L’intelligenza artificiale nella società

Apprendimento automatico, big data e capacità computazionale guidano i recenti progressi dell’IA
Da quando Alan Turing pose nel 1950 la domanda “Le macchine possono pensare?”, il campo dell’intelligenza artificiale (IA) ha subito notevoli trasformazioni. Il termine “IA” è stato coniato nel 1956. Dall’IA simbolica — in cui l’uomo costruiva sistemi basati sulla logica — agli “inverni dell’IA” degli anni ’70, fino ai computer come Deep Blue negli anni ’90 capaci di giocare a scacchi, l’IA ha avuto una lunga evoluzione. Dal 2011, i progressi nel “machine learning” (ML), un sottoinsieme dell’IA che utilizza metodi statistici, hanno migliorato notevolmente la capacità delle macchine di fare previsioni dai dati storici. La maturazione di una tecnica di modellazione chiamata “reti neurali”, insieme all’aumento di grandi dataset e capacità computazionale, è stata un fattore chiave della crescita dell’IA.

I sistemi di IA prevedono, raccomandano o decidono risultati che influenzano l’ambiente
Come spiegato dal gruppo di esperti OCSE sull’IA (AIGO):

Un sistema di IA è un sistema basato su macchina che, per un insieme di obiettivi definiti dall’uomo, fa previsioni, raccomandazioni o prende decisioni che influenzano ambienti reali o virtuali. Utilizza input umani e/o macchina per percepire quegli ambienti, astrae queste percezioni in modelli (automatizzati, es. con machine learning, o manuali) e utilizza l’inferenza da modelli per formulare opzioni di informazione o azione. I sistemi IA sono progettati per operare con diversi livelli di autonomia.

Il ciclo di vita dei sistemi IA comprende: (i) pianificazione e progettazione, raccolta e trattamento dati, costruzione e interpretazione modelli; (ii) verifica e validazione; (iii) implementazione; e (iv) funzionamento e monitoraggio. Le tassonomie della ricerca IA distinguono applicazioni (es. elaborazione linguaggio naturale), tecniche di apprendimento (es. reti neurali), ottimizzazione (es. one-shot learning) e ricerche su temi sociali (es. trasparenza).

L’IA può aumentare la produttività e aiutare a risolvere problemi complessi
Con l’IA che diventa una tecnologia a uso generale, lo scenario economico sta cambiando. Attraverso previsioni, raccomandazioni e decisioni più economiche e precise, l’IA può migliorare la produttività, la qualità della vita e affrontare sfide complesse. L’uso efficace richiede investimenti complementari in dati, competenze e flussi di lavoro digitali, oltre a cambiamenti organizzativi. L’adozione varia per azienda e settore.

Rapida crescita di investimenti e sviluppo aziendale in IA
Dopo cinque anni di crescita costante, gli investimenti in equity privato nelle startup IA sono accelerati nel 2016. Nel 2017, gli investimenti sono raddoppiati raggiungendo 16 miliardi di dollari. A metà 2018, le startup IA hanno attirato il 12% degli investimenti globali in equity privato, rispetto al 3% nel 2011, una tendenza osservata nelle principali economie. Questi investimenti sono generalmente consistenti, spesso milioni di dollari. Con la maturità della tecnologia e dei modelli di business, l’IA procede verso un’adozione di massa.

Applicazioni IA in trasporti, scienza e sanità
Le applicazioni IA si stanno diffondendo rapidamente in ambiti dove il rilevamento di pattern in grandi dati e la modellazione di sistemi complessi e interdipendenti migliorano le decisioni e riducono i costi.

• Nei trasporti, i veicoli autonomi con sistemi di guida virtuale, mappe HD e ottimizzazione del percorso offrono benefici in termini di costi, sicurezza, qualità della vita e ambiente.

• Nella scienza, l’IA aiuta a raccogliere e processare dati su larga scala, replicare esperimenti, ridurre costi e accelerare le scoperte.

• Nella sanità, l’IA supporta la diagnosi precoce e la prevenzione di malattie ed epidemie, la scoperta di cure, interventi mirati e strumenti di automonitoraggio.

• Nel diritto penale, l’IA viene usata per la polizia predittiva e la valutazione del rischio di recidiva.

• Nella cybersicurezza, i sistemi IA rilevano e rispondono automaticamente alle minacce, spesso in tempo reale.

• Nell’agricoltura, l’IA monitora la salute di colture e terreni e prevede l’impatto ambientale sulla resa.

• Nei servizi finanziari, l’IA rileva frodi, valuta credito, riduce costi di assistenza, automatizza trading e supporta la conformità.

• Nel marketing e pubblicità, l’IA analizza il comportamento dei consumatori per personalizzare contenuti, annunci, prodotti, raccomandazioni e prezzi.

L’IA affidabile è fondamentale per sfruttarne i vantaggi
Oltre ai benefici, l’IA pone sfide di policy pubblica che richiedono coordinamento per garantire sistemi affidabili e centrati sull’uomo. L’IA, soprattutto certi tipi di machine learning, solleva questioni etiche e di equità, tra cui il rispetto dei dir