It should no longer come as a surprise. After years "locked up" in research labs around the world, artificial intelligence and machine learning have now made headlines in newspapers and magazines (not just in the industry) around the world.
All thanks to their great versatility and the impact they are having (and will gradually have) in our lives and in the most diverse productive sectors. By applying unsupervised learning and artificial intelligence algorithms to cybersecurity, banking, health and personal care, it is possible to achieve results never before obtained. These two technologies, in fact, make it possible to speed up the analysis of large datasets (big data), while at the same time being able to acquire and process information not present in the source data.
Computer Security
Although to the layman's eye it may appear as something minor, the problem of malware continues to grow at a dizzying pace. Hundreds of thousands of new cyber threats are released every day, adding to the millions that have been circulating on the Net for weeks, months and years. Thanks to artificial intelligence and, above all, machine learning, however, it is possible to stop threats well before they become a real danger. In fact, according to some experts in the field, the source code of new viruses and malware is identical (or almost identical) to that of old threats: only a percentage varying between 2% and 10% has changed. Applicando degli algoritmi di comparazione e sfruttando le informazioni acquisite nel corso dell’attività di scansione, è possibile individuare con una certezza quasi assoluta nuove “specie” di malware e renderli così innocui prima della loro diffusione.
I virus sono in continuo aumento
Sicurezza personale
Nel caso vi sia capitato recentemente di prendere un aereo, vi sarà sicuramente capitato di dover aspettare un po’ in fila in attesa di passare il controllo sicurezza in fase di check-in. Sappiate che, se non fosse per il machine learning, quell’attesa poteva essere molto più lunga. Grazie a questi algoritmi, infatti, è possibile eliminare i falsi positivi e individuare con maggior accuratezza, invece, quelli che possono essere oggetti pericolosi o contundenti. Insomma, anche in questo caso la tecnologia corre in vostro soccorso e in soccorso della vostra sicurezza personale.
Trading finanziario e mercato monetario
C’era un tempo in cui tutto era affidato all’intuito e alla capacità personale di ragionamento. Oggi le dinamiche della Borsa e del mercato della valuta sono guidate dalle indicazioni in arrivo da algoritmi di machine learning. Grazie alla capacità di analizzare grosse moli di dati in poco tempo e di rielaborarle così da individuare trend “nascosti” anche agli occhi più esperti, l’apprendimento automatico permette di vendere e comprare al momento giusto. Non necessariamente, però, le scelte dell’intelligenza artificiale applicate alla finanza sono… intelligenti. Basta analizzare il caso del flash crash della Sterlina nei primi giorni di ottobre 2016 per rendersi conto che, a volte, il solo cervello elettronico non è sufficiente.
Fonte foto: Wikimedia
Una trading room
Salute e cura della persona
Grazie all’analisi dei big data, intelligenza artificiale e machine learning sono in grado di individuare eventuali pattern di diffusione di malattie virali oppure analizzare e studiare gli effetti (sia benefici sia collaterali) di un farmaco sperimentale. L’utilizzo dei computer, ad esempio, ha consentito a dei ricercatori statunitensi di individuare con maggior accuratezza la presenza di cancro al seno analizzando delle “semplici” scansioni mammografiche realizzate negli anni passati. Nel 52% dei casi, infati, l’occhio umano non era stato in grado di scoprire la malattia, mettendo così a rischio la salute delle pazienti.
Personalizzazione marketing
Più si è in grado di conoscere le abitudini dei propri clienti e utenti, più sarà semplice realizzare delle campagne pubblicitarie efficaci e capaci di “lasciare il segno”. Per questo motivo, algoritmi di intelligenza artificiale e machine learning sono utilizzati con sempre maggior frequenza dalle società di marketing: riescono, in questo modo, ad analizzare i big data provenienti da reti sociali, motori di ricerca e altre fonti di informazione web per individuare le abitudini e realizzare pubblicità traccianti sempre attuali e coinvolgenti.
Fonte foto: Shutterstock
Intelligenza artificiale
Individuare le frodi
Società come PayPal utilizzano il machine learning per studiare il comportamento dei propri utenti e individuare, nel giro di pochi minuti, quelli potenzialmente pericolosi e “stopparli” prima che possano creare casino. Così come accade per le minacce alla sicurezza informatica, l’apprendimento automatico studia e confronta i comportamenti dei truffatori del passato per evidenziarne i tratti salienti: nel caso in cui una situazione analoga dovesse ripresentarsi, i sistemi di sicurezza sarebbero immediatamente allertati, così da poter entrare in azione nel minor tempo possibile.
Suggerimenti di acquisto
Quante volte capita di visualizzare un prodotto sui vari Amazon, eBay o altri siti di ecommerce e ritrovarsi, nei giorni successivi, pagine web invase di “suggerimenti” per gli acquisti simili a quelli appena visualizzati? Ecco, il “merito” di questo comportamento è degli algoritmi di apprendimento automatico che, studiando le ricerche simili fatte da altri utenti e il loro comportamento successivo, è in grado di “predire” quali altri prodotti potrebbero interessarvi o le possibili alternative al prodotto appena visualizzato.
Fonte foto: Flickr
I suggerimenti dei motori di ricerca sono frutto del machine learning
Ricerche online
Senza accorgercene, utilizziamo l’intelligenza artificiale e il machine learning praticamente ogni giorno. Google, Bing, Yahoo! e tutti gli altri motori di ricerca, infatti, fanno ampio ricorso ad algoritmi di questo genere così da essere in grado di raffinare sempre più le SERP (acronimo di Search Engine Page Results “Pagina dei risultati del motore di ricerca” in italiano) e fornire risposte sempre più aderenti alle richieste degli utenti e, dunque, esatte. Grazie al comportamento degli utenti, ad esempio, i motori di ricerca possono conoscere se la loro risposta ha dato o meno buoni frutti: se l’utente passa alla seconda pagina della SERP oppure cerca altri termini senza cliccare su nessun link, vorrà dire che i primi risultati non sono stati soddisfacenti. Questo insuccesso, però, sarà fondamentale agli algoritmi di machine learning per affinare ulteriormente il proprio grado di conoscenza e fornire risposte sempre più adeguate alle esigenze degli utenti.
Analisi del linguaggio naturale
Cortana, Google Assistant, Siri. Questi i nomi dei tre assistenti vocali personali più conosciuti e utilizzati dagli utenti sia da smartphone sia da computer. I tre software, sviluppati rispettivamente da Microsoft, Google e Apple, basano il loro funzionamento sul machine learning (oltre che, ovviamente, sull’intelligenza artificiale): l’apprendimento automatico consente di affinare il riconoscimento della lingua parlata dagli utenti (pronuncia, difetti linguistici, ecc) e riuscire, così, a interagire in maniera assolutamente naturale con qualunque utente.
Fonte foto: Wikimedia
Interni di una Tesla Model S
Smart car e guida autonoma
Da Tesla in giù, sino ad arrivare a Google ed Apple, sono sempre più le società della Silicon valley che strizzano l’occhio al settore dell’automotive. Non che vogliano iniziare a competere con le “vecchie” FCA, Honda e Ford: il loro obiettivo è realizzare auto intelligenti (o piattaforme software, come nel caso della società di Cupertino) che sappiano muoversi autonomamente – ovvero, senza l’intervento di un pilota umano – tra le strade urbane ed extraurbane e che sappiano comportarsi “civilmente” nel caso rimangano imbottigliate nel traffico. Needless to say, artificial intelligence and machine learning are fundamental for the development of self-driving cars: the algorithms of the first technology, in fact, allow to make immediate decisions based on data and information coming from outside processed with algorithms of the second technology. In this way, the cars of the future, connected and smart, will be able to avoid collisions and pedestrians and thus reduce the number of road accidents.