Home Prodotti Software Intelligenza artificiale, i rischi sono la bolla e la mancanza di talenti

Intelligenza artificiale, i rischi sono la bolla e la mancanza di talenti

Lo scorso anno è stato caratterizzato da un’esplosione del machine learning nell’uso produttivo, con sviluppo del deep learning e l’ intelligenza artificiale sfruttati per applicazioni pratiche.
Le imprese hanno trascorso gli ultimi anni a educare se stesse su vari framework e strumenti Ia, ma è lecito attendersi che l’intelligenza artificiale si spinga oltre gli esperimenti su piccola scala per essere automatizzata e resa operativa.

Man mano che le imprese avanzano nella fase operativa dell’ Intelligenza artificiale, cercheranno prodotti e strumenti per automatizzare, gestire e semplificare l’intero ciclo di apprendimento delle macchine e del deep learning.

Per questo si prevede un aumento degli investimenti nella gestione del ciclo di vita dell’ intelligenza artificiale e una maturazione delle tecnologie che ospitano i dati e supervisionano il processo.

La bolla dell’ intelligenza artificiale

Il pericolo è che si crei luna bolla rispetto all’intelligenza artificiale dietro al quale si nasconde una realtà fatta spesso di imprese che fanno ancora fatica a cogliere i benefici dai loro investimenti in questa area. La mancanza di affidabilità dei dati in possesso delle aziende è un ostacolo. Per questo le imprese devono organizzare i loro dati in modo da garantire che possano essere riconciliati, perfezionati e correlati, per scoprire le relative intuizioni che supportano l’esecuzione efficiente delle attività in tutti i reparti, affrontando al contempo l’onere della conformità normativa.

Secondo il rapporto di Teradata sullo stato dell’Intelligenza artificiale per le imprese pubblicato nel 2017, uno dei problemi deriva dalla mancanza di infrastrutture It oltre all’accesso ai talenti e la mancanza di budget. La distorsione nei set di dati continuerà però a causare problemi.

Perché in realtà le aziende, soprattutto negli Usa, stanno aggiungendo intelligenza artificiale ai loro prodotti per renderli più intelligenti, più efficienti e anche autonomi. Ciò che però ha iniziato a emergere come parte fondamentale della conversazione è il modo in cui i set di dati formativi modellano il comportamento di questi modelli.

Uno dei principali ostacoli all’adozione dell’ intelligenza artificialer, in particolare nelle industrie regolamentate, è la difficoltà di dimostrare esattamente come l’intelligenza artificiale abbia raggiunto una decisione. Per questo sarà essenziale la creazione di un audit trail.

L’ Intelligenza artificiale sempre più spesso viene utilizzata per applicazioni come la scoperta di farmaci o l’auto connessa. Si tratta di applicazioni possono avere un impatto negativo sulla vita umana se si prende una decisione sbagliata. Individuare esattamente ciò che ha causato la decisione finale errata che ha portato a un grave problema è qualcosa che le imprese cominceranno a esaminare nel 2018. Auditing e monitoraggio di ogni input e di ogni punteggio che un framework produce aiuterà a individuare il codice scritto dall’uomo che alla fine ha causato il problema.

Le imprese cercheranno anche di migliorare le proprie infrastrutture e i processi per supportare l’apprendimento delle macchine e gli sforzi di intelligenza artificiale. Man mano che le aziende cercano di innovare e migliorare con l’apprendimento a macchina e l’intelligenza artificiale, nel cloud verranno adottati strumenti e infrastrutture più specializzati per supportare casi d’uso specifici, come soluzioni per la fusione di input sensoriali multimodali per l’interazione umana (pensiamo al suono, al tatto e alla visione) o soluzioni per fondere le immagini satellitari con i dati finanziari per catapultare le capacità di trading algoritmico.

Per questo ci si aspetta di assistere a un’esplosione delle soluzioni basate su cloud che accelereranno l’attuale ritmo di raccolta dei dati e dimostreranno ulteriormente la necessità di calcolo e memorizzazione senza attrito e on-demand da parte dei fornitori di cloud gestiti.