Alcuni parlano di fantascienza, altri la vedono come una rivoluzione aziendale. Il team di ingegneri Moonraker, di recente costituzione, manda l'intelligenza artificiale a scuola – solo dopo potrà essere utilizzata da Digitec Galaxus.
Cos'è l'intelligenza artificiale?
Come imparano i computer?
Anche le macchine fanno errori
Dalla teoria alla pratica
Nessuna intelligenza artificiale, senza intelligenza umana
A proposito, il team Moonraker sta cercando rinforzi! Candidati ora come Machine Learning Engineer: vai all'offerta di lavoro.
Le notizie non mi bastano – sono le storie che si nascondono dietro a catturare il mio interesse. La curiosità mi accompagna costantemente ed è il motivo per cui trascorro il sabato pomeriggio nel mio caffè preferito, ascoltando storie di città mentre pianifico la mia prossima avventura di viaggio o cerco nuove idee per i prossimi eventi. La meditazione Zen non può che aspettare.
Ciò che recentemente era noto solo agli esperti è ora sulla bocca di tutti: parliamo di intelligenza artificiale (IA). La settimana scorsa, [la rivista di economia ECO di] SRF](https://www.srf.ch/play/tv/sendung/eco?id=7dd60977-fc2e-4b40-a533-eb9536cea736cea736) si è dedicata all'argomento. Si parla di una nuova opportunità per il settore privato e del dominio mondiale dei robot. Il Machine Learning è da tempo un argomento importante per Digitec Galaxus: «Fino a poco tempo fa, ci siamo occupati di intelligenza artificiale all'interno della gilda di Machine Learning. Ci è apparso subito chiaro che non potevamo fare abbastanza in una gilda e che avevamo bisogno di un team di ingegneri indipendenti», racconta Michael Hardegger, leader del team Engineering di Digitec Galaxus. «Ora due ingegneri di Machine Learning e due specialisti di dati stanno lavorando su algoritmi intelligenti nel team Moonraker».
L'intelligenza artificiale, o IA in breve, è un settore dell'informatica che si occupa dell'automazione del comportamento intelligente. I sistemi più artificialmente intelligenti oggi in uso sono specializzati nella risoluzione di problemi specifici: comprendere la lingua parlata, diagnosticare le malattie, emettere giudizi legali o guidare l'auto in modo autonomo sono solo alcuni esempi. Nel risolvere questi problemi specifici, l’IA supera spesso persino gli esperti umani. L’IA può apprendere anche la creatività – i computer hanno già scritto poesie, dipinto immagini e composto musica. È solo con la flessibilità che l’IA non può competere con il cervello umano.
Grazie agli algoritmi di apprendimento automatico, le intelligenze artificiali sono in grado di apprendere i modelli nei dati di allenamento e di applicare queste scoperte a nuovi dati: «Durante la formazione, mostriamo i dati di input dell’IA e l'output che vogliamo ricevere. Questi potrebbero essere, ad esempio, i dati di prodotto forniti dal fornitore (come input) e il tipo di prodotto Digitec Galaxus, che successivamente abbiamo assegnato manualmente al prodotto (come output)», spiega Michael Hardegger. Dopo la fase di apprendimento, l’IA è quindi in grado di assegnare autonomamente nuovi dati di input al tipo di prodotto corretto. E se non lo fa, rimane a scuola in punizione».
Proprio come gli studenti, l’IA deve superare degli esami dopo la fase di apprendimento. Solo i migliori fanno il salto nei sistemi produttivi. Ma anche le intelligenze artificiali ottimizzate e testate commettono errori. Ad esempio se vengono confrontate con nuovi tipi di dati. «Forse abbiamo insegnato all’IA a distinguere i notebook dai pannolini e dai telefoni, ma le abbiamo mostrato solo notebook del marchio HP e nessun Apple. Possibilmente, l’IA pensa che Apple produca solo smartphone e nessun notebook. Di conseguenza, classifica i MacBook come telefoni cellulari – un errore», dice Michael Hardegger. Fortunatamente, l'IA – proprio come gli esseri umani – non smette mai di imparare. Se viene corretta, può utilizzare questa correzione come nuovo input per l'allenamento e quindi migliorare passo dopo passo.
Dopo che il team Moonraker ha reso le IA adatte all'uso, i robot iniziano e prendono lavori che l'uomo non sarebbe in grado di fare. Uno di questi compiti di routine si trova nella gestione delle categorie di Digitec Galaxus: i prodotti devono essere riordinati quotidianamente. Il fattore decisivo è l'evoluzione futura della domanda. Ad esempio i forni per raclette: quando ci sono solo pochi forni per raclette sugli scaffali del magazzino centrale di Wohlen a marzo, questo non è un problema. Ma a settembre dovrebbe esserci un numero sufficiente di attrezzature in stock per la crescente domanda autunnale. Per Michael Hardegger è chiaro che gli algoritmi possono alleggerire la gestione delle categorie: «L’IA impara i processi stagionali e riconosce ulteriori correlazioni tra le caratteristiche del prodotto e la domanda del passato. Questo permette al sistema di calcolare il numero ottimale di prodotti da ordinare».
In pratica, questo significa: l’IA può assumere compiti semplici e noiosi, per permettere alle persone di dedicarsi a compiti interessanti e creativi. Ma è anche chiaro che l'intelligenza umana controlla l'IA, la addestra e utilizza il bene più prezioso di tutti – il tempo – per sviluppare nuove soluzioni per casi complessi. Una cooperazione efficiente tra intelligenza artificiale e intelligenza umana è quindi la ricetta per il successo di tutte le applicazioni di Machine Learning.
