5 principali tendenze dell’IA del 2018

Gli esseri umani sono sempre stati entusiasti del concetto di robot simili agli umani e dell’intelligenza artificiale (AI). I film di Hollywood e la fantascienza hanno forse ispirato diversi scienziati a iniziare a lavorare in questa direzione. Sebbene la bolla dell’IA sia scoppiata molte volte, sviluppi significativi e scoperte stanno ora rinnovando l’interesse pubblico in questo campo. Nel 2017, Gartner ha posto l’IA generale nella fase di prima adozione nel suo ciclo di hype. Inoltre, ha posto le tecnologie di deep learning e machine learning al culmine di questo ciclo di hype.

È importante o rendersi conto che AI ​​è un termine generico per diverse tecnologie interconnesse. Questi includono Natural Language Processing (NLP), machine learning, cognitive computing, reti neurali, visione artificiale e robotica e le sue tecnologie correlate. In questo articolo spiegheremo cinque tendenze in evoluzione attorno a tutte queste tecnologie e ne conosceremo i vantaggi.

1. La democratizzazione dei modelli di machine learning

L’apprendimento automatico mira a consentire ai computer di apprendere dai dati e apportare miglioramenti senza alcuna dipendenza dai comandi in un programma. Questo apprendimento potrebbe alla fine aiutare i computer a costruire modelli come quelli usati nella previsione del tempo. Qui abbiamo coperto alcune delle applicazioni comuni che sfruttano l’apprendimento automatico:

Applicazioni finanziarie
Il settore finanziario si sta evolvendo rapidamente con le startup fintech che sfidano gli operatori storici. Molti di questi operatori storici si affidano in gran parte a metodi tradizionali inefficienti per la consulenza e la distribuzione di prodotti finanziari standardizzati. I progressi dell’IA hanno trasformato questo campo con l’introduzione della consulenza automatizzata. I modelli di machine learning stanno anche sostituendo i tradizionali metodi di analisi predittiva per misurare le tendenze del mercato. Questi modelli possono fornire un livello più elevato di precisione e velocità nel prevedere le oscillazioni del mercato rispetto ai modelli di investimento convenzionali.

Il machine learning ora aiuta anche le società finanziarie nella prevenzione delle frodi finanziarie. Questi modelli sono particolarmente abili nel trovare qualsiasi anomalia sulla base di dati storici e possono facilmente identificare e persino prevedere attività fraudolente. Le banche utilizzano questi modelli per avvisare il cliente di qualsiasi attività insolita nei loro conti. Oltre alla prevenzione delle frodi, l’apprendimento automatico potrebbe svolgere un ruolo ancora più importante nel campo della gestione del rischio. Questi modelli possono aumentare la precisione dei rating del credito e migliorare la gestione del rischio per gli istituti di credito.

Applicazioni mediche
L’apprendimento automatico e i big data sono la chiave per sfruttare l’enorme potenziale contenuto di dati medici. Nuove applicazioni basate su modelli di apprendimento automatico possono aiutare nell’identificazione delle malattie e nel fornire una corretta diagnosi dei disturbi. L’apprendimento automatico può anche aiutare nel sequenziamento genico, nelle sperimentazioni cliniche, nella scoperta di farmaci, nella ricerca e nello sviluppo e nelle previsioni di epidemie.

Ad esempio, ET Medical Brain di Alibaba Cloud ha recentemente portato scienziati di algoritmi da tutte le parti del mondo a una piattaforma comune nella Tianmart Precision Medical Competition. Sono stati in grado di sviluppare un modello predittivo per il trattamento personalizzato del diabete.

I sistemi basati sull’intelligenza artificiale stanno inoltre aiutando gli ospedali a migliorare i flussi di lavoro operativi e la gestione dei dati. È anche comune per gli operatori sanitari commettere errori nella lettura delle istruzioni di dosaggio o dei dati diagnostici. I sistemi intelligenti di intelligenza artificiale con riconoscimento delle immagini e capacità di riconoscimento ottico dei caratteri possono ricontrollare tutti questi dati e garantire la riduzione di tali errori.

Applicazioni industriali
Gli algoritmi di apprendimento automatico supportano molte applicazioni che coprono l’intero ciclo di vita della produzione, inclusi la progettazione del prodotto, la pianificazione della produzione, l’ottimizzazione della produzione, la distribuzione, l’assistenza sul campo e il recupero. Diverse industrie stanno ora implementando soluzioni basate su AI e IoT oltre alle loro soluzioni SCADA (Supervisory Control and Data Acquisition) a silos e frammentate per una maggiore sinergia.

Inoltre, l’uso di robot e macchine automatiche non è una novità per l’industria manifatturiera. I sistemi avanzati basati sull’IoT ora guidano la manutenzione preventiva e la riparazione di attrezzature e macchinari degli impianti. L’ottimizzazione delle operazioni della catena di approvvigionamento con tecnologie basate sull’intelligenza artificiale è un altro caso d’uso in evoluzione.

Piattaforme AIOps
La maggior parte di noi ha assistito a configurazioni IT in cui i professionisti IT sono spesso sovraccarichi di gestire migliaia di eventi su base giornaliera. Questi sistemi di analisi non riescono a sfruttare il vero potenziale dei dati operativi IT. Ecco perché c’è un cambiamento verso lo sviluppo di capacità operative più intelligenti. Gli algoritmi di IA avanzati in AIOps possono automatizzare il processo di analisi e correlazione dei dati degli eventi. Inoltre, AIOps potrebbe ridurre la frequenza di tali eventi utilizzando algoritmi in grado di deduplicare, inserire nella lista nera e correlare i feed di eventi in tempo reale.

2. Semplificazione delle interazioni uomo-macchina con l’elaborazione del linguaggio naturale

L’elaborazione del linguaggio naturale (NLP) è una branca dell’IA in rapida evoluzione che si concentra sull’analisi e la comprensione dei linguaggi umani. Le applicazioni basate sulla PNL interagiscono meglio con gli esseri umani comprendendo le sfumature più sottili di discorso, contesto, dialetti e pronunce.

Inoltre, la PNL aiuta i computer a sviluppare capacità di lettura e comprensione che superano persino gli umani. Nel gennaio 2018, Alibaba Cloud ha ottenuto un punteggio migliore degli umani in un test di lettura e comprensione dell’Università di Stanford. La macchina AI basata su NLP e reti neurali profonde di Alibaba Cloud ha risposto a più di 100.000 domande in questo test.

Diamo uno sguardo ad alcune tendenze in evoluzione che caratterizzano la PNL e le tecnologie basate sull’intelligenza artificiale:

Chatbot del servizio clienti
La PNL può supportare numerose applicazioni del servizio clienti del mondo reale in cui gli esseri umani devono gestire le domande di routine dei clienti, spesso in condizioni di lavoro altamente stressanti. I chatbot basati sulla PNL possono migliorare i servizi ai clienti offrendo maggiore efficienza, tempi di attesa ridotti, documentazione standardizzata e una migliore risoluzione delle domande dei clienti.

Assistenti virtuali
Amazon Echo, Alexa, Cortana, Google Assistant e Siri sono alcuni dei più celebri esempi di PNL che entrano nello spazio dei consumatori. Comprendendo le richieste della voce umana, la tecnologia AI sta trasformando il modo in cui interagiamo con le macchine. Gli assistenti virtuali hanno il potenziale per interrompere la tradizionale attività pubblicitaria e trasformare il modo in cui prendiamo le decisioni di acquisto.

Portali di reclutamento
I portali di reclutamento basati sulla PNL stanno diventando sempre più comuni. Tali portali aiutano le imprese a gestire assunzioni di massa, in cui i responsabili delle risorse umane devono ordinare migliaia di curriculum. La PNL può trovare rapidamente i candidati scansionando risme di domande di lavoro e abbinandole ai criteri di assunzione. A differenza dei portali in passato, questi portali non devono necessariamente dipendere da parole chiave.

3. Miglioramento dell’esperienza del cliente con la Sentiment Analysis

I clienti possono sentirsi frustrati quando devono aspettare in una coda IVR prima che un rappresentante del servizio clienti li assista. Tutti noi abbiamo vissuto questa esperienza. Le aziende perdono clienti a causa di tali processi di assistenza clienti inefficienti. È qui che l’analisi del sentiment può offrire una via da seguire. L’analisi del sentiment consente ai computer di comprendere il contesto o l’intento di una conversazione, commento o feedback. Dà loro la capacità di distinguere tra opinioni, suggerimenti, reclami, domande e complimenti.

Le applicazioni che utilizzano l’analisi dei sentimenti e delle emozioni possono aiutare le aziende a comprendere meglio le esigenze dei propri clienti. Tali applicazioni possono analizzare numerosi canali di social media per migliorare l’ascolto sociale dei marchi.

Con gli sviluppi in corso nell’analisi del sentiment, è possibile che in futuro assistenti personali virtuali e dispositivi indossabili sensibili alle emozioni capiscano il nostro stato emotivo e le nostre preferenze. Questi sistemi aiuterebbero i reparti di marketing a fornire esperienze contestualizzate e personalizzate ai propri clienti. Secondo Tractica, le entrate mondiali per strumenti software simili raggiungeranno i 3,8 miliardi di dollari entro il 2025.

L’analisi del sentiment gioca un ruolo anche nel campo dell’assistenza sanitaria e del benessere mentale. I dispositivi indossabili sensibili alle emozioni potrebbero monitorare la salute mentale oltre agli altri indicatori relativi alla salute fisica. Gli operatori sanitari possono anche adottare chatbot per psicoterapia come Karim e Woebot per aiutare le persone a gestire la propria salute mentale.

Inoltre, anche le aziende automobilistiche stanno ora valutando l’ambito dell’analisi del sentiment. Con sistemi avanzati di rilevamento delle emozioni implementati su un veicolo, il computer di bordo sarà in grado di misurare l’umore del conducente e i livelli di attenzione per assistere nella guida. Inoltre, i veicoli automatizzati in futuro saranno in grado di togliere il controllo completo al conducente nel rilevare emozioni come rabbia, sonnolenza e ansia per prevenire incidenti.

4. Sviluppo di città intelligenti

Al momento, la maggior parte delle città globali non è attrezzata per soddisfare la domanda della loro popolazione in forte espansione. Fornire acqua, elettricità, trasporti facili e aria più pulita sta diventando una sfida sempre più complessa per gli amministratori delle città. L’accesso all’assistenza sanitaria e ai servizi pubblici è un’altra delle principali preoccupazioni. In tutto questo, anche le organizzazioni governative devono mantenere la legge e l’ordine all’interno delle loro risorse limitate.

Le città intelligenti sfruttano l’intelligenza artificiale, i big data e l’IoT per risolvere la maggior parte di queste sfide della popolazione urbana. Utilizzando un mix di queste tecnologie, le città possono analizzare meglio i feed delle loro videocamere da tutta la città. L’analisi di immagini e video in tempo reale può aiutare a identificare gli incidenti e la congestione del traffico. Gli amministratori possono utilizzare queste informazioni per gestire centralmente il traffico sulle strade. Inoltre, possono dipendere da sistemi intelligenti per controllare automaticamente i segnali stradali per consentire il passaggio prioritario a VIP, team di risposta alle emergenze e forze dell’ordine.

Alibaba Cloud ET City Brain fornisce la maggior parte di queste funzionalità sopra menzionate. La Cina ha condotto diversi progetti pilota di successo utilizzando ET City Brain. Per saperne di più su questi sviluppi, puoi leggere il nostro blog – Come ET City Brain sta trasformando il modo in cui viviamo – una città alla volta.

Oltre alla sorveglianza generale, le capacità di riconoscimento facciale e di rilevamento delle emozioni potrebbero essere utili per i negozi al dettaglio che operano in una città. I sistemi di marketing basati sull’intelligenza artificiale potrebbero aumentare i metodi di marketing in-store basati su geo-fencing e beacon che attualmente si basano sull’utilizzo dello smartphone del cliente.

L’intelligenza artificiale svolge anche un ruolo importante nella progettazione degli edifici e nelle attività di costruzione. I sistemi basati sull’intelligenza artificiale possono non solo gestire le attività di costruzione, ma possono anche migliorare la selezione dei sistemi di framework verticali, aiutare nella diagnostica delle prestazioni e assistere nelle fasi di pianificazione della costruzione con l’analisi dei dati GIS. In futuro, l’intelligenza artificiale aiuterebbe nella progettazione di materiale da costruzione personalizzato con la nanotecnologia. Ciò significa che oltre all’acciaio e al cemento, gli ingegneri avranno a disposizione molti nuovi materiali da costruzione per costruire edifici sostenibili dal punto di vista ambientale.

5. Unificazione di strumenti di intelligenza artificiale e piattaforme di sviluppo

Il mercato degli strumenti e delle piattaforme di intelligenza artificiale ha numerosi fornitori concorrenti che offrono funzionalità diverse in un ecosistema frammentato. La maggior parte degli sviluppi dell’IA sono ancora agli inizi. Sebbene numerosi casi d’uso aziendali siano maturati nel corso degli anni, l’adozione su vasta scala dell’IA non è ancora comune in tutti i settori. È qui che i tradizionali fornitori di servizi cloud e di elaborazione distribuita detengono un vantaggio significativo rispetto alle startup AI. I fornitori di servizi cloud dispongono di un’infrastruttura pronta, scalabilità e risorse significative per sviluppare piattaforme Big Data e AI per aziende di tutte le dimensioni.

ET Brain di Alibaba Cloud è una di queste piattaforme. Combina più capacità di AI e Big Data e sta alimentando scoperte in diversi settori verticali. ET Brain può aiutare la tua organizzazione nelle decisioni in tempo reale con algoritmi di ragionamento e guidare l’innovazione con approcci di apprendimento automatico. Offre un’elaborazione su larga scala multi-sorgente che migliora la proattività nel processo decisionale. ET Brain ti aiuterà anche a sfruttare le reti neurali per una maggiore agilità. La piattaforma basata su cloud sta già aiutando le organizzazioni governative a migliorare i loro servizi pubblici.

Gli sviluppatori possono utilizzare ET Brain per creare app che utilizzano riconoscimento vocale, riconoscimento facciale, riconoscimento delle immagini, riconoscimento del testo, elaborazione del linguaggio naturale, apprendimento automatico e altre tecnologie di intelligenza artificiale. Queste applicazioni possono anche sfruttare la piattaforma Big Data di Alibaba Cloud DataWorks e MaxCompute per analizzare grandi volumi di dati in tempo reale.

Conclusione

È facile concludere che gli sviluppi basati sull’intelligenza artificiale sono ormai diventati mainstream. Le aziende non solo desiderano migliorare i processi esistenti, ma vedono anche il potenziale di nuovi flussi di entrate con l’IA. Ecco perché l’IA ha un’importanza strategica per i CIO. C’è ancora molto spazio per l’innovazione in questo spazio. Alla fine, le aziende che rimangono agili e adottano prontamente gli ultimi progressi in AI, Big Data, IoT e Blockchain saranno in una posizione migliore per ottenere un vantaggio iniziale.

Scopri di più sui nostri servizi di big data e intelligenza artificiale su www.alibabacloud.com/et.

Riferimento:

https://www.alibabacloud.com/blog/5-major-ai-trends-of-2018_593748?spm=a2c41.11684256.0.0