Negli ultimi decenni i modelli basati sull’apprendimento computazionale profondo hanno svolto un ruolo fondamentale nello sviluppo di veicoli autonomi. Gli insuccessi occasionali non devono fuorviarci: l’Intelligenza Artificiale ha dimostrato di poter realizzare sistemi di percezione per esaminare l’ambiente intorno al veicolo e identificare oggetti come pedoni, veicoli e segnali stradali. Utilizzando queste informazioni, il sistema di controllo può intraprendere le azioni necessarie per controllare il veicolo in termini di frenata, velocità, cambio di corsia o sterzo. A Phoenix, in Arizona, il progetto Waymo One ha inaugurato in ottobre il primo servizio per il pubblico, mettendo a disposizione oltre 300 auto a guida autonoma che raccolgono e lasciano i passeggeri senza un umano al volante. Waymo ha il sostegno di Alphabet, la società madre di Google, ed entro il 2021, ci sono piani per espandere questa attività oltre Phoenix.
Concludiamo la panoramica con un tema in cui è fortemente impegnato anche il mio laboratorio di ricerca: l’intelligenza artificiale in sanità. L’uso della visione artificiale per la diagnostica nelle immagini mediche è diventato forse il caso d’uso più noto per l’IA in ambito sanitario. Ma non è di questo che voglio parlare perché, nonostante le centinaia di milioni di euro di finanziamenti e capitale di rischio, la tecnologia non è stata ancora pronta per essere adottata. Non è un problema di qualità dei modelli diagnostici, che hanno raggiunto accuratezze eccezionali: sono i sistemi informativi degli operatori sanitari a non essere pronti (soprattutto dal punto di vista della gestione dati) per incorporare queste soluzioni su larga scala. Quello che sta per arrivare nel 2021 è invece l’erogazione di servizi clinici ai pazienti a distanza piuttosto che di persona, utilizzando strumenti di Intelligenza Artificiale.
Prima della pandemia, la telemedicina significava semplicemente una videochat con un medico. Oggi la ricerca sta costruendo piattaforme di sensori proprietari e modelli di apprendimento automatico in grado di monitorare a distanza i segni vitali dei pazienti per la diagnosi precoce dei problemi sanitari, tenendo conto dei quadri clinici complessivi. L’intelligenza artificiale di queste piattaforme (compresa quella del mega-progetto europeo SMART BEAR, capitanato dall’istituto ICAR del CNR italiano) sarà significativamente più precisa nel rilevare i problemi sanitari rispetto ai medici umani. Ad esempio, i medici umani rilevano la fibrillazione atriale con una precisione del 70-80%, mentre i modelli di IA lo fanno con una precisione del 99%. La battaglia per il 2021 sarà soprattutto creare interfacce di accesso a queste piattaforme che convincano e rassicurino i pazienti umani.
Le aziende investono sempre di più nell’analytics big data, adattandoli alle loro necessità e sfruttandone tutti i benefici.
In particolare gli e-commerce, analizzando i dati dei loro clienti, possono estrapolare
informazioni utilissime come abitudini d’acquisto, preferenze, reazioni a determinati eventi, trend di mercato ecc.
In questo modo ogni attività può fornire un servizio su misura secondo le necessità della
propria clientela, oppure diversificare determinati prodotti per venire incontro alle mutate esigenze del mercato.Allo stesso modo le aziende possono pianificare le loro azioni di marketing in modo oculato e preciso, studiando il target di riferimento per capire come e quando raggiungerlo.
Ogni investimento viene quindi fatto con intelligenza, potendo simulare e addirittura prevedere quali saranno gli sviluppi futuri in una determinata area commerciale.
Investire in Big Data significa tagliare i costi, ottimizzare le prestazioni e soprattutto sfruttare al massimo le nuove opportunità che offre la moderna tecnologia digitale.Con scalable AI si indica la capacità delle soluzioni di Intelligenza Artificiale di essere scalabili, cioè di riuscire a mantenere le stesse performance all’aumentare delle richieste dell’utente finale.
L’Intelligenza Artificiale è sempre più integrata nei vari settori, si utilizzano modelli sempre più interessanti, si intersecano dati sempre più diversificati, ma la richiesta rimane sempre quella di una velocità di risposta ottimale.
In poche parole, per quanto l’IA possa essere complessa, deve sempre dare una risposta nei tempi attesi dall’utente per non creare dei ritardi e non disattendere le richieste.
Questo comporta che una grossa parte di lavoro si occupi dell’utilizzabilità di questi modelli anche nel futuro, poiché i dati continueranno ad aumentare.
Per creare un buon modello ci vuole un dataset di qualità, ma giorno dopo giorno aumentano gli IoT che si connettono alla rete, aumentano i dati stessi, aumenta la volontà delle aziende di recuperarli.
Prima o poi questi dati faranno crescere al punto tale i dataset dei modelli, che quest’ultimi raggiungeranno una precisione sempre maggiore e aumenteranno gli obiettivi stessi.
Questo è un esempio di problematiche molto ricorrenti.
Quando si progetta un modello di Intelligenza Artificiale bisogna tener presente che il modello dovrà mantenere comunque le stesse performance anche a fronte dell’aumento degli utenti e l’aumento delle variabili.
Queste evoluzioni tecnologiche, economiche e organizzative che vanno applicate e studiate anche con l’esigenza specifica della parte software che riguarda l’Intelligenza Artificiale.
Dopo anni in cui abbiamo visto la crescita della Computer Vision, il GPT-3 ha dato una motivazione in più alle persone di avvicinarsi a questo mondo passando per il Natural Language Processing.
Sicuramente l’NLP ha ancora molto da dare per mostrare tutta la sua potenzialità.
Ricordiamo che il linguaggio e l’interazione attraverso di esso sono la base della società umana, quindi più i computer o i device elettronici riusciranno ad avvicinarsi al nostro normale modo di comunicare, più riusciremo ad accettare questo tipo di interazione, sentendoli più vicini e affini al nostro modo di vivere.
Questo ci avvicina già adesso, anche con gli attuali assistenti virtuali come gli smart-speaker o gli assistenti virtuali o addirittura i chatbot per il customer service, che adesso sono completamente automatizzati.
Guadagnano in intelligenza, guadagnano anche in capacità di gestire la comunicazione, ma sicuramente nel prossimo futuro vedremo cose molto più interessanti e riuscirà davvero a diventare un collaboratore quasi essenziale, evitando le debacle che avvengono quando si tratta di interagire con questo tipo di utilizzo.