Intelligenza Artificiale. Cos'è e come gli sviluppatori vi fanno business

Approfondimento

System Integrator e Intelligenza Artificiale. Come, perchè e dove fare business



Come gli sviluppatori devono affrontare il tema dell’Intelligenza Artificiale? Nuovi interlocutori, nuovi modi per sviluppare competenze, e tanti, infiniti, ambiti di applicazione del mondo business

Loris Frezzato

10 Apr 2020


L’Intelligenza Artificiale (IA), o Artificial Intelligence (AI) che si voglia dire, fa ormai già parte del nostro mondo, del nostro quotidiano, del nostro universo lavorativo. È presente sempre più nelle applicazioni e nei progetti aziendali e sempre più sono i system integrator, gli sviluppatori, le Tech Company, i fornitori ICT, che sono chiamati a sviluppare delle competenze in merito. Il tema dell’Artificial Intelligence non è più proiettato al domani, ma la sua concretezza si sta osservando in progetti dove è integrata o è palesemente visibile, e risulta essere ormai elemento distintivo delle soluzioni più innovative e all’avanguardia dei più grandi vendor internazionali, ma anche delle piccole realtà e startup che proprio sull’onda dell’AI sono nate.

 

Indice degli argomenti

Sviluppatori cercano concretezza nell’Intelligenza Artificiale

Sull’Intelligenza Artificiale l’ecosistema dei system integrator e degli sviluppatori sta iniziando a muoversi, con i grandi nomi che stanno prendendo confidenza col tema dedicandovi team di ricerca e sviluppo, incubando internamente competenze di sviluppo sull’Intelligenza Artificiale da impiegare successivamente, a tempo debito, all’interno di progetti concreti da presentare ai clienti. Un investimento in previsione di futuri business, quindi, considerando un ambito sul quale conviene, comunque, farsi trovare pronti nel momento dell’esplosione della domanda, che gli analisti indicano che prima o poi arriverà e sarà consistente.

Un (ingenuo) glossario per chi vende e sviluppa Intelligenza Artificiale

Prima di vedere quali possono essere gli ambiti di applicazione dell’Intelligenza Artificiale nel mondo del business e, in particolare, come questa può vedere l’interazione costruttiva dei system integrator, sviluppatori, consulenti del mondo dell’informatica, ci viene d’obbligo fare una panoramica, certo non esaustiva, almeno in questa sede, de temi, di alcuni dei termini che ormai in maniera sempre più spavalda stanno entrando nel parlare comune di clienti e fornitori.

Partiamo dalle basi.

 

Intelligenza Artificiale: cos’è?

Parlare di Artificial Intelligence fino a poco, pochissimo, tempo fa, evocava, in maniera del tutto naturale, scenari fantascientifici. Ma nel giro di pochi anni, e con un’accelerazione negli ultimi mesi, la concretezza delle sue applicazioni si sta facendo sempre più nitida agli operatori lungimiranti dell’innovazione digitale.

Cerchiamo, quindi, di trattare il tema un po’ in tutti i suoi aspetti, in modo da capirne il percorso che sta portando un argomento in precedenza relegato alla storia della scienza e ai laboratori universitari e sperimentali, al mondo odierno, all’economia, a nuovi modi di creare e interpretare il business.

 

Una definizione di Intelligenza Artificiale

Una definizione di Intelligenza Artificiale la disegna come sistema intelligente in grado di interpretare correttamente dei dati esterni, attivando correlazioni più o meno automatiche tra le informazioni raccolte per imparare, con un processo che è quello dell’apprendimento automatico, capace di imparare dai propri errori per fornire output logici, prevedibili, replicabili, frutto di deduzioni e, in definitiva, di ragionamento. Un’intelligenza, artificiale appunto, che sortisce effetti simili ai ragionamenti logici, caratteristiche tipicamente umane e dell’intelligenza naturale di soggetti in grado di associare stimoli ed effetti per attivare processi di problem solving.

 

Parte dal 1056 la storia dell’Intelligenza Artificiale

L’Intelligenza Artificiale ha iniziato ad essere presente tra gli ambienti universitari statunitensi nel 1956, anno riconosciuto come nascita della disciplina AI, tema del seminario “Summer Research Project on Artificial Intelligence”, a cui ha partecipato il ricercatore di fisica, matematica, informatica e psicologia cognitiva Allen Newell, importante contributore di quella che ha preso il nome di Logic Theorist, primo vero e proprio programma di Artificial Intelligence conosciuto, al di fuori dell’ambito della programmazione dei giochi.

Intelligenza Artificiale a cui via via hanno fatto riferimento temi quali il Natural Language Processing (NLP), la Pianificazione, la Rappresentanza della Conoscenza.

Ma all’automazione dei comportamenti intelligenti attesi dall’Artificial Intelligence, contribuiscono anche modelli basati su metodi statistici e su intelligenza computazionale, oltre a elementi di psicologia, filosofia e linguistica.

Tutto concorre, quindi, al nutrimento delle connessioni delle reti neurali che porteranno, in definitiva, al machine learning e al deep learning che caratterizzano i sistemi di AI.

Come funziona l’Intelligenza Artificiale: sinapsi artificiali che trasmettono stimoli

La connessione, analisi, traduzione e interpretazione degli stimoli, dati, informazioni, che alimentano il “pensiero” dell’Artificial Intelligence, si basa sulle reti neurali, che al pari del sistema nervoso animale, trasmette mediante “sinapsi artificiali” i segnali utili al machine learning e al deep learning utili a un sistema, o addirittura a un computer, di sviluppare l’abilità di svolgere funzioni e ragionamenti tipici o simili a quelli della mente umana.

L’analogia è suggestiva.

La rappresentazione del primo neurone artificiale risale addirittura al 1943, ma fu nel 1955 che l’informatico John McCarthy, inventore del linguaggio di programmazione Lisp (sviluppato dalla cooperazione tra le Università e IBM e che per anni è stato di riferimento per l’AI), che battezzò per la prima volta tale disciplina con il nome di Intelligenza Artificiale.

Termine che si può poi distinguere da un lato in Intelligenza Artificiale Debole, ossia Weak AI, con cui si identificano sistemi che simulano attività cognitive umane “semplici” e ripetitive, di livello problem solving, mentre, dall’altro, il termine Intelligenza Artificiale Forte (Strong AI) si assegna a quei processi di sviluppo di intelligenza che non prendono esempio da modelli umani, ma che trovano da soli i percorsi logici più appropriati.

I processori che rendono possibili i “ragionamenti” dell’AI

Di Intelligenza Artificiale si può quindi parlare quando esiste connessione, interconnessione, trasmissione di segnali, con la conseguente elaborazione a velocità elevatissime delle informazioni viaggianti. Effetti che sono possibili solamente attraverso tecnologie in grado di fornire capacità elaborative esageratamente elevate rispetto a quanto normalmente richieste per le operazioni standard a cui siamo stati fino a oggi abituati.

I processori tradizionali hanno ormai raggiunto i massimi delle potenze consentite e macchine sempre più potenti vengono richieste per “macinare” e “assimilare” i dati che vengono loro dati in pasto.

Le CPU (Central Process Unit) i cuori operativi dei computer, sono state via via affiancate o sostituite con le GPU (Graphics Processing Unit), già note per le elaborazioni grafiche e visive, che già qualche decennio fa necessitavano di potenze maggiori per assicurare rese altamente realistiche in applicazioni quali il game o, in genere, le elabrazioni di immagini in 3D. Più recente è invece la comparsa dei Chip Neuromorfici, caratterizzati dall’avere una struttura simile a quella dei neuroni animali, portando addirittura a parlare di Hardware Neuromorfico che utilizza tecniche di pattern recognition.

 

Robot intelligenti come l’uomo? Non ancora

Prospettive affascinanti e, per altri versi, spaventose se lette con il timore fantascientifico della sopraffazione delle macchine sull’uomo a cui letteratura e cinema ci hanno abituati. Ma pare che nonostante il neuromorfismo siamo comunque ben lungi dall’avere robot con capacità cognitive pari a quelle umane. Basti, infatti, pensare che con i chip neuromorfici si può arrivare ad avere fino a un miliardo di neuroni, mentre il cervello umano ha 10 miliardi di cellule, ognuna delle quali è in grado di instaurare migliaia di sinapsi.

Almeno fino ad ora.

 

Rete neurale, Percettrone, Nodi e Archi

Tornando al mondo artificiale, dobbiamo risalire al 1958 con il percettrone di Frank Rosenblatt, psicologo statunitense col pallino dell’Intelligenza Artificiale, per avere un primo modello di rete neurale artificiale. Il Perceptrons era un device elettronico che mostrava capacità di apprendimento. Un inizio di traduzione di uno stimolo in informazione riutilizzabile che ha segnato il percorso verso il disegno di reti neurali artificiali (ANN – Artificial Neural Networks) o, più comunemente, Neural Networks (NN), dando inteso che non si tratti di ambito biologico.

Più in generale, una rete neurale, così come intesa nel linguaggio informatico, (NN – Neural Network) consiste in un modello matematico che si ispira al funzionamento delle reti neuronali riscontrabili in natura, ossia biologiche. La rappresentazione più semplice, senza andare troppo nel dettaglio, è quella che disegna un grafo di flusso, ossia un insieme di nodi collegati tra di loro mediante archi, in quantità tali da consentire alternativi percorsi nella trasmissione dell’impulso, in modo da massimizzarne senza impedimenti, la diffusione a ulteriori nodi e, di conseguenza, a ulteriori archi, e via dicendo. Gli “archi” trasmettono, mentre è all’interno dei tanti nodi che avvengono le operazioni di “intelligenza”, che possono andare dall’elaborazione di complessi algoritmi matematici o anche semplicemente operazioni matematiche di base.

I nodi si distinguono in:

  • Nodi di entrata (input nodes), da cui, come si evince dal nome, entrano gli input, gli stimoli
  • Nodi intermedi (hidden nodes), dove effettivamente avviene l’elaborazione dello stimolo di input, sono anche detti livelli, o strati della rete
  • Nodi di uscita (output nodes) sono infine quelli che consegnano al sistema di elaborazione i dati, gli stimoli, “lavorati” e pronti per essere processati secondo l’uso o l’utilità che ne è stata prevista.

Machine Learning, Deep Learning: sono la stessa cosa? Come parlarne ai clienti

Altri termini utilizzati in maniera piuttosto “sportiva” nel parlare comune quando di vuole connotare su Intelligenza Artificiale alcuni temi di innovazione tecnologica, sono quelli del Machine Learning e del Deep Learning.

Ma questi due concetti possono essere ambasciatori autorizzati dell’Intelligenza Artificiale vera e propria o sono solo alcuni aspetti?

 

Cos’è il Machine Learning

Il Machine Learning consiste nell’apprendimento automatico da parte di una macchina, la quale possa arriva ad effettuare ragionamenti induttivi, in modo di potere alla fine del processo di apprendimento, portare a compimento in maniera autonoma delle azioni sulla base di determinati stimoli e in base alle condizioni cin cui questi vengono forniti e trasmessi. L’apprendimento avviene sul “nutrimento” della macchina, del sistema, con dati, allenando la sua capacità di dare risposte autonome e non sulla base di programmazioni predefinite.

Il Machine Learning può, a sua volta, essere distinto in:

  • Supervised Learning: un apprendimento supervisionato, in cui è già noto (e desiderato) l’output del “ragionamento” della macchina
  • Unsupervised Learning: Un apprendimento senza supervisione, dove alla macchina si chiede di trovare dei pattern possibili all’interno dei dati di cui viene alimentata

 

Cos’è il Deep Learning

Il Deep Learning, in effetti, può essere considerato una sottogategoria del Machine Learning più generale. Si tratt di un approfondimento approfondito, come dice il termine, che mette in campo livelli intermedi di analisi e di elaborazione all’interno della classica struttura “input-output” della rete neurale. Le nozioni dei vari livelli alimentano il “ragionamento” di quelli successivi, senza necessità di intervento umano, in una sorta di affinazione autonoma dell’elaborazione e della sua interpretazione. Ossia in un possibile output, logico secondo i criteri della macchina stessa.

 

I system integrator e gli sviluppatori di Intelligenza Artificiale

La teoria serve, certamente, ed è utile, dicevamo, per avere quell’argomentazione di tipo tecnico-scientifica sempre più necessaria quando ci si trova di fronte a clienti le cui competenze sull’Intelligenza Artificiale stanno crescendo progressivamente, di pari passo con l’interesse che questo tema sta suscitando, sia a livello personale degli interlocutori, sia a livello di impiego all’interno del business aziendale.

 

Investimenti e budget per progetti di Intelligenza Artificiale: cambiano gli interlocutori

Essere propositivi su progetti che integrino al loro interno temi di Intelligenza Artificiale significa prendere contatti con nuovi interlocutori in azienda. E spesso non sono gli stessi a cui per anni i system integrator sono stati abituati ad avere rapporti. I piani di discussione non sono quelli tecnologici, di piattaforma, di licenze, infrastrutture, pane quotidiano per anni dei responsabili IT presenti in azienda. Questi sono aspetti, certo fondamentali, che verranno, però, presi in considerazioni e solamente in una fase successiva.

Tutto parte dagli effetti desiderati, ovviamente tenendo presenti i limiti e le potenzialità offerte dalle nuove tecnologie di AI. E a ritroso lo sviluppatore, il system integrator, cerca di capirne la fattibilità, l’interpretazione delle tecnologie e delle competenze che possiede, di quali altre gli possono servire per completare il quadro, dove reperirle, in quale modo, per quanto tempo, con quali costi.

 

Top management, consulenti e system integrator. Una taskforce trasversale per i progetti di Intelligenza Artificiale

Sono le stesse figure del top management, quelle che definiscono le strategie di sviluppo a medio e a lungo termine dell’azienda, i visionari strategici, a pensare all’Intelligenza Artificiale per innovare il proprio business e trarne il massimo vantaggio sul mercato. Sono gli strateghi del marketing a capire l’importanza di raccogliere, analizzare, eleborare, processare e ottenere una risposta dalle informazioni a cui possono accedere, direttamente o indirettamente.

Solo successivamente viene valutata e gestita l’adeguatezza delle infrastrutture presenti o accessibili, quali investimenti sono necessari per ottenere i risultati sperati, quali competenze, esistenti e non, occorre recuperare.

 

L’Intelligenza Artificiale cambia il DNA degli operatori del canale ICT

Cambiano gli interlocutori, dicevamo, ma cambiano anche gli stessi fornitori. I rivenditori ICT, che per anni sono stati il riferimento fidelizzato per le forniture tecnologiche alle aziende, non ce la possono fare. Legati a un modello di business sbilanciato sulla vendita, sul trade, sui margini del prodotto e, al massimo, ai servizi di installazione e manutenzione dei prodotti (spesso di altri), non hanno modo di aprirsi a modelli le cui forme di guadagno non sono matematicamente definibili, ma aleatoriamente collegate al grado di competenza, specializzazione, sperimentazione che riescono a mettere nella proposizione e, forse poi, realizzazione di un progetto basato su Intelligenza Artificiale.

Troppo tempo, troppi investimenti, poca (ancora) sicurezza di avere un mercato sufficiente alla loro sopravvivenza e, soprattutto, al loro progredire.

Già, perchè è proprio sul progredire della ricerca, dell’affinamento, della scoperta di  nuove connessioni, interpretazioni, applicazioni, che ha senso di esistere un gruppo di lavoro dedito allo sviluppo di progetti orientati all’Intelligenza Artificiale.

 

Le fucine dell’Intelligenza Artificiale: Business Unit, Startup, team specializzati

L’Intelligenza Artificiale nasce in piccolo per estendersi al resto dell’azienda. Sono ancora pochi i system integrator che distolgono il loro main business, fatto di infrastrutture, di vendita, di consulenza, di integrazione, sicurezza, ecc, per dedicarsi a un ambito che, diciamolo, pur avendo alte, altissime potenzialità, produce ancora poco business per rendere autosufficiente un fornitore ICT. I system integrator hanno e stanno subendo una evoluzione drammatica, che li ha portati a orientarsi alla consulenza, al valore aggiunto, ai servizi, e a dare un diverso valore (aspettative) dai margini legati alla mera vendita. Si stanno convertendo all’aggregazione di soggetti e alla collaborazione, tanto osteggiata in passato. E vorrebbero tanto poter iniziare a mettere un piede in quello che da tutte le parti viene indicato come la direzione obbligata dell’innovazione aziendale del prossimo futuro: l’Intelligenza Artificiale, appunto.

 

Sviluppo interno o esterno delle competenze per l’Intelligenza Artificiale?

Il modo per farlo lo trovano comunque.

  • Team di Sviluppo  – C’è chi sviluppa al proprio interno un piccolo team di persone competenti e appassionate che dedicano alla ricerca di nuove tecnologie, dall’AI ad altre, con alte prospettive ma con una concretezza di business ancora insufficiente per essere immessa sul mercato, magari focalizzate su un unico, specifico, progetto.

 

  • Una Divisione per l’AI – Altri system integrator vi dedicano una vera e propria divisione, le cui competenze possono poi essere messe a disposizione trasversalmente alle altre aree dell’azienda, dalla sicurezza, alla gestione infrastrutturale, servizi, elaborazioni, ecc.

 

  • Startup AI native – In questi anni, soprattutto con le attovità di incubazione e l’interesse mostrato anche da grandi player internazionali e non al mecenatismo sull’innivazione digitale, sono molte le piccole realtà che si sono presentate sul mercato. Giovani realtà che nascono da un’idea e con un business model già adatto, orientato al valore, alla consulenza, alle competenze e non appesantito da modelli ereditati di go-to-market e di approccio al mercato che sarebbero inadatti alle nuove esigenze di clienti che vogliono innovare.

 

  • Acquisizione di Startup di AI – Alcune delle realtà sopraccitate diventano naturalmente appetibili proprio da quei system integrator che non vogliono distogliere l’attenzione dal business che li caratterizza, senza comunque bruciarsi l’opportunità di avere competenze che guardano al futuro. Si va quindi verso un consolidamento delle aziende del canale, mosso dalla necessità di competenze sinergiche e complementari.

 

  • Collaborazioni con le Università – Altre volte, ancora, piuttosto che allestire team interni alle aziende, molti system integrator collaborano con le Università locali, finanziando o mettendo a disposizione risorse, esperienze, consulenza, per lo sviluppo di idee sull’Intelligenza Artificiale, con il doppio fine di fidelizzarsi localmente un potenziale bacino di risorse specializzate ormai sempre più rare da reperire e nel contempo “sfruttare” l’entusiasmo e le idee di giovani nativi digitali e stimolarli a declinarle nel mondo del lavoro.

 

Progetti di AI: sviluppati internamente ma condivisi sul mercato

La focalizzazione sui progetti di Intelligenza Artificiale da parte dei system integrator, indipendentemente dalle modalità di approccio al tema, comporta, comunque degli investimenti. Molto tempo dedicato alla ricerca e sviluppo, ore e risorse “sottratti” alle vendite e alla creazione di prodotto, per lavorare su dei progetti la cui remunerabilità è spesso una scommessa.

Ma a volte lo sforzo paga, e il progetto, sviluppato internamente, ha le caratteristiche per essere adottato con successo dal mercato.

Per ampliarne la diffusione e ripagarne gli investimenti, succede sempre più di frequente che il team, la divisione, il gruppo di lavoro che il system integrator ha destinato ad approfondire i temi dell’Intelligenza Artificiale, venga reso autonomo.

 

La cooperazione tra system integrator nei progetti di Intelligenza Artificiale

Viene così creata una nuova azienda, una startup che possa sviluppare business e cooperazioni liberamente con altri system integrator in cerca di realtà specializzate, per rivenderne il progetto, integrarlo, personalizzarlo, presso i loro clienti.

Si viene a creare un circolo virtuoso di collaborazioni tra system integrator basato unicamente sulle competenze e sui progetti specifici. Svincolandosi dalle logiche di competition del passato, per mirare unicamente alla soddisfazione delle esigenze dei clienti in tema di Intelligenza Artificiale applicata al business.

 

Gli ambiti di applicazione dell’AI

Gli ambiti di applicazione dell’Intelligenza Artificiale sono infiniti. Già a questo stadio dello studio delle tecnologie abilitanti sono molti i mercati verticali che possono beneficiare del ragionamento autonomo delle macchine.

Dalla robotica applicata ai vari settori, al processamento di grandi quantità di dati per analisi sulla sicurezza, sulla manutenzione, sulla selezione ragionata di immagini, monitoraggio delle variazioni di stato di alcuni parametri.

 

Lo zampino dell’Artificial Intelligence tra ambiente domestico e aziendale

Dalle applicazioni più note al mondo consumer, esaltate, a torto o a ragione lo diranno i puristi della materia, dai produttori di device che interagiscono e svolgono delle attività sulla base di input vocali, sonori, ambientali, prevalentemente a uso domotico, fino all’integrazione dell’Intelligenza Artificiale all’interno di progetti, nascosta, elemento pensante che governa flussi produttivi o altro.

Diamo di seguito solo qualche immagine di quanto a oggi i system integrator, gli sviluppatori possono fare. Un elenco che via via aggiorneremo, consapevoli che non potrà mai essere esaustivo, ma solo con lo scopo di raccogliere in una sorta di antologia, i progetti che più colpiscono per la loro ingegnosità o la loro inattesa concretezza.

Intelligenza Artificiale e Sanità

Nell’ambito dell’healthcare gli sviluppatori e i system integrator possono trovare un terreno ampio e fertile su cui operare e proporre soluzioni. Le previsioni sono allettanti. Roland Berger calcola che entro il 2025 nella sola Europa il 20% delle attività sanitarie potrebbe essere svolto dall’Intelligenza Artificiale. Con il mercato del digital health che avrà una share dell’8%, pari a un giro d’affari di 155 miliardi di euro. Con l’Intelligenza Artificiale che consentirà anche di effettuare trattamenti sanitari terapeutici molto personalizzati, addirittura sulla base del DNA dei pazienti.

Elaborazioni complesse e dettagliate che si prevede potranno arrivare a interessare anche le compagnie assicurative nella valutazione dei rischi e nelle diagnosi digitali.

 

AI per Banche e Assicurazioni

L’Intelligenza Artificiale entra nell’ambito Finance in vari modi, ma le applicazioni maggiormente utilizzate sono quelle di gestione della relazione del cliente, ambito sul quale queste realtà da anni stanno cercando di risparmiare a fronte di un innalzamento del livello di servizio offerto alla clientela, che deve essere il più personalizzato possibile e prevedere un numero crescente di variabili da analizzare. ABI Lab calcola che il 73% delle realtà del settore in Italia sta lavorando per integrare l’Intelligenza Artificiale nella gestione dei Contact Center e dei Servizi al Cliente. Sull’Intelligenza Artificiale i system integrator e gli sviluppatori che intendono approcciare il settore delle Banche e delle Assicurazioni non possono fare finta di niente: si calcola, infatti, che l’AI rappresenti una priorità per il 65% delle Banche, le quali stanno prevedendo investimenti con budget costanti o in crescita anno su anno.

 

Intelligenza Artificiale e Logistica

È nota a tutti la notizia, inizialmente trapelata e successivamente ufficializzata, dell’utilizzo massivo della robotica all’interno dei magazzini di Amazon. Ovviamente a colpire è stato sia l’aspetto futuristico avanzato di un’automazione così spinta, sia le considerazioni sugli aspetti della gestione della forza lavoro umana, su cui molti media hanno posto l’accento. Un aspetto questo, di assoluta importanza che certamente merita una dissertazione a parte, che esula però dal contesto di questo articolo.

Qui ci limitiamo a segnalare che il progetto è made in Italy, a conferma che la creatività nell’utilizzo dell’Intelligenza Artificiale è infinita e che trova certamente spazio in azioni ripetitive, ma anche nello svolgere quelle attività che richiedono una certa personalizzazione sulla base dell’esigenza particolare (dimensione pacco, gestione spedizione, ecc) che via via la macchina, il robot, si trova a dover affrontare, prendendo decisioni in maniera autonoma.

Artificial Intelligence e Automotive

La guida autonoma ormai è tema da telegiornale e non più da esperti o da appassionati del settore. Esperimenti sono già attivi in varie città del mondo, sia per servizi di pubblico trasporto, come bus o taxi senza conducente, sia per altri servizi che comprendono consegne a domicilio di spesa e beni di consumo. Al di là di questa autonomia estrema, soluzioni che integrano l’Intelligenza Artificiale sono state utilizzate da grandi case produttrici, per alcune funzionalità che vengono in aiuto al guidatore. Dall’assistenza al parcheggio, all’interazione multimediale con comando vocale, alle soluzioni atte ad aumentare la sicurezza alla guida, analisi dello stato di salute dell’auto, o addirittura dello stato di idoneità del guidatore a prendere in mano il volante in caso di stati di alterazione fisica. Il mercato dell’auto è talmente dinamico e con un tale gradoi di competitività che dovremo attenderci continue sorprese, che saranno ovviamente altamente pubblicizzate.

Intelligenza Artificiale e Arte

Il connubbio tra Intelligenza Artificiale e arte è un tema che ha suscitato curiosità nel pubblico, e i media generalisti ne hanno dato ampio spazio. Si tratta di sperimentazioni che, se nate come tali, hanno poi visto la concretizzazione attraverso un guadagno. Molto concreto.

Le piattaforme di Intelligenza Artificiale sono infatti riuscite a realizzare un’opera originale, attingendo a data base di immagini e dati, dati “in pasto” al machine learning per indirizzarne stile, soggetto ed epoca di riferimento. In particolare, Obvious Collective ha realizzato il Ritratti di Edmond de Belamy, elaborando i dati di ben 15.000 ritratti datati tra il XIV e il XVIII secolo. Si tratta di un quadro che pare lancerà una nuova corrente di stile del quale vedremo in futuro altre realizzazioni, dipendente unicamente dalle informazioni con cui le macchine vengono educate. Intanto il ritratto di de Belamy è stato battuto all’asta da Christie’s per ben 432.000 dollari.

 

Se siete delle Tech Company particolarmente attive in tema di Intelligenza Artificiale e le sue applicazioni al mondo business, presentate il vostro progetto al mercato. Sono infatti aperte le candidature ai Digital360 Awards 2020, il contest che promuove l’innovazione ideato da Digital360. I progetti saranno giudicati da una giuria di CIO in occasione dell’l’Italian Awards Summ.IT, la tre giorni dal 18 al 20 giugno 2020 che si terrà a Lazise. Nella stessa occasione si terrà anche il CIOsumm.IT, un’occasione per incontrare la più grande community italiana di CIO. 

A questo link alcuni dettagli utili