L’Intelligenza artificiale sta rimodellando le economie in tutto il mondo, e promette di risolvere problemi complessi, generare più produttività, più efficienza, e ridurre i costi.
Ma sfruttare e sviluppare l’Intelligenza artificiale (IA, e AI nell’acronimo inglese) richiede investimenti in tecnologie, dati, competenze e flussi di lavoro digitalizzati, nonché modifiche dei processi organizzativi. Anche per questo la sua adozione varia a seconda dei Paesi, delle aziende e dei settori.
Nel corso degli ultimi anni, la disponibilità di grandi quantità di dati, il Cloud computing, le sempre maggiori capacità di calcolo, il Machine learning (ML) hanno aumentato drasticamente la potenza, la disponibilità, la crescita e l’impatto dell’IA. La quantità di dati disponibili per i sistemi di AI continua poi a crescere man mano che i sensori diventano più piccoli, migliori, più economici e affidabili, meno costosi da installare.
Il risultato di tutto ciò è un progresso significativo in molte aree di ricerca di base dell’IA, come ad esempio: l’elaborazione del linguaggio naturale, i veicoli autonomi, robotica, computer vision, apprendimento delle lingue, sistemi di analisi e calcolo, di controllo e sicurezza. E alcuni degli sviluppi più interessanti dell’AI sono al di fuori dell’informatica, in campi come la salute, la medicina, la biologia e la finanza.
A fare il punto della situazione, in un panorama in grande fermento e piuttosto caotico, è il nuovo Report dell’OCSE, l’Organizzazione internazionale per la cooperazione e lo sviluppo economico, intitolato ‘Artificial Intelligence in Society’.
Un’analisi di scenario che prende le mosse da una conferenza, organizzata sempre dall’OCSE, sul tema ‘AI: Intelligent Machines, Smart Policies’. A sottolineare, in pratica, che per usare bene l’Intelligenza artificiale servono scelte e politiche ‘intelligenti’.
“Da un punto di vista economico, i recenti progressi dell’Intelligenza artificiale consentono ad esempio di ridurre il costo di analisi e previsioni, o di migliorare, allo stesso costo, la qualità delle previsioni disponibili. E l’AI, attraverso un’attività di analisi e previsione meno costosa, ha un gran numero di applicazioni possibili e vantaggiose”, rimarca il segretario generale dell’OCSE, Angel Gurría, “perché l’analisi e previsione attraverso i dati è un input chiave nel processo decisionale. In altre parole, la previsione aiuta a prendere decisioni, e il processo decisionale è ovunque”.
Nel 2016 l’OCSE stima che gli investimenti in AI a livello mondiale sono ammontati a una cifra attorno ai 30-35 miliardi di dollari, con gli investimenti aziendali interni che arrivano al 70% del totale, a cui si aggiungono quelli in Startup specializzate e per acquisizioni mirate in questo campo tecnologico.
Indice degli argomenti
AI nei trasporti, con i veicoli autonomi
I veicoli autonomi (AV, autonomous vehicles) guidano gli investimenti mondiali in Artificial intelligence: tra 2016 e 2017 hanno rappresentato il 50% degli investimenti complessivi.
Un settore in grande espansione e dagli scenari ancora tutti da scoprire: si calcola che negli Stati Uniti un tasso di adozione pari al 90% dei veicoli a guida autonoma, sul traffico totale, potrebbe salvare 22 mila persone ogni anno, e ridurre i costi di 450 miliardi di dollari.
“Altre ricerche evidenziano invece notevoli differenze di costo e risparmio per chilometro, con l’impiego di sistemi AI, per i diversi tipi e mezzi di trasporto”, fa notare il Report dell’OCSE: “i taxi godranno dei maggiori risparmi sui costi, ma in gran parte dovuti all’eliminazione dei salari dei conducenti, mentre per gli automobilisti i risparmi sui costi saranno inferiori”.
L’AI nei servizi finanziari
Nel settore finanziario, grandi realtà come JP Morgan, Citibank, State Farm, Barclays, Ubs, stanno rapidamente sviluppando sistemi di Intelligenza artificiale. Lo stesso vale per Startup come Zest Finance, Insurify, WeCash, CreditVidya, Aire. La Startup francese QuantCube Technology, ad esempio, utilizza l’elaborazione del linguaggio, Deep learning, la teoria dei grafici e molto altro ancora, per sviluppare soluzioni di IA per il processo decisionale nelle società finanziarie.
Le tecniche basate su reti neurali permettono poi l’analisi di enormi quantità di dati raccolti dai rapporti e dalle operazioni tra società finanziarie e i loro clienti. Gli istituti di credito negli Stati Uniti calcolano che le tecniche di Deep learning che analizzano i dati possono migliorare la precisione delle previsioni fino al 15% rispetto ai metodi tradizionali e senza l’uso di AI.
L’AI nel marketing e nella pubblicità
L’IA sta già influenzando il marketing e la pubblicità in molti modi, a partire dalla personalizzazione delle esperienze online, che permette di visualizzare i contenuti a cui i clienti sono più interessati. L’evoluzione del Machine learning, unita alle grandi quantità di dati generati, consentono sempre più spesso agli inserzionisti di indirizzare le loro campagne di marketing e pubblicità: possono fornire ai consumatori annunci personalizzati e dinamici a un livello senza precedenti.
La pubblicità personalizzata offre vantaggi significativi alle aziende e ai consumatori: per le imprese, può aumentare le vendite e il ritorno sull’investimento delle campagne di marketing; per i consumatori, i servizi online finanziati con gli introiti pubblicitari sono spesso forniti gratuitamente agli utenti finali.
Elaborazione del linguaggio
Uno dei principali sottocampi dell’AI che aumenta la personalizzazione di annunci e messaggi di marketing è l’elaborazione del linguaggio naturale (PNL): permette la personalizzazione di campagne di marketing basate su contesti linguistici con Social media post, email, interazioni con il servizio clienti e recensioni di prodotti. Attraverso gli algoritmi della PNL, le macchine imparano parole e modelli di comunicazione nel linguaggio umano, e funzionando migliorano la loro precisione.
In questo modo, possono ad esempio dedurre le preferenze e l’intenzione di acquisto di un cliente. La PNL può migliorare la qualità dei risultati di ricerca online, e creare una migliore corrispondenza tra le aspettative del cliente e gli annunci presentati, il che porta a una maggiore efficienza pubblicitaria.
Ad esempio, se i clienti hanno cercato online un prodotto di un marchio specifico, un algoritmo pubblicitario basato sull’IA potrebbe inviare, anche in seguito, annunci mirati per quel marchio. Si possono anche inviare notifiche telefoniche sullo smartphone quando i clienti si trovano vicino a un negozio che offre sconti.
Analisi dei dati e prezzi personalizzati
Con l’AI, gli odierni algoritmi di marketing online superano di gran lunga le valutazioni storiche degli utenti. E un’ampia gamma di dati viene utilizzata per fornire ‘raccomandazioni’ commerciali personalizzate. Ad esempio, Netflix crea liste personalizzate di film da proporre al cliente, considerando quali film una persona ha visto in precedenza o le valutazioni date a quei film.
Le tecnologie di AI permettono poi alle aziende di offrire prezzi che possono continuamente adattarsi al comportamento e alle preferenze dei consumatori. Algoritmi di Machine learning possono anche prevedere il prezzo massimo che un cliente pagherà per un determinato prodotto. In pratica, l’AI è sempre più un grande affare per chi sa utilizzarla al meglio, un grande Business.
Corrono gli investimenti in Startup di AI
Si stima che più di 50 miliardi di dollari siano stati investiti in Startup di AI tra il 2011 e la metà del 2018, e a partire dal 2016 gli investimenti in azioni nelle Startup di IA hanno registrato un’accelerazione: sono raddoppiati dal 2016 al 2017, raggiungendo quota 16 miliardi di dollari a livello mondiale. Soltanto nel primo semestre del 2018, poi, le Startup di AI hanno attirato il 12% degli investimenti mondiali in azioni di Borsa, con un balzo netto rispetto al solo 3% del 2011, in un Trend che ha interessato tutte le maggiori economie.
In questi anni le grandi aziende tecnologiche stanno poi acquisendo rapidamente le nuove imprese di AI, per sfruttarne competenze e potenzialità: le società che hanno acquisito il maggior numero di Startup di AI dal 2010 includono Google, Apple, Baidu, Facebook, Amazon, Intel, Microsoft, Twitter e Salesforce. Tra gli obiettivi messi a segno, anche Startup di AI specializzate in Cybersecurity: ad esempio, Amazon e Oracle ha acquistato rispettivamente Sqrrl e Zenedge.
Ma dalla sicurezza alla Privacy, dalle politiche commerciali e di prezzo ai criteri con cui vengono ‘istruite’ e sviluppate le macchine, l’Intelligenza artificiale deve anche, o innanzitutto, risolvere non facili questioni che riguardano regole comuni, scelte condivise, linee etiche e normative.
Guardando al futuro
“Dobbiamo progredire insieme su questioni tecniche, etiche e giuridiche relative all’Intelligenza artificiale, per promuovere l’allineamento delle norme e dei codici di condotta, e garantendo nel contempo l’interoperabilità di leggi e regolamenti”, spiegano gli specialisti dell’OCSE nel Report ‘Artificial Intelligence in Society’, e tutto ciò è urgente, data la rapidità degli sviluppi e l’ampiezza delle applicazioni.
Non sorprende quindi che l’Intelligenza artificiale sia passata da novità a priorità per quanto riguarda l’istruzione e la formazione, nei Paesi più dinamici, fino a conquistare un posto di primo piano nelle politiche delle organizzazioni internazionali, compresi il G7 e il G20.
In questo quadro, le linee guida etiche della Commissione Europea per una ‘Trustworthy Artificial intelligence’, una AI affidabile e che meriti fiducia, sono state elaborate nei mesi scorsi dal gruppo europeo indipendente di esperti di alto livello, composto da 52 membri internazionali, tra cui 5 italiani, e presentate in occasione del Digital Day 2019, che si è svolto a Bruxelles lo scorso aprile.
Le regole per un’AI affidabile e degna di fiducia
Secondo queste linee guida etiche europee, sono quattro i principi fondamentali che stanno alla base per promuovere e realizzare un’Intelligenza artificiale affidabile: rispetto dell’autonomia umana, prevenzione del danno, equità ed esplicabilità dei sistemi, del loro funzionamento, dei loro effetti.
Più in generale, l’IA affidabile ha tre componenti, che dovrebbero essere sempre soddisfatti durante l’intero ciclo di vita del sistema. Uno: deve essere legale, conforme a tutte le leggi e i regolamenti applicabili. Due: deve essere etica, garantendo l’adesione a principi e valori, basandosi su un approccio fondato sui diritti fondamentali. Ed è proprio su questo punto che andranno a incidere le linee guida etiche. E tre: deve essere solida, sia da un punto di vista tecnico che di impatto sociale, poiché, anche con buone intenzioni, i sistemi di IA possono anche causare danni involontari.
L’Osservatorio delle politiche AI dell’OCSE
“L’adozione di raccomandazioni e la creazione di un dialogo globale sono i primi passi fondamentali. Ma c’è ancora molto da fare”, sottolinea su questi temi il segretario generale dell’OCSE: “con l’istituzione dell’Osservatorio delle politiche AI dell’OCSE, entro la fine dell’anno stiamo mettendo a disposizione le nostre competenze in materia di analisi, misurazione e politiche per quanto riguarda questo territorio in gran parte inesplorato”.
L’Osservatorio OCSE, un polo inclusivo per le politiche pubbliche sull’AI, “aiuterà i Paesi a incoraggiare, sviluppare e monitorare lo sviluppo responsabile di sistemi di IA affidabili per il bene della società”.
