Come funziona l’Intelligenza Artificiale

Il funzionamento dell'AI si basa su modelli matematici complessi. Soprattutto, i sistemi di Intelligenza Artificiale hanno bisogno di molti dati, che vengono elaborati da data center composti, a loro volta, da centinaia di processori dedicati: è così che vengono “addestrate”, riuscendo infine a riconoscere gli schemi fra i dati e poter rispondere alle richieste degli utenti. In pratica, più volte un sistema vede una foto di un animale, come un gatto, e più sarà facile che lo riconosca con precisione in una foto in automatico. Per questo spesso si parla dei dati quando si parla di Intelligenza Artificiale: la base di dati usata dev’essere il più possibile completa ed eterogenea.

Il modo in cui vengono addestrate e il modo in cui usano i dati a loro disposizione distingue i vari funzionamenti di Intelligenza Artificiale.

Il machine learning è un tipo di Intelligenza Artificiale molto diffuso che permette a un sistema di continuare a migliorarsi nel corso del tempo. In altre parole, "impara" dai dati; quindi, più dati un sistema elabora, migliore diventa la sua capacità di fare previsioni accurate o rispondere in modo efficace alle richieste dell’utente.

A sua volta, si distinguono tre tipi di machine learning:

• Supervisionato (o supervised learning): il sistema impara dagli esempi etichettati in precedenza dagli operatori umani. Un esempio comune è la gestione automatica dello spam della posta elettronica, che ogni tanto ha bisogno che l’utente identifichi un’email come “indesiderata”.
• Non supervisionato (o unsupervised learning): in questo caso, invece, il sistema cerca di trovare schemi nei dati senza sapere in anticipo cosa cercare. Per esempio, potrebbe cercare di raggruppare i clienti di un negozio in base ai loro comportamenti di acquisto.
• Apprendimento per rinforzo (o reinforcement learning): questo sistema prevede che l’AI impari svolgendo dei compiti e ricevendo, poi, un feedback su cosa sta facendo bene e cosa no. È come insegnare a un bambino a fare le moltiplicazioni, ma segnalando quando sbaglia così che capisca che errori non fare più in futuro.

Il deep learning è un tipo di Intelligenza Artificiale che cerca di imitare il modo in cui il cervello umano apprende ed elabora le informazioni. Lo fa utilizzando delle "reti neurali", cioè strutture di algoritmi ispirate alla rete di neuroni del nostro cervello. Il deep learning è una delle forme più potenti a oggi disponibili di AI perché può analizzare grandi quantità di dati e trovare schemi complessi che sarebbero difficili, o persino impossibili, da trovare per gli esseri umani.

È utilizzato in molte applicazioni, come il riconoscimento delle immagini, la traduzione automatica e le auto a guida autonoma. Ma viene usata anche in campo scientifico: può analizzare milioni di molecole per identificare nuovi farmaci su cui vale la pena fare un’ulteriore ricerca.

Infine, questo ramo dell'AI si occupa dell'interazione tra un computer e il linguaggio umano. Si parla di “linguaggio naturale” perché il modo in cui parlano le persone (con pause, ripetizioni e altro ancora) è molto diverso da come un computer elabora le informazioni. C’è bisogno quindi di una “conversione”: da qui l’elaborazione del linguaggio naturale.

Quando un utente pone una domanda a un assistente virtuale dietro le quinte la domanda viene prima trascritta in testo; quel testo viene compreso ed elaborato per poter offrire una risposta; e infine la risposta viene comunicata “a voce”.

Il sistema deve quindi comprendere cosa sta dicendo l’utente e per farlo c’è bisogno di spezzettare il testo originale e di riconoscere delle parole chiave che servono al sistema per valutare la risposta. Quando, per esempio, viene chiesto a un assistente virtuale le previsioni per il giorno dopo, non capirà magari l’intera frase, ma coglierà le parole chiave che servono (come “meteo” e “domani”) al fine di fornire una risposta coerente.

L'AI è già presente nella nostra vita quotidiana in molteplici forme: viene usata per migliorare i dispositivi, dagli smartphone fino ai TV, in molti modi diversi. Per quanto il discorso attorno all’AI sia molto più frequente oggi che in passato, alcune delle sue applicazioni più comuni sono presenti nei dispositivi da diversi anni.

• Assistenti virtuali: Siri, Alexa e Assistente Google rispondono alle domande degli utenti, impostano promemoria e controllano dispositivi smart. Questo è probabilmente il mezzo attraverso cui le persone più interagiscono con un sistema di AI ogni giorno.
• Suggerimenti personalizzati: piattaforme come Netflix e Spotify utilizzano sistemi basati sull’AI per suggerire contenuti in base alle preferenze degli utenti. Dopo aver raccolto abbastanza dati su come l’utente guarda i film o ascolta la musica (quanto tempo ha visto un contenuto, quali invece ha saltato, ecc.), vengono poi proposti nuovi contenuti che non conosceva.
• Auto a guida autonoma: diverse società stanno sviluppando veicoli che possono guidare in modo autonomo, aumentando la sicurezza stradale. A questo scopo vengono usati varie tipologie di Intelligenza Artificiale in modo da arrivare a un punto in cui l’auto può prendere decisioni efficaci in autonomia, senza violare il codice della strada né danneggiare persone o cose.
• Smart TV: un’ulteriore applicazione dell’AI è il modo in cui i TV migliorano le immagini dei contenuti, dalle partite di calcio ai film. I TV possono autonomamente, grazie ai processori sempre più evoluti al loro interno, migliorare caratteristiche come contrasto e luminosità, di volta in volta in modo specifico sulla base del contenuto. O ancora, i TV moderni alzano la risoluzione nativa di un contenuto per adattarla a quella del TV: dal Full HD al 4K o dal 4K all'8K, per esempio.

MediaWorld Magazine è una testata giornalistica di informazione tecnologica registrata presso il tribunale di Monza n. 1408 del 24/06/1999