Facciamo un po’ di chiarezza sull’attuale ondata di intelligenza artificiale e machine learning. Capire la storia dell’AI significa comprendere meglio il suo potenziale e le possibilità di sviluppo. L’evoluzione at the Egde permette decisioni più rapide direttamente sui dispositivi connessi
Nel caso non abbiate controllato la vostra email negli ultimi 18 mesi, l’intelligenza artificiale (AI) e il machine learning (ML) sono emersi rapidamente come strumenti trasformativi per le organizzazioni moderne. Come consulente senior di ML, ho osservato in prima persona l’impatto di queste tecnologie in vari settori. L’intento originale di questi strumenti, molti decenni fa, era quello di duplicare l’intelligenza umana utilizzando processi meccanici. Alla base, AI e ML si riferiscono allo sviluppo di sistemi informatici capaci di svolgere compiti che tipicamente richiedono l’intelligenza umana. Ci sono dibattiti in corso su come e se questi sistemi dimostrino davvero forme di ragionamento o intelligenza veri (o anche se gli esseri umani siano unici nell’essere intelligenti!), ma l’utilità sorprendente dell’attuale ondata di AI/ML ha enormi implicazioni per imprese e organizzazioni.
AI predittiva e AI generativa
Per essere chiari, il ML è un concetto ampio che comprende varie tecniche per l’apprendimento di compiti specifici. Il deep learning, d’altra parte, è un tipo di machine learning più sofisticato e specifico che coinvolge reti neurali artificiali con più strati per apprendere i modelli di dati. Nella stampa generalista, è importante notare che il termine “machine learning” è più comunemente usato, anche se più preciso sarebbe “deep learning”. All’interno del deep learning, ci sono due sottoinsiemi principali e importanti: l’AI predittiva e l’AI generativa. L’AI predittiva si concentra sulla realizzazione di previsioni o stime basate su dati storici strutturati. Mira a identificare schemi nei dati e a utilizzarli per prevedere risultati futuri. I modelli di AI predittiva vengono addestrati su dataset etichettati, in cui l’algoritmo apprende le relazioni tra le caratteristiche di input e la variabile target corrispondente. Per esempio, l’impatto dell’aumento delle temperature sulla previsione del tempo, o il colore delle gomme usurate di un camion per anticipare un guasto pericoloso. L’AI predittiva è particolarmente utile quando è necessario anticipare risultati specifici basati sui dati strutturati disponibili. La previsione del tempo, la classificazione delle immagini, i sistemi di raccomandazione, i veicoli autonomi, l’anticipazione di guasti hardware/software, il rilevamento di anomalie nelle email, e così via, sono tutti esempi di AI predittiva.
Per molti casi d’uso, l’AI predittiva è una tecnica eccellente e viene utilizzata con successo in produzione da almeno 10-15 anni. Esistono diversi toolkit Java di qualità eccellente per l’implementazione dell’AI predittiva, come JSR 381 Visual Recognition, DLJ di Amazon e Deep Netts. Un altro sottoinsieme molto importante di deep learning è l’AI Generativa o “GenAI” che sta suscitando grande entusiasmo. La GenAI si concentra sulla creazione di nuovi campioni di dati che somigliano ai dati di input su cui è stata addestrata. Invece di prevedere dai dati esistenti, la GenAI genera dati nuovi e sintetici basati sui modelli appresi. L’AI Generativa è al momento molto popolare per la sua capacità di creare testi, immagini e suoni simili a quelli umani. L’AI Generativa si occupa tipicamente di un tipo di elaborazione del linguaggio naturale (NLP) che utilizza un’architettura innovativa chiamata “Transformers,” sviluppata (e brevettata) da Google nel 2017. Questi sistemi utilizzano grandi modelli linguistici (LLM) che sono addestrati su enormi quantità di dati presenti su Internet per estrarre schemi.
Sebbene si possano trovare grandi modelli linguistici (LLM) disponibili da aziende come OpenAI, Google e Microsoft, attualmente esistono migliaia di modelli open-source che puoi eseguire direttamente sul tuo laptop o in cloud. La crescente popolarità di questi LLM open-source rappresenta una tendenza significativa da monitorare, specialmente considerando l’AI at the Edge che potrebbe rappresentare una grande opportunità di business. Entrambe le forme di deep learning stanno alimentando nuovi tipi di sistemi informatici per le imprese. L’AI predittiva è incentrata sulla realizzazione di previsioni basate su schemi esistenti, mentre l’AI generativa si concentra sulla creazione di nuovi dati realistici. Sebbene l’AI generativa abbia sicuramente catturato l’attenzione delle imprese (e dei paesi!) di tutto il mondo, entrambi gli approcci hanno il loro insieme di applicazioni e sono preziosi in contesti diversi. Esistono anche casi d’uso che mettono insieme i punti di forza di ciascun tipo di deep learning, creando così combinazioni particolarmente potenti e innovative.
Breve storia dell’AI generativa
La GenAI si riferisce a sistemi di intelligenza artificiale capaci di generare nuovi contenuti: testo, immagini, audio o altri media, basati su dati non strutturati esistenti. A differenza dell’AI predittiva, che tipicamente analizza dati strutturati (ed etichettati) per trovare schemi e fare previsioni, la GenAI crea output stocastici e non deterministici a partire da schemi appresi, aprendo un mondo di possibilità entusiasmanti, ma anche di rischi significativi) per le imprese.
Per comprendere appieno il suo potenziale, è essenziale capire e apprezzare il contesto storico e l’evoluzione dell’AI. Le prime forme di AI affondano le loro radici negli anni 40 con lo sviluppo delle prime reti neurali artificiali (ANN – Artificial Neural Network) che certamente seppero mettere a frutto le ricerche in biologia matematica del decennio precedente, ispirandosi ai principi biologici per creare modelli computazionali simili ai processi neurali naturali. È interessante notare che le reti neurali artificiali furono concepite prima che venissero sviluppate molte delle tecnologie software moderne, come le sottoprocedure, che sono ora fondamentali per la programmazione. Questo mette in evidenza quanto fosse innovativo e pionieristico il lavoro svolto negli anni 40, quando i ricercatori riuscirono a creare modelli complessi e funzionali con risorse tecniche ancora primitive.
I sistemi di AI nascenti erano concentrati su sistemi basati su regole e semplici algoritmi decisionali, in particolare durante gli anni 80. Con l’avvento del machine learning moderno negli ultimi 10-15 anni, i sistemi di AI hanno iniziato ad apprendere dai dati, migliorando le loro prestazioni nel tempo. Il deep learning ha ulteriormente potenziato le capacità dell’AI, consentendo compiti più complessi come il riconoscimento delle immagini e della voce. La GenAI rappresenta l’ultimo salto in avanti, capace di creare contenuti completamente nuovi. Questa caratteristica non è del tutto nuova, poiché i sistemi stocastici di generazione musicale basati su stili musicali esistevano già negli anni 70 e all’inizio degli anni 80. Tuttavia, con l’avvento delle risorse di cloud computing e la recente innovazione dell’architettura transformer (2017) per l’elaborazione del linguaggio naturale (NLP), i benefici (e i rischi) della GenAI sono per la prima volta alla portata di tutte le organizzazioni e le imprese.
Frank Greco
Autorità riconosciuta nel campo dell’AI e del ML, del cloud/mobile computing e della comprensione del valore aziendale dell’IT. Formatore e manager, ma anche prolifico scrittore e autore di numerose pubblicazioni. Pensatore strategico con forti capacità di leadership e team leader con uno spirito imprenditoriale innovativo. Con un ampio background che spazia da Google a una serie di startup tecnologiche, Frank Greco è un oratore di grande esperienza. Per il suo contributo alla comunità Java, è stato insignito del titolo di “Java Champion”. Coautore di JSR381 Visual Recognition, un’API standard di ML per sviluppatori Java, attualmente è presidente del NYJavaSIG, il più grande gruppo di utenti Java del Nord America.
Frank Greco presenterà per Technology Transfer i seminari “L’Intelligenza Artificiale per l’impresa moderna” il 28 Ottobre 2024, e “Introduzione all’Intelligenza Artificiale Generativa per Sviluppatori Java” il 29-30 Ottobre 2024. I seminari si terranno online Live Streaming.
