7 nuovi trend (+1) dell’Intelligenza Artificiale per il 2022
In questo articolo parleremo dei Top Trend dell’Intelligenza Artificiale previsti per il 2022, in special modo basandoci sulla Data Science.
Ma che cos’è la Data Science?
È un campo interdisciplinare che usa metodi scientifici, processi, algoritmi e sistemi per estrarre conoscenza e informazioni da dati che possono essere sia strutturati che non strutturati e applica quella conoscenza e quelle informazioni ad un range molto specifico di domini.
Ora, perché ne stiamo parlando?
La Data Science sta facendo discutere negli ultimi tempi i cosiddetti futurologi – cioè gli esperti di future studies che esplorano in maniera sistematica i futuri possibili, probabili e preferibili – a causa proprio dell’esplosione di richiesta di data scientist in tutto il mondo.
E ci sono circa 7 trend dell’Intelligenza Artificiale che dovremmo tenere d’occhio nel futuro.
Li vediamo in questo articolo.
1. Augmented Data Management – Gestione Aumentata dei Data
Gestire in maniera aumentata i dati comprende tutte le attività relative alla raccolta, il deposito, la trasformazione e l’utilizzo dei dati.
L’ADM ha come obiettivo:
►Automatizzare gli aspetti relativi alla gestione dei dati,
►Semplificare la gestione anche per le persone non esperte,
►Eliminare alcune attività ripetitive agli specialisti IT.
Infatti, secondo Gartner nel 2023 l’ADM libererà gli specialisti IT del 20% delle task attuali, cioè quelle più ripetitive (analisi dei dati, inserimento dei dati etc.) e quelle più complesse a livello cognitivo.
2. Scalable AI
Con scalable AI si indica la capacità delle soluzioni di Intelligenza Artificiale di essere scalabili, cioè di riuscire a mantenere le stesse performance all’aumentare delle richieste dell’utente finale.
L’Intelligenza Artificiale è sempre più integrata nei vari settori, si utilizzano modelli sempre più interessanti, si intersecano dati sempre più diversificati, ma la richiesta rimane sempre quella di una velocità di risposta ottimale.
In poche parole, per quanto l’IA possa essere complessa, deve sempre dare una risposta nei tempi attesi dall’utente per non creare dei ritardi e non disattendere le richieste.
Questo comporta che una grossa parte di lavoro si occupi dell’utilizzabilità di questi modelli anche nel futuro, poiché i dati continueranno ad aumentare.
Per creare un buon modello ci vuole un dataset di qualità, ma giorno dopo giorno aumentano gli IoT che si connettono alla rete, aumentano i dati stessi, aumenta la volontà delle aziende di recuperarli.
Prima o poi questi dati faranno crescere al punto tale i dataset dei modelli, che quest’ultimi raggiungeranno una precisione sempre maggiore e aumenteranno gli obiettivi stessi.
Questo è un esempio di problematiche molto ricorrenti.
Quando si progetta un modello di Intelligenza Artificiale bisogna tener presente che il modello dovrà mantenere comunque le stesse performance anche a fronte dell’aumento degli utenti e l’aumento delle variabili.
Queste evoluzioni tecnologiche, economiche e organizzative che vanno applicate e studiate anche con l’esigenza specifica della parte software che riguarda l’Intelligenza Artificiale.
3. Augmented Consumer Interfaces – Interfacce Cliente Aumentate
Con questo termine si intende un nuovo modo con cui le persone processeranno i dati quando faranno acquisti nel futuro, sia online che nei negozi fisici.
Prima o poi i clienti verranno serviti da robot intelligenti – cosa che già sta succedendo – con un’interfaccia che permetterà loro di provare i prodotti con la realtà virtuale o aumentata.
Tra l’altro Amazon ha recentemente annunciato che sta pianificando di aprire dei negozi al dettaglio negli Stati Uniti, che fungeranno da magazzini e venderanno diversi prodotti.
In questo caso, è legittimo presupporre che raccoglieranno i dati dei clienti (cosa che sta già facendo online).
Se Amazon decidesse di automatizzare questo processo, di fatto si creerebbe una nuova normalità – che noi comunque desideriamo se riesce a migliorare le condizioni di acquisto.
4. Piattaforme di AI-As-A-Service
Con AAAS si identificano i servizi di AI disponibili in cloud come servizi pre-configurati, che esistono già da anni.
Amazon, Google o Microsoft danno la possibilità di utilizzare questi servizi senza la necessità di avere macchine dedicate, senza la necessità di assumere dei data scientist specializzati.
Questo facilita l’accesso a questa tecnologia agli imprenditori che iniziano ad affacciarsi al mondo dell’Intelligenza Artificiale in modo curioso e sperimentale.
Non si tratta di servizi customizzati per necessità dell’utente, ma di servizi appoggiati ad un software prefabbricato che permette, con piccoli investimenti, di accedere al concetto e all’interazione con l’Intelligenza Artificiale.
Un esempio ulteriore, oltre ai nomi già citati prima, è rappresentato da piattaforme come Shopify, Square e Lightspeed, che già adesso mettono a disposizione degli aiuti, dei moduli o dei plugin di Intelligenza Artificiale che interagiscono con l’e-commerce costruito su questi portali.
In questo modo è possibile avvicinare i piccoli business all’Intelligenza Artificiale, evitando un investimento pesante lato economico per raggiungere questo livello tecnologico.
In realtà più grandi come Google, Amazon o Microsoft, lì invece i servizi di AAAS esistono da anni, quelli più interessanti riguardano l’NLP, per cui c’è la necessità di grandi moli di dati sempre disponibili.
Chiaramente poi questi servizi hanno delle tariffe al consumo, però naturalmente non servono grandi investimenti e non serve soprattutto un data scientist specializzato.
Il lato negativo di questo è che questi AAAS sono comunque limitati perché non possono coprire tutte le necessità e non possono evolvere verso delle specificità del piccolo business.
Però assolutamente può essere un entry-level per le piccole attività che vogliono conoscere questa tecnologia.
5. Democratizzazione dell’AI
Con democratizzazione dell’AI si intende, sostanzialmente, la possibilità di dare accesso a tutte le aziende dell’Intelligenza Artificiale in modo che siano più facilmente in grado di implementare questo tipo di tecnologie.
Oggi sappiamo bene che i talenti nel campo della Data Science sono sempre di più, stanno nascendo nuovi corsi di laurea specialistica nel formare questo tipo di figure.
Queste figure entreranno sempre di più all’interno delle aziende e soprattutto nei paesi più avanti con la tecnologia dove ci sono anche i dati e le possibilità economiche.
Questo trend inizierà nel prossimo anno, ma avrà bisogno comunque di un po’ di tempo per stabilirsi effettivamente.
6. Miglioramento della Data Regulation
Dopo aver acquisito i dati, bisogna anche saperli gestire.
Questi dati normalmente vengono anonimizzati, protetti e gestiti, ma il livello di protezione dipende molto dall’azienda che se ne occupa, dalle regole e dalla nazione in cui si lavora.
Si può e si deve fare un passo avanti nell’ambito della sicurezza e della privacy, in modo da garantire questo livello di sicurezza nelle comunicazioni fra applicazioni.
Si intende all’interno dell’applicazione stessa, ma anche a livello di applicazioni condivise.
Nell’esempio precedente delle AAAS, la comunicazione avviene nel cloud, presso applicazioni di diversi fornitori che possono e devono essere coadiuvate da un maggior livello di sicurezza per garantire all’utilizzatore finale la protezione dei suoi dati.
Un esempio in questa direzione è stata presa dalla Cina che ad Agosto ha passato una legge, la Personal Information Law, un primo set di regole sulla raccolta dei dati.
La Cina sta dominando questa tecnologia e sta iniziando a capire la profondità del ruolo, e potrebbe essere uno degli stimoli ad essere la prima a portare avanti determinate linee guida.
Rimaniamo comunque nel cosiddetto del “capitalismo della sorveglianza aumentato”, perciò dobbiamo tener presente che l’aumento della “fame” degli algoritmi di Intelligenza Artificiale, ci porta ad essere noi stessi di fatto delle fonti di dati in qualsiasi momento della giornata.
La Cina può essere un traino, ma tutte le istituzioni governative dovrebbero occuparsene per gestire il lavoro che viene fatto sui dati.
7. Crescita esponenziale con il Cloud Computing con l’Intelligenza Artificiale
I fornitori di servizi di Cloud Computing stanno aumentando, è già da tanti anni che si sta parlando di questa cosa, e questo tipo di servizi andranno a migliorare esponenzialmente grazie all’Intelligenza Artificiale.
Basti pensare all’impatto che ha avuto il marketplace di Amazon Webservice e simili come Azure, Google, Alibaba e altri.
Tutto questo va a creare numerosi lavori nuovi, perché non basta costruire un nuovo data center, mettere dentro delle macchine enormi per il cloud computing, ma tutto va gestito e organizzato.
Ciò che dà valore aggiunto a questo tipo di infrastrutture è la possibilità che hanno di sfruttare a pieno il machine learning, la data science e i big data per contribuire allo sviluppo dei business a livello globale.
La profondità e la completezza delle feature che danno servizi come Amazon Webservices o Azure stanno migliorando ad una velocità tale che anche il cloud di Google potrebbe sfruttare il quantum computing per ciò che riguarda la data science.
8. La crescita del Natural Language Processing
Dopo anni in cui abbiamo visto la crescita della Computer Vision, il GPT-3 ha dato una motivazione in più alle persone di avvicinarsi a questo mondo passando per il Natural Language Processing.
Sicuramente l’NLP ha ancora molto da dare per mostrare tutta la sua potenzialità.
Ricordiamo che il linguaggio e l’interazione attraverso di esso sono la base della società umana, quindi più i computer o i device elettronici riusciranno ad avvicinarsi al nostro normale modo di comunicare, più riusciremo ad accettare questo tipo di interazione, sentendoli più vicini e affini al nostro modo di vivere.
Questo ci avvicina già adesso, anche con gli attuali assistenti virtuali come gli smart-speaker o gli assistenti virtuali o addirittura i chatbot per il customer service, che adesso sono completamente automatizzati.
Guadagnano in intelligenza, guadagnano anche in capacità di gestire la comunicazione, ma sicuramente nel prossimo futuro vedremo cose molto più interessanti e riuscirà davvero a diventare un collaboratore quasi essenziale, evitando le debacle che avvengono quando si tratta di interagire con questo tipo di utilizzo.
