Quali sono le principali differenze fra Intelligenza Artificiale, Machine Learning e Deep Learning? E come sono utilizzabili dalle PMI oggi?

Intelligenza artificiale, Machine Learning e Deep Learning sono sinonimi?

No, non lo sono:

  • l’Intelligenza Artificiale è sia l’obiettivo che vogliamo raggiungere che il “contenitore” che racchiude tutte le pratiche per ottenerla, compresi Machine Learning e Deep Learning;
  • il Machine Learning è l’abilità di computer e robot di imparare in base alle proprie “esperienze”, secondo metodi di apprendimento guidati e non;
  • il Deep Learning è la capacità di “reti neuronali” di approfondire la conoscenza e catalogare ogni informazione in maniera autonoma.

Approfondiamo sotto gli aspetti salienti di ogni termine, per capire meglio le differenze fra gli stessi, e andiamo a scoprire ambiti della vita quotidiana in cui abbiamo già a che fare con loro.

Indice:
Intro: l’intelligenza artificiale
Machine Learning: cos’è ed esempi
Deep Learning: cos’è ed esempi
Come la tua azienda, anche se medio-piccola, può sfruttare l’intelligenza artificiale

Intro: l’intelligenza artificiale

La locuzione “Intelligenza Artificiale” (conosciuta anche con gli acronimi IA o AI, per l’inglese) è entrata nel parlare quasi quotidiano, grazie anche a film, serie tv e fumetti. Non tutti però hanno chiaro cosa implica, né qual è il suo significato reale e la relazione che assume con le altre frasi famose, ma più recenti e meno utilizzate, come Machine Learning e Deep Learning.

Per “Intelligenza Artificiale” si intendono le funzioni di tutti quei programmi, algoritmi e sistemi di software programmati in modo tale che sembrino svolgere funzioni di pensiero e ragionamento come quelli della mente umana.

I programmi e le applicazioni che utilizzano queste funzioni con diversi gradi di approfondimento e complessità sono ad oggi estremamente diffusi: pensiamo ad esempio ai sistemi antifrode delle banche che ci avvisano se ci sono “movimenti strani” sui nostri conti, a Siri e Cortana, assistenti virtuali che spesso svolgono ricerche complesse per noi riuscendo a interpretare il linguaggio, ma anche ai videogames, in cui il comportamento dei programmi si adatta e “risponde” a quello del giocatore.

Nel medesimo modo, sfruttando l’intelligenza artificiale, l’algoritmo Robot AMV T11 dell’agenzia pubblicitaria EasyMedia (costantemente aggiornato e a disposizione esclusivamente dei clienti dell’azienda) riesce a procacciare clienti virtuali portandoli direttamente sul sito del cliente, in accordo con tutte le più recenti normative sulla privacy, moltiplicando l’efficacia delle azioni di web marketing intraprese.

Avendo già visto cosa si intende per Intelligenza Artificiale (compresi alcuni brevi esempi), di seguito andremo a illustrare velocemente cosa sono il Machine Learning e il Deep Learning, per poi mettere in luce le principali differenze fra le tre locuzioni.
Andremo poi a vedere come lavorano all’interno dello scenario dell’Internet Of Things e come possono essere utilizzate a nostro favore nell’ambito del posizionamento della nostra attività sul web.

Machine Learning: che cos’è e esempi.

Il Machine Learning, nonostante possiamo no esserne a conoscenza, sembra essere già sfruttato da un’azienda su due. I risultati di una ricerca pubblicata alla fine dello scorso settembre da Service Now, denominata The Global CIO Point of View, mostra come il 48% dei CIO europei abbia affermato di essere già oltre l’automazione delle attività di routine (parliamo ad esempio degli alert di sicurezza delle banche, di cui si diceva prima), e di puntare all’automazione di decisioni più complesse; anche in quest’ottica, si stima che il 29% dei CIO ha già assunto personale con competenze specifiche nel machine learning.

Che cos’è il Machine learning? Eccone una definizione.

Il Machine Learning è l’abilità di computer e robot di “imparare dalle proprie esperienze”, così come un essere umano o un animale. In pratica, i software sono programmati per approfondire le informazioni registrate esaminandole attraverso algoritmi specifici e “apprendendone” di nuove, senza modelli matematici o computazionali precalcolati o preconfigurati. In questo modo, il funzionamento delle entità che utilizzano il machine learning migliora con il tempo e con l’uso: “fanno esperienza” nel vero e proprio senso dei termini.

Esempi quotidiani di machine learning in cui ci imbattiamo

Il Machine Learning è lontano anni luce da noi? Niente affatto.
Un esempio concreto è costituito dai flitri anti-spam delle email, che imparano a riconoscere le email improprie anche in base alle nostre routine di non-apertura e cancellazione delle mail stesse. Un’evoluzione dei filtri anti-spam è utilizzata nei filtri antifrode e antiphishing, che spesso riescono a intercettare le email fraudolente ancor prima che arrivino nella casella email.
Un altro esempio è costituito dagli assistenti vocali dei cellulari.

Deep Learning: che cos’è e esempi.

Deep Learning, letteralmente tradotto, significa Apprendimento Approfondito. E c’è da dire che effettivamente gli algoritmi che consentono il deep learning non fanno altro che consentire ai software di imparare approfondendo ogni argomento.

Il deep learning è costituito da “reti neurali”, cioè modelli semplificati del cervello umano, che decidono autonomamente come classificare le informazioni che ricevono. In pratica, non siamo noi a decidere come tali reti devono “vedere” e approcciare le informazioni che ricevono, ma lo fanno in automatico secondo schemi che si creano da sole (si, abbiamo pensato tutti a Skynet e Terminator).

Anche se il concetto potrebbe sembrare ostico, per capire bene di cosa parliamo pensiamo al seguente esempio: se trattiamo una nozione e la assimiliamo, trattandone un’altra affine subito dopo il nostro cervello utilizzerà le nozioni della prima per capirla meglio. A questo punto, unirà le informazioni delle due nozioni, aumentando la propria conoscenza e ricavando autonomamente altre informazioni per classificare future informazioni a riguardo.

In pratica, le macchine apprendono nuove informazioni che non sono fornite dall’uomo, procedendo ad apprendere in modo piramidale: le nozioni basilari permettono di apprendere i concetti più alti.

Esempi quotidiani di deep learning in cui ci imbattiamo

Ancora una volta, tiriamo in ballo gli assistenti vocali sul cellulare: Siri, ad esempio, non solo permette di richiedere info, ma permette anche una conversazione (basica, chiaramente). Basta poco tempo per capire che ci si trova di fronte a un’intelligenza artificiale e non a una persona in carne ed ossa, ma lo sviluppo è promettente.

Reti neuronali per il Deep Learning

Un altro esempio di Deep Learning in cui ci imbattiamo quotidianamente – o quasi – è quella dell’inbox di Google Mail (Gmail): quando si inbatte in una domanda o una richiesta, l’Inbox infatti ce lo segnala. Sempre per la casa di Mountain View, pensiamo all’Assistente Google, versione migliorata del Google Now che ci accompagna ormai dal 2011, e con cui si può “dialogare” in maniera più naturale alla ricerca di informazioni, che serviranno al programma per fornirci risultati di ricerca sempre più vicini alle nostre necessità specifiche.

Intelligenza Artificiale, Machine Learning e Deep Learning, quindi, sono la stessa cosa?

Come dicevamo nel cappello iniziale, la risposta è: no, non lo sono.
Andando più nel dettaglio, dopo aver visto esempi di Intelligenza Artificiale, Machine Learning e Deep Learning, possiamo dire che immaginando i tre termini come cerchi, avremo all’esterno l’Intelligenza Artificiale, al suo interno il Machine Learning e all’interno di quest’ultimo il Deep Learning.

Tre cerchi concentrici, insomma, di cui l’Intelligenza Artificiale costituisce lo strato più esterno e generico, che va man mano approfondendosi e specializzandosi fino ad arrivare al massimo della specializzazione che è costituita dal Deep Learning, che permette alle macchine di imparare grazie a tecniche estremamente avanzate.

Può una piccola azienda sfruttare le tecniche avanzate proposte dall’intelligenza artificiale per aumentare il proprio venduto?

Come può venirci incontro l’intelligenza artificiale nelle necessità di business quotidiano?

Si, le piccole aziende possono sfruttare l’Intelligenza Artificiale di vari tools per la creazione di contenuto online atto a veicolare nuovi clienti (puoi approfondire il discorso sulla migliore capacità di creazione di contenuti online con l’Intelligenza Artificiale anche qui, con un discorso più generale). Ci sono poi aziende come l’agenzia pubblicitaria EasyMedia che, realizzando un algoritmo proprietario, sfruttano l’Intelligenza Artificiale per portare nuovi clienti al tuo sito, velocizzando quindi le procedure di ricerca di nuovi clienti e aumentando il fatturato aziendale.