Tecnologie AI

Per valutare come l’intelligenza artificiale può contribuire allo sviluppo delle aziende, il Machine Learning Checkup si concentra su tre tecnologie e sui benefici che le imprese possono ottenere dal loro utilizzo:

analisi predittiva (predictive analytics)
riconoscimento visivo (image recognition)
riconoscimento sonoro (voice/sound recognition)

Analisi predittiva

È un’applicazione di intelligenza artificiale (AI) che elabora informazioni per identificare “regole” di causa/effetto tra fenomeni. Nel momento in cui queste regole sono identificate, testate e confermate in automatico dal sistema, l’applicazione inizia a “conoscere” e a riconoscere i fenomeni che osserva, arrivando a predire come tale fenomeno evolverà nel tempo.

Riconoscimento visivo

Tramite algoritmi e metodologie per il riconoscimento di forme, colori e oggetti in movimento, l’intelligenza artificiale (AI) riesce a riconoscere e a catalogare immagini e oggetti reali o digitali. Tale applicazione si basa su una branca dell’informatica attualmente di notevole interesse detta computer vision (visione artificiale).

Riconoscimento sonoro

I sistemi di voice o sound recognition, con principi di funzionamento in parte analoghi a quelli dell’image recognition, riescono a comprendere il linguaggio naturale umano o, potenzialmente, qualsiasi fonte sonora e a decodificarli in termini di significato e di intonazione, individuando ad esempio il livello di stress nella voce.

Utilità dell'intelligenza artificiale (AI)

Grazie ad una maggiore capacità di raccolta dati e ad una più efficace capacità di analisi, l’intelligenza artificiale determina un miglioramento del processo decisionale e delle prestazioni delle aziende.

In sintesi, l’intelligenza artificiale permette di:

Per ottenere un report personalizzato sulle applicazioni di intelligenza artificiale adatte alle tue esigenze, puoi accedere al Machine Learning Checkup.

Inizia ora

Riconoscimento visivo

Come funziona

I sistemi di riconoscimento visivo riescono a riconoscere forme, testi, immagini, tabelle e ad estrapolarne informazioni anche se questi elementi non sono codificati come dati strutturati. Ad esempio, è possibile fotografare una tabella numerica su carta e sottoporla all’applicazione AI che riesce a comprenderne la struttura e il significato e ad elaborarla come foglio di calcolo elettronico. Il riconoscimento visivo si concentra sullo sviluppo della capacità di un software di individuare configurazioni di informazione, i cosiddetti pattern, associati a un fenomeno. In questo modo, se la tecnologia riconosce un determinato pattern in un nuovo fenomeno, associa questo nuovo fenomeno a quelli che ha in memoria e che presentano il medesimo pattern. Analizzando la forma, le dimensioni, le frequenze di colore di un oggetto all’interno di un’immagine, la tecnologia di riconoscimento visivo è quindi in grado di riconoscere gli oggetti. Questa capacità consente applicazioni interessanti: ad esempio, la possibilità di contare il numero di spettatori presenti nella piazza di una città durante un concerto a partire da una fotografia aerea. In questo caso, il software riconosce le caratteristiche della testa umana (la presenza di capelli, la forma delle spalle, ecc.) e le associa al pattern e al concetto di “essere umano”.

A cosa serve

Le applicazioni di riconoscimento visivo in ambito industriale sono molto varie e la loro innovatività risiede nell’automatizzazione delle attività di riconoscimento e analisi, svolte in tempi brevissimi e con precisione impensabile per un occhio umano.

Per fare alcuni esempi, il riconoscimento visivo è in grado di:

Comprendere il livello di usura di un utensile sulla base del livello di finitura superficiale dei prodotti processati dall’utensile stesso (ad esempio, il taglio di una fresa su un blocco di acciaio)

Riconoscere la posizione di un prodotto all’interno di uno stabilimento produttivo

Comprendere se un frutto ha raggiunto la dimensione e il grado di maturazione adatto alla raccolta. Riconosce inoltre la presenza di difetti o di agenti estranei, migliorando la qualità o il grado di utilizzo e di vendita dei prodotti. Il riconoscimento delle disposizioni corrette dei materiali e dei prodotti a magazzino permette il prelievo automatico dei colli e l’aggiornamento in tempo reale delle giacenze.

Analisi predittiva

Come funziona

I sistemi di intelligenza artificiale potenziano la capacità di elaborazione dei dati delle aziende, unendo più fonti o trovando relazioni tra fenomeni utili a rendere le attività più efficienti. Inoltre, forniscono dati e previsioni utili a supportare le attività decisionali. Concretamente, una tecnologia di analisi predittiva può, ad esempio, supportare le aziende nel fare previsioni di andamento del mercato e della domanda, per definire il livello adeguato di offerta. Un’azienda produttrice di gelati può analizzare le temperature medie in Italia e il livello di consumo di gelato negli ultimi 10 anni e sviluppare in autonomia una “regola” (basata su opportuni modelli statistici) che mette in relazione temperatura e consumo di gelato in modo tale da prevedere la domanda di gelato in un dato periodo, considerando le temperature previste per quel dato periodo. Oltre alle temperature, è possibile inserire in questo modello tutti i dati potenzialmente rilevanti per il fenomeno considerato e ottenere risposte in tempi rapidi. Nell’esempio del gelato, si possono considerare i tassi di umidità, la presenza di sole, il livello di precipitazioni, ma anche la presenza di eventi sportivi, l’uscita al cinema di film di successo, e un numero potenzialmente elevatissimo di altre variabili che possono influire sulle vendite, se queste variabili sono disponibili in quantità tali da consentire al sistema di “allenarsi” e apprenderne l’effetto.

A cosa serve

I sistemi di intelligenza artificiale riescono a collegare in modo logico le informazioni e i dati presenti in azienda, fornendo accurate previsioni. Ad esempio, possono prevedere:

Il fabbisogno di approvvigionamento, con conseguente ottimizzazione di costi e tempi

I guasti, ottimizzando le manutenzioni

Le vendite, massimizzando le vendite, il riassortimento e la capacità di soddisfare i clienti

Senza l’intelligenza artificiale, eseguire processi di modellazione statistica su basi di dati ampie e variegate richiederebbe tempi e competenze non sempre disponibili alle imprese: il grado di complessità analitica e l’alto dispendio di tempo e di lavoro renderebbero le analisi manuali poco praticabili nella realtà.