Ultimo aggiornamento 3 anni fa
Dopo l’Artificial Intelligence arriva l’Artificial Intuition (intuizione artificiale). Cos’è e perché è utile.
Di Artificial Intelligence si parla dagli anni ’40 del secolo scorso ed il termine è stato introdotto ad un convengo di informatici nel 1956. L’idea di base era la progettazione di un elaboratore capace di simulare il funzionamento del cervello e agire come un essere umano.
Oggi è un aggregato di tecnologie – dal Machine Learning al Natural Language Processing – che permettono alle macchine di rispondere a più domande: cosa è successo; perché è successo e cosa potrebbe accadere.
Le teorie sul tema sono talmente tante da rischiarne l’abuso, ma è altresì vero che sono altrettante le applicazioni esistenti. Secondo questa definizione anche il supercomputer Deep Blue, che il 10 febbraio 1996 vinse contro il campione mondiale di scacchi Garri Kasparov, è un chiaro esempio di intelligenza artificiale.
Nel 2020 questo mercato ha registrato una crescita del 15% equivalente a 300 milioni di euro, di cui il 77% commissionato da imprese italiane e il 23% come export di progetti.
La spesa è stata trainata dalla componente dei software industrializzati e creati ad hoc, pari al 62% del mercato; mentre i servizi di System Integration e consulenza hanno coperto solo il 38%. La maggior parte di questi investimenti risulta dedicata ai progetti di Intelligent Data Processing (33%) e le iniziative cresciute di più – in termini di risorse – sono, invece, chatbot e Virtual Assistant (10%; +28%).
CI siamo focalizzati così sulla logica, sulla rappresentazione della conoscenza o sulla semplice simulazione delle reti neurali. Se analizziamo, invece, i metodi con cui risolviamo inconsapevolmente i nostri problemi, scopriamo che ci basiamo sulla combinazione di intuizione e ragionamento.
Il nuovo confine dell’Artificial Intelligence da oltrepassare si chiama senz’altro intuizione artificiale.
Come funziona l’intuizione artificiale
Con l’intuizione artificiale gli algoritmi, che permettono ad un sistema di imparare autonomamente dai dataset, saranno in grado di percepire anche eventuali errori e correlazioni senza comandi. Questa dinamica è possibile grazie allo sviluppo di un modello qualitativo che fornisce alla macchina una guida per la visualizzazione di identificatori anomali.
In questo modo, i fattori che non si adattano correttamente all’infrastruttura si classificano sospetti. Il mercato finanziario è il principale ambito di applicazione per rilevare reati di criminalità informatica, quali riciclaggio di denaro, frode e pirateria.
Vuoi conoscere maggiori dettagli su questi trend e leggere utili consigli per il tuo business? Seguici su LinkedIn!
