Viene definita Intelligenza Artificiale Ibrida, ed è lo sviluppo che combina l’apprendimento automatico (Machine Learning) e i sistemi di apprendimento profondo (Deep Learning) con l’intervento dell’uomo.
Poiché le iniziative di trasformazione digitale stanno alimentando la crescita dell’AI, dobbiamo scegliere gli strumenti e le tecniche più adatti per il risultato che vogliamo ottenere.
I sistemi di Intelligenza Artificiale che possono imparare a risolvere i problemi senza l’intervento umano si sono finora dimostrati uno sviluppo utile, ma in molti casi possiamo trarre vantaggio da un approccio ibrido.
Un uso comune dell’Intelligenza Artificiale Ibrida, ad esempio, sono le ricerche sul web.
Se digitiamo “1 Euro in Dollari” in un motore di ricerca, questo riconosce un problema di conversione di valuta (symbolic AI), e fornisce un widget per eseguire la conversione prima di recuperare, classificare e presentare i risultati web (non-symbolic AI) tramite l’apprendimento automatico.
Esistono dozzine di classi di query (tra cui risultati di previsioni meteorologiche, tempi di viaggio, e risultati sportivi) che vengono elaborate utilizzando l’Intelligenza Artificiale, sia simbolica che non simbolica.
Questa grande area di sviluppo ora riguarda anche le auto a guida autonoma, poiché devono comprendere le regole di base, e prendere decisioni in tempo reale elaborando i segnali dell’ambiente che le circonda.
Anche chi ha sviluppato sistemi di Computer Vision tramite il Deep Learning ora li sta ripensando con un occhio all’AI Ibrida, dato che alcune di queste applicazioni raccolgono pregiudizi e segnali di discriminazione dai dati e dalle basi di conoscenza sottostanti.
Negli usi dell’AI Ibrida, i modelli di Deep Learning possono imparare a eseguire le attività più semplici, come ad esempio rilevare informazioni da grandi quantità di dati, e lasciare invece i ragionamenti più complessi a un modello tradizionale, su cui gli esseri umani hanno più controllo.
Intelligenza Artificiale Ibrida: le sfide
Nessuna tecnica – o combinazione di tecniche – può risolvere tutti i problemi, e perciò è importante conoscerne fin dall’inizio le potenzialità e i limiti.
Una delle più grandi sfide, come detto, è rappresentata dal contesto in cui operiamo, fattore per una macchina difficilmente leggibile.
Ad esempio, tramite un algoritmo di Machine Learning possiamo prevedere la possibilità di pioggia, ma dobbiamo poi – tramite il nostro giudizio, e dopo che è stata raggiunta una determinata percentuale – scatenare un conseguente avviso o input che possa portare a un’azione successiva.
Questo problema ha bisogno di un essere umano che consideri le previsioni del tempo e le combini con dati del mondo reale (come posizione, velocità e direzione del vento e temperatura) per prendere una decisione informata.
Più diventiamo digitali, più l’uso dell’AI ci consente di ottenere informazioni su larga scala e in meno tempo, grazie alle quali possiamo offrire ai clienti una migliore esperienza dei nostri servizi o prodotti, ridurre i costi operativi, e aumentare i ricavi.
Il successo è dettato da una chiara comprensione del problema, e dall’utilizzo dei dati e delle tecniche giuste per ottenere il risultato desiderato.
Intelligenza Artificiale Ibrida: esempi
L’Intelligenza Artificiale Ibrida non è un concetto nuovo.
Quando costruiamo modelli di Deep Learning o modelli bayesiani probabilistici abbiamo bisogno di ottenere dati di addestramento corretti.
Questi in genere provengono da noi esseri umani, che forniamo la giusta classificazione o interpretazione delle informazioni, la quale è indispensabile per i sistemi di apprendimento automatico: dal posizionamento di un sito nel motore di ricerca all’addestramento di veicoli autonomi.
Gli esempi di successo di AI Ibrida dimostrano che sia la conoscenza del dominio (ossia del settore in cui si opera) che l’esperienza nell’AI sono necessari per risolvere le questioni reali.
Senza la conoscenza del dominio la soluzione tende a non adattarsi al problema, senza le competenze di Intelligenza Artificiale può essere difficile capire cosa fare.
Il supporto tecnologico consente agli esperti di prendere decisioni finali più informate.
I Data Scientist, responsabili del modello, devono perciò essere dotati di elevate competenze tecniche, ma anche poter accedere ai dati di contesto e ricevere maggiori informazioni dagli esperti di settore, affinché i dati di addestramento siano i migliori possibili per i modelli da costruire.
Gli esempi odierni di AI Ibrida sono più efficaci quando esseri umani e macchine fanno rispettivamente ciò che sanno fare meglio.
Gli esseri umani sono bravi a formulare giudizi, le macchine a elaborare velocemente le informazioni.
Ad esempio, un sistema può elaborare 5 milioni di video in 10 secondi, noi no.
Perciò lasciamo che la macchina svolga il suo lavoro… saremo poi noi a giudicare il risultato.
Fondamentalmente l’efficacia dell’AI Ibrida dipende dal giudizio umano per l’addestramento e l’ottimizzazione nella maggior parte dei casi d’uso.
La prima sfida significativa è dotare i progetti di Intelligenza Artificiale Ibrida della giusta competenza tecnica.
La seconda è superare sia la mancanza di best practice del settore su come dovrebbero apparire i sistemi di AI Ibrida, sia la mancanza di strumenti e framework per implementare tali best practice.
L’obiettivo finale deve essere capire quando e come l’AI può essere applicata al meglio e abbinata in modo fruttuoso ai modelli di apprendimento statistico.
Conclusioni
Solo conoscendo i nostri limiti e quelli delle tecnologie che utilizziamo possiamo
ottenere risultati migliori.
Dobbiamo sfruttare gli strumenti di cui disponiamo per potenziare le nostre capacità di analisi dei dati.
Analizzare milioni di informazioni o svolgere un compito ripetitivo per tanto tempo non sono attività umane.
Le tecnologie ci possono dare una mano in questo senso.
A noi il compito di analizzare il contesto e adattare ad esso le indicazioni che riceviamo dall’analisi operata dai sistemi.
Noi di Karon possiamo aiutarti a creare un progetto di Intelligenza Artificiale strutturato, che sfrutti al massimo la tecnologia e consenta agli esseri umani di svolgere un lavoro di qualità.
Se vuoi conoscerci e avere più informazioni su cosa possiamo fare per te prenota una videocall o contattaci per organizzare un incontro in presenza presso la tua azienda!
Ecco come si svolgerà:
- Analizzeremo il problema
Per comprendere meglio cosa possiamo fare per te dobbiamo capire qual è il problema della tua organizzazione.
- Comprenderemo quanto ti manca
Per capire se hai tutte le informazioni necessarie per raggiungere l’obiettivo dobbiamo sapere quanto la tua azienda è digitalizzata, quante informazioni hai, e a che livello tecnologico ti trovi.
- Studieremo le basi del progetto
Stabiliremo insieme le basi del progetto. Non devi preoccuparti di avere già tutto chiaro o pensare di avere tutte le informazioni necessarie, saremo noi a porti le domande giuste per mettere a fuoco i passi successivi!
Prima si condividono gli obiettivi e i dati, prima si ottengono risultati mai visti!
Non aspettare ancora
