
Dietro le quinte
L'intelligenza vende, anche se artificiale – 24% in più di vendite di prodotti con IA
di Daniel Borchers
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.
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 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.
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.