Dal I secolo a.C., gli esseri umani sono stati incuriositi dalla possibilità di creare macchine che imitano il cervello umano. Nei tempi moderni, il termine intelligenza artificiale è stato coniato nel 1955 da John McCarthy.
Nel 1956, McCarthy e altri organizzarono una conferenza intitolata “Dartmouth Summer Research Project on Artificial Intelligence“. Questo inizio ha portato alla creazione di machine learning, deep learning, analisi predittiva e ora all’analisi prescrittiva. Ha anche dato origine a un campo di studio completamente nuovo, la scienza dei dati.
Perché l’intelligenza artificiale è importante?
Oggi, la quantità di dati generata, sia dagli esseri umani che dalle macchine, supera di gran lunga la capacità degli esseri umani di assorbire, interpretare e prendere decisioni complesse. L’intelligenza artificiale costituisce la base per tutto l’apprendimento informatico ed è il futuro di tutti i processi decisionali complessi. Ad esempio, la maggior parte degli umani può capire come non perdere a tris, anche se ci sono 255.168 mosse uniche, di cui 46.080 con un pareggio.
Molte meno persone sarebbero considerate grandi campioni di dama, con più di 500 x 1018, o 500 quintilioni, diverse potenziali mosse. I computer sono estremamente efficienti nel calcolare queste combinazioni e permutazioni per arrivare alla decisione migliore. L’intelligenza artificiale (e la sua logica evoluzione dell’apprendimento automatico) e il deep learning sono il futuro fondamentale del processo decisionale aziendale.
Casi d’uso dell’intelligenza artificiale
Le applicazioni dell’IA possono essere viste in scenari quotidiani come il rilevamento di frodi sui servizi finanziari, le previsioni di acquisto al dettaglio e le interazioni dell’assistenza clienti online. Ecco solo alcuni esempi:
Intercettazione di una frode: il settore dei servizi finanziari utilizza l’intelligenza artificiale in due modi. Il punteggio iniziale delle domande di credito utilizza l’IA per comprendere l’affidabilità creditizia. Motori di intelligenza artificiale più avanzati vengono utilizzati per monitorare e rilevare le transazioni fraudolente con carta di pagamento in tempo reale.
Assistenza clienti virtuale (VCA). I call center utilizzano VCA per prevedere e rispondere alle richieste dei clienti al di fuori dell’interazione umana. Il riconoscimento vocale, insieme al dialogo umano simulato, è il primo punto di interazione in una richiesta di assistenza clienti. Le richieste di livello superiore vengono reindirizzate a un essere umano.
Quando una persona avvia il dialogo su una pagina Web tramite chat (chatbot), la persona interagisce spesso con un computer che esegue un’intelligenza artificiale specializzata. Se il chatbot non è in grado di interpretare o rispondere alla domanda, un essere umano interviene per comunicare direttamente con la persona. Queste istanze non interpretative vengono inserite in un sistema di calcolo di apprendimento automatico per migliorare l’applicazione di intelligenza artificiale per le interazioni future.
I progressi nell’IA per applicazioni come l’elaborazione del linguaggio naturale (NLP) e la visione artificiale (CV) stanno aiutando settori come i servizi finanziari, l’assistenza sanitaria e l’automotive ad accelerare l’innovazione, migliorare l’esperienza del cliente e ridurre i costi.
Gartner stima che fino al 70% delle persone interagirà quotidianamente con le piattaforme di intelligenza artificiale conversazionale entro il 2022. NLP e CV forniscono un prezioso collegamento tra esseri umani e robot: NLP aiuta i programmi per computer a comprendere il linguaggio umano e CV applica modelli di apprendimento automatico alle immagini ed è perfettamente adatto per qualsiasi cosa, dai filtri per selfie all’imaging medico.