Scopri gli articoli di Geeks Academy su: Blockchain, Coding, Cybersecurity, Cloud, Big Data, Artificial Intelligence, Gaming, Digital Innovation
Con il successo dell’intelligenza artificiale e dei tool generativi basati su intelligenza artificiale, l’interesse mediatico verso l’AI è ai massimi storici. Tuttavia, è anche un argomento che suscita spesso confusione. Le domande più frequenti sono infatti: cos’è l’intelligenza artificiale? Che cos’è il machine learning? Sono la stessa cosa?
Cerchiamo quindi di sciogliere in maniera semplice e intuitiva questi dubbi.
AI vs ML
Rispondiamo subito: l’intelligenza artificiale e il machine learning non sono la stessa cosa.
L'intelligenza artificiale (AI) è un’area dell'informatica che si concentra sulla costruzione di macchine intelligenti in grado di eseguire attività che in genere richiedono intelligenza umana. I recenti sviluppi nel campo dell’AI sono notevoli: progressi nell'elaborazione del linguaggio naturale (NLP) come i modelli linguistici, tra i quali ChatGPT-3, con maggiore precisione e comprensione del contesto; sviluppo di Generative Adversarial Networks (GAN) per sintetizzare immagini realistiche, video e altri media; miglioramento delle tecniche di visione artificiale per il riconoscimento degli oggetti e la classificazione delle immagini; integrazione dell'intelligenza artificiale con dispositivi Internet of Things (IoT) per rendere l’ambiente casalingo e lavorativo più smart.
Queste scoperte stanno portando innovazioni in settori come l'assistenza sanitaria, la finanza, i trasporti e il servizio clienti, tra gli altri.
Il Machine Learning (ML) è invece una branca dell'intelligenza artificiale che consente ai computer di apprendere dall'esperienza senza essere esplicitamente programmati. Gli algoritmi di ML analizzano i dati, imparano da quei dati e quindi fanno una previsione su qualcosa nel mondo.
Quindi, il ML è un metodo per implementare l'AI.
Sviluppi e innovazioni del machine learning vanno inevitabilmente a intrecciarsi con le scoperte sopracitate. Da sottolineare, i progressi nelle tecniche di Deep Learning, in particolare reti neurali convoluzionali (CNN) e reti neurali ricorrenti (RNN), che hanno migliorato l'accuratezza delle attività di riconoscimento di immagini e parlato; i modelli generativi migliorati, come Variational Autoencoder (VAE) e Generative Adversarial Network (GAN), che possono generare nuovi dati da dati esistenti; miglioramenti nel reinforcement learning, l'apprendimento per rinforzo, in particolare nel campo dei giochi, dove l’intelligenza artificiale ha superato campioni umani in giochi complessi come scacchi e Go; inoltre, maggiore efficienza e scalabilità degli algoritmi di ML.
In breve, l'intelligenza artificiale è un concetto ampio che si riferisce allo sviluppo di sistemi informatici in grado di eseguire compiti che normalmente richiederebbero l'intelligenza umana. Il machine learning è un approccio specifico all'intelligenza artificiale che prevede l'addestramento dei computer a imparare dai dati.
Il futuro è AI
Nel corso degli anni, il volume dei dati disponibili è aumentato vertiginosamente, soprattutto grazie all'espansione dell'IoT (Internet of Things). Il mercato dei dati cresce quindi a dismisura ed è, secondo le ultime stime, destinato a raggiungere un valore di $103 miliardi entro il 2027. Di seguito, alcune pillole sui dati:
- Le aziende generano circa 2,000,000,000,000,000,000 di byte di dati al giorno.
- Il 97.2% delle organizzazioni investe in AI e Big Data.
Nonostante i numeri parlino da sé, le aziende fanno fatica a seguire l'incessante creazione di nuovi dati:
- Circa il 95% delle aziende dichiara l'incapacità di comprendere e gestire dati non strutturati.
- Solo il 26% circa delle aziende afferma di aver raggiunto una cultura basata sui dati.
Non vivere il futuro da spettatore… diventane il protagonista! Iscriviti ai percorsi Geeks Academy per lavorare nelle nuove professioni della Data Economy grazie ai percorsi dell’area AI & Big Data:
Fonti:
https://www.theverge.com/2019/11/27/20985260/ai-go-alphago-lee-se-dol-retired-deepmind-defeat
https://www.amii.ca/latest-from-amii/future-ai-reinforcement-learning-and-heres-why/
https://towardsdatascience.com/gans-vs-autoencoders-comparison-of-deep-generative-models-985cf15936ea