordo di uno yacht

Azimut Yachts é una azienda leader nella produzione di yachts che gia’ aveva introdotto la IA, con il supporto di Reply, a supporto dei suoi processi di marketing (integrazione verticale). 

Ora ha adottato la IA per integrare la gestione della barca (operativitá, manutenzione) con is servizi di tipo smart home fruibili a bordo sul suo nuovo modello Magellano 60.

La app realizzata utilizza IA (in parte hosted su Google Cloud) permette tramite controllo vocale in linguaggio naturale l'accesso e il controllo di tutti i vari sistemi della barca, sia quelli relativi all’ambiente da vivere, sia quelli relativi alla funzionalitá della barca.

Il tutto con attenzione alla sostenibilitá, quale controllo acqua e livelli carburante in ottica di ottimizzazione dell’uso delle risorse.

Questo e’ reso possibile da un approccio che vede i molteplici stream di dati generati dalla barca, uniti a quelli generati dagli utilizzatori, integrati dalla IA che via via rispondera’ in modo sempre piú efficace alle necessitá  degli utilizzatori. Inoltre, e questo é un notevole passo avanti rispetto ad un uso “verticale” della IA, l’ottimizzazione é realizzata al livello di sistema, olistico, evitando quindi che un miglioramento focalizzato in realtá possa non esserlo a livello globale.

La realizzazione é stata possibile attraverso un lavoro congiunto di Azimut, Google e Reply che ha portato a sfruttare al meglio i flussi dati generati dalle IoT presenti sulla barca e quelli derivati dal sistema conversazionale avanzato. Tra l’altro, quest’ultimo permette di soddisfare domande specifiche e l'accesso ragionato ai manuali di bordo.

In pratica, attraverso questa applicazione di IA trasversale si é realizzata una vera e propria trasformazione digitale della esperienza di bordo. Prossimo passo? Abilitazione di un Metaverso in navigazione!