L’intelligenza artificiale (IA) sta rapidamente assumendo un ruolo di primo piano nell’economia e nella società contemporanee. Comprendere origini, evoluzione e potenzialità di questa tecnologia innovativa risulta di grande importanza per governarne responsabilmente l’impatto a livello globale.
In linea con il tema centrale del Trattato, questo primo capitolo mira ad analizzare nel dettaglio l’avvento dell’IA, partendo dalle sue fondamenta scientifiche e storiche per arrivare alla grande varietà di applicazioni odierne in svariati ambiti, quali industria, sanità, finanza.
Attraverso una panoramica esaustiva sulle definizioni, metodologie, benefici ma anche limiti etici e pratici degli attuali sistemi di IA, il capitolo pone le basi concettuali necessarie per una comprensione critica di questa tecnologia e del suo crescente ruolo negli ecosistemi economico-sociali moderni.
Definizioni principali di IA
Il termine intelligenza artificiale (o artificial intelligence, da cui l’acronimo IA) venne utilizzato per la prima volta in assoluto nel 1955 da John McCarthy, uno dei padri fondatori di questa disciplina scientifica. Egli la definì come “la scienza e l’ingegneria di produrre macchine intelligenti”.
Da allora l’IA ha compiuto passi da gigante, e oggi con questo termine si identifica l’insieme di teorie, metodologie e tecniche volte alla progettazione di sistemi hardware e software capaci di svolgere attività e compiti specifici tipicamente considerati prerogativa dell’intelligenza umana.
Tra le principali caratteristiche che definiscono un sistema di intelligenza artificiale vi sono: capacità di apprendimento in autonomia dai dati senza necessità di essere esplicitamente programmato; capacità di ragionamento logico-deduttivo sulla base di esempi empirici; capacità di percepire l’ambiente esterno tramite sensori, elaborando e interpretando tali stimoli; capacità di prendere decisioni conseguenti e di ottimizzare le proprie scelte sulla base dei risultati passati, migliorando nel tempo con l’esperienza.
Tutte queste caratteristiche fanno sì che le macchine IA mostrino un certo grado di “intelligenza” nello svolgere compiti specifici normalmente appannaggio degli esseri umani.
Le origini scientifiche e storiche
La disciplina dell’intelligenza artificiale ha inizio formalmente negli anni Cinquanta, quando alcuni tra i padri fondatori dell’informatica del XX secolo cominciarono a domandarsi se fosse possibile creare programmi software in grado non solo di elaborare dati numerici ma anche di emulare le funzioni cognitive superiori alla base dell’intelligenza umana, come apprendimento, ragionamento logico-deduttivo, creatività, capacità linguistiche e di risoluzione di problemi aperti.
Uno di questi pionieri fu Alan Turing, che nel 1950 propose il cosiddetto “gioco dell’imitazione” per determinare se una macchina potesse essere definita “intelligente”: il test prevedeva che un umano ponesse domande ad una macchina e ad un altro umano, per poi determinare chi dei due stesse rispondendo alle spalle.
Ma il termine “Artificial Intelligence” fu coniato per la prima volta nel 1955 dal matematico John McCarthy, durante la conferenza fondativa tenutasi al Dartmouth College. Lo scopo dichiarato era appunto quello di far progredire lo studio della “scienza e ingegneria di produrre macchine intelligenti”, fondando un vero e proprio campo disciplinare accademico.
Le tecniche computazionali che si ritenevano promettenti per simulare l’intelligenza includevano l’heuristic search e il symbolic programming: ovvero la capacità di provare diverse soluzioni alternative ad un problema per poi scegliere razionalmente la migliore, apprendendo anche dagli errori commessi.
Pietre miliari nell’evoluzione della disciplina
L’IA ha compiuto passi da gigante dagli albori puramente teorici ad oggi, grazie ad alcune scoperte scientifiche e tecnologiche che hanno profondamente influenzato questo campo di ricerca.
Tra le principali pietre miliari nello sviluppo dell’intelligenza artificiale si possono citare:
- Il programma GPS (General Problem Solver) sviluppato da Newell e Simon nel 1965: uno dei primi sistemi esperti capaci di dimostrare in modo automatico teoremi logici a partire da assiomi, attraverso un motore di inferenza deduttiva.
- Il supercomputer Deep Blue IBM che nel 1997 sconfisse il campione mondiale di scacchi Garry Kasparov dopo aver analizzato oltre 200 milioni di mosse eseguibili a partire da una disposizione di partenza delle 32 pedine degli scacchi.
- L’algoritmo AlphaGo di DeepMind (Google) che nel 2016 batté il tre volte campione europeo di Go (gioco strategico cinese), Fan Hui, dimostrando una capacità di previsione e pianificazione ampiamente sovrumana resa possibile da sofisticate reti neurali profonde addestrate tramite tecniche di deep reinforcement learning su migliaia di partite.
- Il supercomputer Watson di IBM basato su algoritmi di natural language processing, in grado di battere nel 2011 i due migliori campioni umani nel popolare quiz televisivo Jeopardy, comprendendo domande poste in linguaggio naturale e pescando le risposte esatte dal suo immenso database.
- Il chatbot Eugene Goostman, progettato per simulare un ragazzo ucraino di 13 anni. Nel 2014 superò per la prima volta il test di Turing ingannando un terzo dei giudici sulla sua natura informatica.
Metodi e tecniche alla base dell’IA
I recenti straordinari progressi fatti registrare dai sistemi di intelligenza artificiale negli ultimi 10-15 anni sono dovuti a innovazioni scientifiche e tecnologiche di portata epocale.
In particolare, l’avvento degli algoritmi di machine learning prima e deep learning poi hanno letteralmente rivoluzionato le capacità delle macchine IA, rendendo possibili risultati impensabili fino a poco tempo fa.
Il machine learning consiste nello sviluppo di modelli matematici detti “algoritmi” capaci di migliorare autonomamente le proprie performance man mano che vengono esposti a grandi quantità di dati. Attraverso tecniche statistiche di elaborazione dei big data, questi programmi riescono ad individuare pattern complessi e fare quindi previsioni molto accurate analizzando milioni di esempi passati.
Il deep learning è una particolare sotto-categoria del machine learning che si basa su reti neurali artificiali ispirate alla struttura a strati delle reti di neuroni biologiche del cervello umano. Grazie all’individuazione autonoma di “features” nei dati, questi algoritmi riescono ad ottenere risultati eccezionali in ambiti come il riconoscimento vocale o delle immagini, senza necessità di essere esplicitamente programmati dall’uomo.
Altri metodi alla base dei sistemi IA moderni includono le logiche fuzzy per la gestione delle incertezze, gli smart agent software capaci di percepire l’ambiente e agire di conseguenza per raggiungere uno scopo, gli algoritmi genetici che mimano l’evoluzione biologica, e infine le tecnologie del linguaggio naturale che consentono la comunicazione uomo-macchina.
Ambiti di applicazione attuali
Grazie ai recenti straordinari progressi nel machine learning, nel deep learning e nell’hardware computazionale (a partire dalla GPU), oggi l’IA trova applicazione pervasiva in un numero amplissimo e crescente di settori:
- Industria e manifattura 4.0: automazione e ottimizzazione della catena di montaggio, supply chain predittiva, simulazione digitale di prodotti e processi, controllo qualità predittivo tramite computer vision
- Sanità 4.0: sistemi esperti di supporto alle decisioni mediche, diagnostica per immagini tramite reti neurali, robotic surgery con bracci chirurgici autoregolati, telemedicina e patient data analytics
- Fintech: trading ad alta frequenza interamente algoritmico, credit scoring predittivo tramite deep learning, rilevazione frodi in tempo reale tramite Anomaly detection
- Retail 4.0: chatbot e assistenti virtuali nei customer service, sistemi di raccomandazione prodotto basati sul collaborative filtering, promozioni e offerte personalizzate generate da modelli di AI
- Smart mobility: guida assistita e veicoli a guida autonoma tramite computer vision, ottimizzazione in real time di percorrenze e car sharing tramite apprendimento per rinforzo, previsioni traffico e tempi di percorrenza.
- Agricoltura e allevamento di precisione: computer vision per monitoraggio e fenotipizzazione colture, sistemi automated di irrigazione e fertilizzazione, formulazione mangimi su misura tramite modelli predittivi
- Generazione creativa tramite IA: musica e testi prodotti da algoritmi come MuseNet di OpenAI, eBook e articoli di news automatizzati, generazione semi-automatica logo e wireframe per il design.
L’elenco potrebbe continuare pressoché indefinitamente, a testimoniare la pervasività raggiunta oggi da questa tecnologia innovativa.
Automazione, analisi, ottimizzazione
In sintesi, i principali vantaggi derivanti dall’adozione di sistemi di IA nelle aziende e nell’industria moderna possono essere riassunti in:
- Automazione di un’ampia varietà di attività umane manuali ripetitive e pesanti, con enormi risparmi in termini di tempo, fatica e costi grazie all’esecuzione automatica 24 ore per 7 giorni alla settimana di procedure standard codificate negli algoritmi. Basti pensare alla catena di montaggio automatizzata nell’industria manifatturiera o ai call center virtuali.
- Analisi estremamente sofisticate di enormi volumi di dati (big data) che sarebbe del tutto impossibile gestire manualmente. Grazie al machine learning, l’IA è in grado di individuare modelli, correlazioni e pattern altamente significativi ma altrimenti non identificabili dall’occhio umano all’interno di enormi database.
- Maggiore precisione, efficienza e ottimizzazione di processi aziendali complessi end-to-end come le supply chain produttive e distributive, i sistemi di stoccaggio e movimentazione interna o i processi di progettazione e sviluppo di nuovi prodotti.
In definitiva tutto ciò si traduce in maggiore efficienza operativa, riduzione di sprechi e costi della struttura, minimizzazione degli errori umani grazie all’automazione delle attività più monotone ripetitive, potenziamento della capacità predittiva applicata a scenari come l’andamento futuro della domanda e dei mercati.
Supporto alle decisioni umane
Oltre alla pura automazione di specifici compiti e attività ripetitive, l’IA offre anche enormi benefici come strumento di potenziamento e arricchimento del processo decisionale umano negli ambiti più disparati.
I moderni sistemi di intelligenza artificiale sono difatti in grado di acquisire ed elaborare in tempi rapidissimi (quasi real-time) una enorme mole di dati eterogenei, valutando contemporaneamente miriadi di variabili qualitative e quantitative, scenari alternativi e opzioni di scelta possibili.
In questo modo l’IA può fornire insights preziosi e altamente informativi ai manager e ai professionisti (es. medici, trader..) supportandoli nel prendere decisioni più accurate, consapevoli e lungimiranti rispetto a quelle che potrebbero prendere solo con le loro limitate capacità cognitive.
Ad esempio nel retail, sofisticati algoritmi predittivi possono incrociare in tempo reale vari fattori come lo storico degli ordini, le recensioni online, i trend attuali di vendita per categoria di prodotto, la segmentazione della clientela, e persino le previsioni meteo a breve termine. Lo scopo è quello di analizzare questi big data per poi suggerire al retailer se rifornirsi o meno di uno specifico item e in che quantità ottimale, riducendo enormi sprechi di rimanenze invendute.
In ambito industriale invece, gli analytics predittivi possono monitorare miriadi di parametri operativi di una flotta di veicoli o di una linea produttiva, prevedendo per tempo potenziali guasti o malfunzionamenti, permettendo quindi interventi mirati preventivi che minimizzano tempi morti e inattività degli impianti.
Impatto in settori chiave
I settori che stanno vivendo la maggiore trasformazione, rivoluzione e innovazione derivante dall’avvento delle tecnologie di intelligenza artificiale sono svariati.
Eccone alcuni tra i più rivoluzionati:
- Fintech: servizi bancari interamente digitalizzati e online, trading finanziario ad alta frequenza guidato da software autoregolati, consulenza patrimoniale e suggerimento investimenti automatizzati tramite robo-advisor.
- Smart mobility: guida assistita tramite sensori e computer vision predittiva, navette e veicoli a guida autonoma tramite deep learning su migliaia di km, ottimizzazione in real time tramite algoritmi self-learning di percorrenze logistiche, car sharing e car pooling.
- Robotica avanzata nell’industria 4.0: catena di montaggio con robot collaborativi interconnessi tra loro, magazzini completamente autogestiti da flotte di robot (es. Amazon Robotics) per lo stoccaggio e il picking & packing ultrarapidi.
- Healthcare 4.0: imaging medico potenziato da sistemi di computer vision in grado di identificare patologie in fase precoce, diagnosi sempre più accurate supportate da analisi predittive basate sul profilo del paziente, digital therapeutics e assistenza virtuale tramite chatbot e assistenti vocali.
- Retail 4.0: negozi fisici automatizzati senza personale come Amazon Go, analisi predittive in tempo reale della domanda per assortimento dinamico e promozioni iper-personalizzate, consulenti di bellezza virtuali come Sephora Virtual Artist.
Potenzialità inespresse
Nonostante i progressi già raggiunti che potrebbero sembrare di portata epocale, la stragrande maggioranza degli esperti concorda sul fatto che l’IA odierna è ancora agli albori del suo reale potenziale completo.
Basti pensare che le capacità degli algoritmi di machine learning e deep learning migliorano letteralmente di giorno in giorno man mano che tali sistemi vengono addestrati su volumi sempre più ampi di dati ad alto valore informativo. Già oggi, la mole di informazioni generata giornalmente dall’uomo è tale da impiegare migliaia di anni per essere processata manualmente.
Inoltre, con le tecnologie di quantum computing che iniziano ad affacciarsi all’orizzonte, l’hardware su cui operano gli algoritmi intelligenti diventerà esponenzialmente più potente rispetto all’information technology tradizionale, promettendo balzi enormi in termini di rapidità di calcolo e di modellazione causale di sistemi altamente complessi.
Nei prossimi 5-10 anni è molto probabile che si assisterà ad una nuova esplosione di applicazioni di IA sempre più performanti, personalizzate in tempo reale sul singolo utente finale e integrate in modo pervasivo in ogni settore economico e della vita quotidiana.
Limiti dell’IA nei confronti delle capacità cognitive umane
Per quanto possa sembrare sofisticata, l’intelligenza artificiale presenta ancora evidenti limiti e lacune rispetto alle più avanzate funzioni cognitive umane.
Ad esempio, permangono difficoltà significative nella comprensione e produzione di linguaggio naturale complesso, nella generazione autonoma di contenuti creativi originali e nell’introspezione emotiva profonda. Inoltre l’IA fatica ad adattarsi autonomamente e rapidamente a contesti completamente nuovi mai incontrati in fase di training dei suoi algoritmi.
Ma soprattutto, le macchine IA odierne non possiedono quella consapevolezza propria dell’individuo, quell’intuito quasi istintivo e quel buonsenso tipicamente umani necessari per prendere decisioni eticamente complesse come in ambito clinico, legale o a rilevanza sociale. O per scegliere razionalmente in condizioni di incertezza estrema dovuta a situazioni fortemente ambigue o caotiche.
Tutto ciò pone tuttora dei delicati limiti etici e operativi nell’utilizzo autonomo dell’IA per compiti umani critici che richiedono facoltà di giudizio sagge ancora irraggiungibili, come la guida autonoma di veicoli in scenari imprevisti, il supporto clinico per cure personalizzate che tengano conto complessivamente di tutti i fattori rilevanti del singolo paziente o la gestione di emergenze su larga scala da parte di sistemi puramente algoritmici.
Lacune nelle abilità manuali e creative
Oltre alle limitazioni nelle funzioni cognitive avanzate, le debolezze dell’IA si notano anche in tutta quella varietà di attività umane che richiedono sia abilità motorie che sensoriali estremamente sofisticate, sviluppate in anni se non decenni di pratica.
Ad esempio, la manipolazione fine di piccoli oggetti o strumenti complessi effettuata dalle sole mani umane o coadiuvate da svariate tipologie di utensili specializzati, rimane un’abilità estremamente critica e difficilmente riproducibile fedelmente dall’automazione robotica con le attuali tecnologie.
Così come la produzione artigianale di manufatti unici che racchiudono l’essenza più autentica della creatività e maestria umana, o l’innovazione radicale guidata più dall’intuito individuale che da analisi quantitative oggettive.
In tutte queste attività che racchiudono l’essenza più autentica dell’ingegno umano, è indubbio che persisterà ancora a lungo una netta superiorità delle capacità psicomotorie, sensoriali e creative sviluppate dall’uomo in secoli di evoluzione rispetto alla pur stupefacente intelligenza artificiale.
Sfide ed opportunità future
L’avvento dell’IA e il suo diffondersi pervasivo sono destinati a trasformare radicalmente interi settori e la società in generale nei prossimi 10-20 anni. Ci attendono sfide epocali nella regolamentazione etica di questa tecnologia per evitare derive incontrollate, nella gestione attenta dell’impatto sociale connesso all’automazione del lavoro tramite robot e algoritmi, nella standardizzazione e certificazione di sistemi IA trasparenti, equi e pienamente affidabili.
Ma al contempo, le opportunità in termini di efficientamento esponenziale di servizi e processi sono immense e applicabili al progresso stesso dell’umanità. Automazione intelligente nella fabbrica, ottimizzazione predittiva delle cure sanitarie, media e contenuti iper-personalizzati, sono solo alcuni esempi.
La chiave sarà trovare il giusto equilibrio a livello internazionale, governando lo sviluppo e l’applicazione di questa tecnologia rivoluzionaria con lungimiranza e assoluta attenzione, cogliendone i benefici ma al contempo salvaguardando quegli aspetti etici, occupazionali e culturali che da sempre hanno reso unica l’esperienza e l’essenza dell’uomo. Questa in sintesi la grande sfida sistemica dei prossimi anni per politici, economisti e tutti gli attori sociali coinvolti dall’avvento dell’intelligenza artificiale.
Questo contenuto ha analizzato in dettaglio le origini, lo sviluppo storico e le caratteristiche distintive dell’intelligenza artificiale, una delle tecnologie innovative più dirompenti emersa negli ultimi decenni. Attraverso esempi concreti di applicazioni in svariati ambiti e considerazioni su potenzialità e limiti etici e pratici, il capitolo getta solide basi concettuali e conoscitive per poter comprendere e governare responsabilmente l’impatto e il ruolo crescente che l’IA ricoprirà nella società e nell’economia dei prossimi anni, tema centrale di questo Trattato.