Cerca

Big Data & Analytics

Verso l'intelligenza aumentata

INTELLIGENZA ARTIFICIALE E INTELLIGENZA AUMENTATA

L’intelligenza Artificiale e l’Intelligenza Aumentata sono entrate con entusiasmo nell’agenda delle aziende, nelle discussioni accademiche e online, nell’immaginario collettivo.
I termini Intelligenza Artificiale e Intelligenza Aumentata vengono spesso utilizzati come sinonimi, ma sebbene condividano molti aspetti tecnologici e metodologici questi due approcci partono da due presupposti diversi, ponendo l’uno la macchina e l’altro l’uomo al centro dei processi decisionali.

L’Intelligenza Artificiale è l’insieme di discipline matematiche, informatiche e statistiche che consente di svolgere compiti ritenuti un tempo appannaggio esclusivamente umano, indirizzando problemi che vengono risolti dall’uomo tramite l’intelligenza. In questo contesto, si riconosce all’algoritmo una propria autonomia: una volta effettuato l’addestramento, il sistema volontariamente inizia l'azione nel suo ambiente e persegue degli obiettivi senza interagire con l’agente umano.
Al contrario, l’Intelligenza Aumentata integra e supporta il pensiero, l'analisi e la pianificazione umani, mantenendo però l'intenzione di un attore umano al centro dell'interazione uomo-macchina.

L'evoluzione

Nel corso dello sviluppo dell’Intelligenza Aumentata, i modi in cui i sistemi informatici imparano si sono evoluti, partendo dalla statistica tradizionale e muovendosi verso il moderno Deep Learning e l’Intelligenza Aumentata.

Dagli esseri umani

Le macchine imparano dagli esseri umani: è il campo delle statistiche tradizionali e dei primi step dell'apprendimento supervisionato. In questo caso l’obiettivo è noto e l’Intelligenza Artificiale viene utilizzata per migliorare le performance del sistema, facendo inferire all’algoritmo il legame tra input e output.

Come gli esseri umani

Le macchine imparano come gli esseri umani: il livello di somiglianza con l’apprendimento umano cresce e gli elementi di intelligenza artificiale si trasformano per assecondare il cambiamento. Le reti neurali profonde, o Deep Neural Networks, imitano il comportamento del cervello umano e provano ad indurre soluzioni imparando da dati eterogenei e non strutturati.

Con gli esseri umani

Le macchine imparano con gli esseri umani: l’apprendimento diventa collaborativo e viene introdotto il campo dell’Intelligenza Aumentata. L’apprendimento viene affiancato a quello dell’esperto: l’algoritmo fornisce i risultati e modifica il proprio comportamento in base al feedback dell’utente umano.

  • strip-0

    TARGET REPLY

    Gli aspetti sui quali Target Reply opera sono molteplici: supporta le aziende attraverso un processo di consulenza completo che va dall'identificazione delle esigenze del cliente alla progettazione e all’implementazione di soluzioni concrete, lavorando con le tecnologie più avanzate nel campo della Data Integration, Data Modeling, Predictive Analytics, Machine Learning e Data Intelligence. Target Reply mette a disposizione dei clienti uno skill set completo e aggiornato con tutte le tecnologie della Data Science, sia commerciale che open source. Target Reply analizza e soddisfa le esigenze dei clienti dalla costruzione dell'infrastruttura di dati alla strutturazione di dashboard di analisi, per fornire ai clienti insight chiari e applicabili al proprio business in modo tangibile.

  • L’INTELLIGENZA AUMENTATA IN AZIENDA, ALCUNE ESPERIENZE CONCRETE

    Ogni giorno vengono prodotti e scambiati da aziende, organizzazioni e utenti Terabytes di dati che, per una vasta percentuale, non sono dati strutturati, non possono cioè essere ricondotti a strutture fisse e facilmente utilizzabili. La gestione di una così grande mole di dati non è possibile da parte dell’uomo senza l’ausilio di sistemi informatici, tuttavia la natura non strutturata del dato implica una capacità di astrazione e di analisi che non è gestibile dall’analitica tradizionale.

    strip-1

L’esperienza di Target Reply nel campo dell’analisi dati ha permesso all’azienda di implementare con successo numerosi progetti, affiancando i team dei clienti con algoritmi di Intelligenza Artificiale e tecniche di Machine Learning in modo da fornire un grande valore aggiunto e rendere possibili risultati altrimenti irraggiungibili.

I team di Data Scientists di Target Reply hanno realizzato con successo diversi progetti, sfruttando logiche e tecnologie di Intelligenza Aumentata in diversi contesti aziendali, mettendo in luce la flessibilità e il valore di questo approccio. Alcuni esempi:

  • Presso una delle maggiori società di credito al consumo, ai team di antifrode è stato affiancato un motore di Machine Learning basato su Neural Networks che permette di aumentare l’efficienza e l’efficacia dei team umani nell’identificazione di comportamenti fraudolenti.
  • Per le aziende saper identificare con anticipo i clienti che potrebbero abbandonare la società per una soluzione concorrente offre un grande vantaggio strategico. Basandosi sullo storico dei clienti, algoritmi e reti neurali hanno fornito ad una grande società che opera nel B2C informazioni sui possibili churners, lasciando ai team il compito di decidere la strategia.
  • Presso uno dei principali player nel campo dell’Oil&Gas, Target Reply ha assistito il processo di Claim Management. L’approccio per questo progetto è stato radicalmente opposto ripetto ai precedenti: l’algoritmo senza la supervisione umana costruisce correlazioni, esplicita collegamenti e semplifica la ricerca di contenuti, dando la possibilità alle persone di navigare con semplicità una grossa mole di informazioni apparentemente scollegate.