(2) Innovazione e Intelligenze Artificiali e Aumentate

Le Componenti Chiave di un Sistema AI

Un sistema AI è composto da quattro elementi fondamentali:

• Dati: Le informazioni grezze, pertinenti e di alta qualità.

• Algoritmo: L'insieme di regole matematiche e statistiche (istruzioni) che creano il modello.

• Modello: Il risultato finale dell'addestramento; la "conoscenza" acquisita.

• Infrastruttura: La struttura tecnologica (hardware come le GPU) necessaria per l'elaborazione.

AI Factory

IA Factory: Piattaforma per sviluppare e addestrare soluzioni di IA su larga scala, un insieme di strumenti per progettare l'intero ciclo di vita dell'IA.

• Scopo: Rendere più facile e veloce per le organizzazioni l'utilizzo dell'IA, automatizzando completamente le decisioni manageriali con l'ausilio di appositi software, attivando un circolo virtuoso fra utenti, dati, designer, algoritmi e previsione.

Elementi Essenziali dell'IA Factory

1. Data pipeline: Processo di raccolta, integrazione ed elaborazione dei dati. Richiede un severo controllo per risolvere le inesattezze dovute a pregiudizi o semplici errori.

   • Anomalie: Inserimento, cancellazione, aggiornamento.

2. Sviluppo dell'algoritmo: Un insieme di regole per risolvere un problema, con l'obiettivo di apprendere da dati passati e sviluppare previsioni accurate.
   Approcci del Machine Learning:

   • Apprendimento supervisionato: Mappa input/output (es. regressione lineare, reti neurali); ottimo per la classificazione.

   • Apprendimento non supervisionato: Raggruppa elementi in categorie simili (clusterizzazione); cerca somiglianze.

   • Apprendimento per rinforzo: Un agente impara a prendere decisioni ottimali interagendo con un ambiente.

   • Apprendimento semi-supervisionato: Sfrutta sia dati etichettati che non per superare le prestazioni degli altri.

3. Piattaforme di sperimentazione: Le ipotesi relative a nuovi algoritmi di decisione vengono testate per garantire l'effetto previsto.

4. Software infrastructure: Rende disponibili i dati tramite interfacce, consentendo alle applicazioni di essere integrate rapidamente.

Processo di Produzione dell'IA

1. Abilitazione dell'IA (Enablement): Fase antecedente alla produzione dove vengono create le infrastrutture di supporto.
   - Include hardware per produzione, raccolta e accumulo di dati e strumenti computazionali.

2. Produzione dell'IA: Creazione delle applicazioni IA sulla base degli elementi abilitanti.
   - Include algoritmi IA, strumenti di visualizzazione e interazione, piattaforme e linguaggi di programmazione.

3. Consumo dell'IA: Uso, diffusione e implementazione dei casi d'uso sviluppati.
   - L'IA viene combinata con applicazioni specifiche del settore, permettendo la personalizzazione delle risorse.

Modelli di Attori di IA

AI Giants: Producono IA per uso sia interno che esterno, gestiscono enablement e produzione e sono anche consumatori di IA.

AI Creator: Producono IA principalmente per uso esterno, migliorando e personalizzando soluzioni per i clienti.

AI Powered Operator: Sfruttano l'IA nelle operazioni quotidiane, ricorrendo sia ai Giants sia alla capacità interna per funzioni critiche.

AI Trader: Vendita di servizi per la produzione di IA destinata al consumo dei clienti.

AI Taker: Acquirenti dell'IA che richiedono soluzioni per abilitare funzioni aziendali critiche, non potendola sviluppare internamente.

Implementazione dell'IA nei Processi di Innovazione

Risponde a esigenze di carattere:

• Esogeno (esterno): Volatilità e mutevolezza dell'ambiente competitivo, ampliamento del mercato globale, tecnologie disruptive, contesto geopolitico in evoluzione.

• Endogeno (interno): Trasformare la crescente disponibilità di dati in nuova conoscenza.

Obiettivo: Ridurre le incertezze e ottimizzare il rapporto costi-benefici.

4 Aree di Applicazione dell'IA per Supportare il Processo Decisionale:

1. Sviluppo di idee: Gli algoritmi supportano gli umani superando i vincoli di elaborazione delle informazioni.

2. Idee generate: L'IA evidenzia pattern ricorrenti in una grande mole di dati.

3. Apprendere la conoscenza esistente: Identificare e sviluppare idee ricorrendo alla progettazione generativa.

4. Generare o riconoscere idee: Tramite l'apprendimento per rinforzo o meta rinforzo.

Come si Innova l'IA?

• Triple Helix: Governo, istituzioni e imprese interagiscono e si influenzano nei processi innovativi.

• Quadruple Helix: Triple Helix + Società civile, con l'obiettivo di colmare il gap tra innovazione e società civile.

Dall'Intelligenza Artificiale alle Intelligenze Aumentate

Intelligenza Aumentata (IAu):

Paradigma in cui l'AI è vista come un potenziamento delle capacità umane, promuovendo la collaborazione anziché la sostituzione (in fase di definizione).

Ciclo dell'Intelligenza Aumentata (5 Fasi):

1. Understanding: I sistemi vengono alimentati con dati da cui traggono significato.

2. Interpretation: Il sistema riflette su vecchi dati per interpretare nuovi dati.

3. Reasoning: Il sistema crea output o risultati per il nuovo set di dati.

4. Learn: Gli esseri umani danno un feedback sull'output e il sistema si adatta.

5. Assure: Sicurezza e conformità garantite tramite tecnologia blockchain o IA.

Aspetti per le Organizzazioni che Vogliono Usare l'IAu:

1. Tecnologie e processi hanno un input umano continuo.

2. Esistenza di algoritmi "white box" che spieghino il malfunzionamento di alcuni processi.