Che cos’è l’intelligenza artificiale?

L'intelligenza artificiale (AI) è la base per simulare i processi di intelligenza umana attraverso la creazione e l'applicazione di algoritmi integrati in un ambiente di calcolo dinamico. In altre parole, l’obiettivo dell’AI è quello di creare computer in grado di pensare e agire come gli esseri umani. 

Per realizzare questo obiettivo sono necessari tre componenti chiave: 

• Sistemi di calcolo 
• Dati e sistemi per la gestione dei dati 
• Algoritmi AI avanzati (codice) 

Per ottenere risultati ottimali, occorrono quantità superiori di dati e una maggiore potenza di elaborazione. 

Almeno a partire dal primo secolo a.C., l’uomo è stato affascinato dalla possibilità di creare macchine in grado di simulare il cervello umano. Nell’epoca moderna, il termine intelligenza artificiale è stato coniato nel 1955 da John McCarthy. Nel 1956, McCarthy e altri scienziati organizzarono la conferenza “Dartmouth Summer Research Project on Artificial Intelligence”. Questo evento ha portato alla creazione del machine learning, del deep learning, dell’analisi predittiva e, ultimamente, dell’analisi prescrittiva. Ha inoltre dato origine a un campo di studio completamente nuovo, ovvero la scienza dei dati.

Oggi, la quantità di dati generati, sia dagli esseri umani che dalle macchine, supera di gran lunga la capacità degli esseri umani di assimilare, interpretare e prendere decisioni complesse sulla base di tali dati. L’intelligenza artificiale costituisce la base di tutte le tecnologie di apprendimento informatico e rappresenta il futuro di tutti i processi decisionali complessi. Ad esempio, la maggior parte degli esseri umani può capire come non perdere al gioco del filetto (tris), anche se ci sono 255.168 mosse uniche, di cui 46.080 finiscono con un pareggio. Un numero decisamente inferiore di persone può essere considerato un grande campione di dama, in cui si contano più di 500 x 10¹⁸, o 500 quintilioni, di potenziali mosse diverse. I computer sono in grado di calcolare in modo estremamente efficiente queste combinazioni e trasformazioni per individuare la decisione migliore. L’intelligenza artificiale (e la sua logica evoluzione del machine learning) e il deep learning rappresentano i pilastri fondamentali dei processi decisionali aziendali del futuro.

Possiamo trovare applicazioni dell'AI negli scenari di tutti i giorni, come il rilevamento delle frodi nei servizi finanziari, le previsioni degli acquisti retail e le interazioni di assistenza clienti online. Ecco alcuni esempi: 

• Rilevamento delle frodi. Il settore dei servizi finanziari utilizza l’intelligenza artificiale in due modi diversi. L'assegnazione iniziale di punteggi alle richieste di credito usa l'AI per valutarne la fattibilità. Vengono utilizzati motori AI più avanzati per monitorare e rilevare transazioni di carte di pagamento fraudolente in real-time.
• Assistenza clienti virtuale (VCA). I call center utilizzano la VCA per prevedere e rispondere alle domande dei clienti nei casi in cui non è prevista l'interazione umana. Il riconoscimento vocale, unitamente al dialogo umano simulato, è il primo punto di interazione per un caso di customer service. Le domande più generali vengono reindirizzate a un'operatore umano.
• Quando una persona avvia una chat (chatbot) su una pagina Web, spesso interagisce con un computer che esegue un programma AI specializzato. Se il chatbot non è in grado di interpretare o gestire la domanda, interviene un operatore umano per comunicare direttamente con l'utente. Le istanze che non riescono ad essere interpretate vengono inserite in un sistema informatico di machine learning per migliorare l’applicazione AI per le interazioni future.
• I progressi dell'AI per applicazioni come l'elaborazione del linguaggio naturale (NLP) e la computer vision (CV) aiutano settori, come quello finanziario, sanitario e automobilistico, ad accelerare l'innovazione, migliorare l'esperienza dei clienti e ridurre i costi. Gartner stima che entro il 2022 la percentuale di persone che interagiranno con piattaforme AI conversazionali ogni giorno potrà arrivare anche al 70%. NLP e CV forniscono un collegamento prezioso tra umani e robot: l'NLP permette ai programmi computer di comprendere le conversazioni umane, mentre la CV applica i modelli di machine learning alle immagini ed è perfetta per casi che vanno dai semplici filtri di selfie all'imaging medico.

In qualità di autorità sui dati per il cloud ibrido, NetApp comprende bene il valore legato ad accesso, gestione e controllo dei dati. Il data fabric di NetApp^® fornisce un ambiente di gestione dei dati unificato che include dispositivi edge, data center e multicloud. Il data fabric aiuta le organizzazioni di tutte le dimensioni ad accelerare le applicazioni critiche, ottenere la visibilità dei dati, ottimizzare la data protection e incrementare l'agilità operativa.

Le soluzioni NetApp AI sono basate sui seguenti building block chiave: 

• Il software ONTAP^® consente di utilizzare le tecnologie AI e deep learning sia on-premise sia nel cloud ibrido.
• I sistemi all-flash AFF accelerano i carichi di lavoro di AI e deep learning. Inoltre, consentono di rimuovere i colli di bottiglia delle performance.
• Il software ONTAP Select supporta la raccolta efficiente dei dati a livello di edge, utilizzando dispositivi IoT e punti di aggregazione.
• Il servizio Cloud Volumes consente di creare rapidamente i prototipi di nuovi progetti e spostare i dati AI da e nel cloud.

Inoltre, NetApp ha iniziato a incorporare il big data analytics e l'intelligenza artificiale nei propri prodotti e servizi. Ad esempio, Active IQ^® utilizza miliardi di data point, analisi predittive e una potente tecnologia di machine learning per fornire consigli relativi all’assistenza clienti proattiva in ambienti IT complessi. Active IQ è un’applicazione di cloud ibrido sviluppata utilizzando gli stessi prodotti e tecnologie NetApp usati dai nostri clienti per creare soluzioni AI per una vasta gamma di casi d’uso.