I modelli di intelligenza artificiale e apprendimento automatico possono funzionare in modo spettacolare, fino a quando non hanno dei problemi. In quei casi tendono a fallire in modo spettacolare. <\/p>\n\n\n\n
Questa \u00e8 la lezione tratta dalla crisi COVID-19, come riportato nel MIT Technology Review. Improvvisi e drammatici cambiamenti nel comportamento degli acquisti dei consumatori e B2B stanno, come ha affermato l’autore Will Douglas Heaven, “provocando blocchi agli algoritmi che si nascondono dietro le quinte nella gestione dell’inventario, rilevamento delle frodi, marketing e altro. Modelli di apprendimento automatico addestrati su normali metodi di comportamento umano stanno ora scoprendo che la normalit\u00e0 \u00e8 cambiata e alcuni non funzionano pi\u00f9 come dovrebbero”.<\/p>\n\n\n\n
I modelli di apprendimento automatico “sono progettati per rispondere ai cambiamenti. Ma la maggior parte sono anche fragili; funzionano male quando i dati di input differiscono troppo dai dati su cui sono stati addestrati. \u00c8 un errore supporre che si possa impostare un sistema di intelligenza artificiale e andarsene.<\/em>“<\/p>\n\n\n\n \u00c8 evidente, quindi, che potremmo essere lontani da sistemi completamente autogestiti, se mai ci saranno. Se questa situazione attuale ci dice qualcosa, \u00e8 che le intuizioni umane saranno sempre una parte essenziale dell’equazione AI e machine learning.<\/p>\n\n\n\n Negli ultimi mesi, si \u00e8 esplorata la gamma potenziale di intelligenza artificiale e apprendimento automatico. “Esiste sempre il rischio che il sistema di intelligenza artificiale faccia ipotesi errate, riducendo le prestazioni o la disponibilit\u00e0 dei dati<\/em>“, afferma Jason Phippen, responsabile del marketing globale di prodotti e soluzioni presso SUSE . “\u00c8 anche possibile che i dati derivati \u200b\u200bda cattive correlazioni e apprendimento vengano utilizzati per prendere decisioni aziendali o terapeutiche errate. Un caso ancora peggiore sarebbe chiaramente quello in cui un sistema medico \u00e8 autorizzato a funzionare liberamente e sposta i dati in modo tale da causare la perdita di un vita o di un arto<\/em> “.<\/p>\n\n\n\n L’intelligenza artificiale e l’apprendimento automatico semplicemente non possono essere inseriti in un’infrastruttura o in un insieme di processi esistenti. Chris Bergh, CEO di DataKitchen, avverte che i sistemi esistenti devono essere adattati e adeguati. “Nell’architettura tradizionale, un sistema di intelligenza artificiale e machine learning utilizza ambienti di dati per soddisfare le esigenze dei dati<\/em>“, afferma. “Abbiamo bisogno di una leggera modifica a tale architettura, consentendo all’intelligenza artificiale di gestire l’ambiente dei dati. Questa transizione deve essere eseguita senza intoppi per prevenire guasti catastrofici nei sistemi esistenti e per implementare sistemi robusti<\/em>“.<\/p>\n\n\n\n I sistemi di intelligenza artificiale e di apprendimento automatico “sviluppati per gestire ambienti di dati devono essere considerati come sistemi mission-critical e lo sviluppo deve essere condotto con molta attenzione<\/em>“, continua Bergh. “Poich\u00e9 i dati sono la forza trainante delle attuali decisioni aziendali, gli ambienti di dati saranno il cuore dell’azienda. Pertanto, anche un leggero fallimento nella gestione dei dati comporter\u00e0 un costo significativo per l’azienda a causa della perdita di tempo operativo, altre risorse e fiducia dell’utente<\/em>“.<\/p>\n\n\n\n Bergh sottolinea inoltre le “lacune di conoscenza dei professionisti dei dati e degli esperti di intelligenza artificiale e apprendimento automatico rispettivamente nei settori dell’IA, dell’apprendimento automatico e della gestione dei dati<\/em>“.<\/p>\n\n\n\n La linea di fondo \u00e8 che gli esseri umani qualificati saranno sempre fondamentali per gestire il flusso e garantire la qualit\u00e0 e la tempestivit\u00e0 dei dati immessi nei sistemi di intelligenza artificiale e machine learning. La meccanica della gestione dei dati sar\u00e0 autonoma, ma il contesto dei dati necessita del coinvolgimento umano. “Possiamo guardare esempi come auto a guida autonoma e ottimizzazione energetica dei data center utilizzando DeepMind presso Google ed essere abbastanza sicuri che alla fine ci saranno alcune opportunit\u00e0 parallele nella gestione dei database<\/em>“, afferma Erik Brown, direttore senior nella pratica tecnologica dell’Ovest Partner Monroe, una societ\u00e0 di consulenza aziendale \/ tecnologica. “Tuttavia, i database completamente autonomi sono probabilmente una necessit\u00e0 nel prossimo futuro; il coinvolgimento umano dovrebbe diventare pi\u00f9 strategico e focalizzato nelle aree in cui gli esseri umani sono meglio attrezzati per trascorrere il loro tempo.<\/em>“<\/p>\n\n\n\n Gli ambienti di dati completamente autonomi “probabilmente impiegheranno molti anni per raggiungere una loro completezza”, concorda Jeremy Wortz, architetto senior nella pratica tecnologica di West Monroe. “L’apprendimento automatico \u00e8 lungi dal risolvere problemi complessi di ampia portata. Tuttavia, un approccio che sviluppa casi di utilizzo ristretti e profondi far\u00e0 la differenza nel tempo e inizier\u00e0 il viaggio di un sistema di autogestione. La maggior parte delle organizzazioni pu\u00f2 adottare questo approccio ma dovr\u00e0 garantire che abbiano un modo per elencare i casi d’uso ristretti, con la giusta tecnologia e talento per realizzare questi casi d’uso <\/em>“.<\/p>\n\n\n\n Pi\u00f9 le organizzazioni dipendono dall’intelligenza artificiale, pi\u00f9 gli esseri umani dovranno intensificare e supervisionare i dati che si stanno muovendo in questi sistemi, nonch\u00e9 le intuizioni che vengono prodotte. L’ottanta percento o pi\u00f9 dello sforzo nell’intelligenza artificiale e nell’apprendimento automatico “\u00e8 spesso fonte di dati, traduzione, validazione e preparazione per modelli complessi”, afferma Brown. “Dato che questi modelli informano casi di utilizzo aziendale pi\u00f9 critici – rilevamento di frodi, gestione del ciclo di vita dei pazienti – continueranno a sussistere maggiori richieste da parte degli amministratori di tali dati<\/em>“.<\/p>\n\n\n\n Pochi ambienti di dati al di fuori di Google e di Amazon del mondo sono davvero pronti, dice Brown. “Questa \u00e8 un’enorme opportunit\u00e0 di crescita nella maggior parte dei settori. I dati ci sono, ma le strutture organizzative collaborative e interfunzionali e le pipeline di dati flessibili non sono pronte per sfruttarle in modo efficace.<\/em>“<\/p>\n\n\n\n Non \u00e8 necessario essere un esperto di dati per gestire i sistemi di intelligenza artificiale: \u00e8 necessario un interesse per l’apprendimento e l’utilizzo di nuove tecniche. “La tecnologia basata sull’intelligenza artificiale sta alimentando la tendenza dei data scientist dei cittadini, che \u00e8 un punto di svolta<\/em>“, afferma Alan Porter, direttore del marketing di prodotto di Nuxeo . “In passato, questi ruoli hanno richiesto una profonda conoscenza tecnica e capacit\u00e0 di codifica. Ma con i progressi della tecnologia – molti degli strumenti e dei sistemi fanno il lavoro tecnico. Non \u00e8 cos\u00ec importante per le persone che ricorpono queste posizioni di avere conoscenz<\/em><\/em>e tecniche, invece le organizzazioni sono alla ricerca di persone pi\u00f9 analitiche con specifiche competenze aziendali<\/em> “.<\/p>\n\n\n\n Mentre le persone con competenze tecniche e di programmazione svolgeranno ancora un ruolo critico all’interno delle organizzazioni, Porter continua, “un grosso pezzo del puzzle sta ora avendo analisti con specifiche conoscenze aziendali in modo che possano interpretare le informazioni raccolte e capire come si inseriscono nel grande quadro. Gli analisti devono anche essere bravi a comunicare i loro risultati alle parti interessate al di fuori del team di analisi al fine di effettuare il cambiamento <\/em>“.<\/p>\n\n\n\n Nel suo pezzo del MIT, Heaven conclude che “tutto ci\u00f2 che \u00e8 connesso, l’impatto di una pandemia \u00e8 stato sentito in lungo e in largo, toccando meccanismi che in tempi pi\u00f9 tipici rimangono nascosti. E’ il momento di fare il punto sui sistemi appena esposti e chiedere come potrebbero essere progettati meglio, resi pi\u00f9 resistenti. Se le macchine devono essere affidabili, dobbiamo sorvegliarle. <\/em>” <\/p>\n","protected":false},"excerpt":{"rendered":" I modelli di intelligenza artificiale e apprendimento automatico possono funzionare in modo spettacolare, fino a quando non hanno dei problemi. In quei casi tendono a fallire in modo spettacolare. Questa \u00e8 la lezione tratta dalla crisi COVID-19, come riportato nel MIT Technology Review. Improvvisi e drammatici cambiamenti nel comportamento degli acquisti dei consumatori e B2B […]<\/p>\n","protected":false},"author":11,"featured_media":55164,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"pmpro_default_level":"","footnotes":""},"categories":[1413,387,2168],"tags":[],"class_list":{"0":"post-56298","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-attualita","8":"category-guide-sicurezza","9":"category-intelligenza-artificiale","10":"pmpro-has-access"},"aioseo_notices":[],"jetpack_featured_media_url":"https:\/\/alground.com\/site\/wp-content\/uploads\/2020\/01\/intelligenza-artificiale-evid.jpg","wps_subtitle":"I sistemi di intelligenza artificiale e apprendimento automatico sono validi solo come i dati che forniamo loro. Dobbiamo sorvegliarle","_links":{"self":[{"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/posts\/56298","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/comments?post=56298"}],"version-history":[{"count":0,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/posts\/56298\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/media\/55164"}],"wp:attachment":[{"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/media?parent=56298"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/categories?post=56298"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/alground.com\/site\/wp-json\/wp\/v2\/tags?post=56298"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}