Top

ESOSCHELETRO A SUPPORTO DEI LAVORI PESANTI

Una nota catena di supermercati sperimenta un esoscheletro per i suoi magazzinieri.

La catena di supermercati sarà il banco di prova di una soluzione robotica indossabile sviluppata da Comau e dalla startup Iuvo e pensata per chi lavora nella logistica. Un esoscheletro per migliorare l’ergonomia e ridurre gli infortuni di chi carica e scarica le merci. Comau, società del gruppo Stellantis e Iuvo, stanno sviluppando una soluzione robotica indossabile per i lavoratori del gruppo Esselunga, la catena più redditizia dei supermercati italiani. L’obiettivo è ovviamente migliorare il benessere degli operatori, riducendo il senso di affaticamento della zona lombare nel lavoro di movimentazione manuale dei carichi. L’azione dell’esoscheletro sosterrà i muscoli della schiena creando così benefici a breve e lungo termine grazie a una significativa riduzione dello sforzo fisico e della sensazione di fatica percepiti. Comau sta ingegnerizzando il nuovo esoscheletro per il supporto lombare a partire da modelli già svelati anni fa. Poi il team di progettisti specializzati di Iuvo (società spin-off della prestigiosa università Scuola Superiore Sant’Anna di Pisa, di cui Comau detiene come detto una quota di maggioranza) si occuperà dell’elaborazione e dello sviluppo del progetto, oltre che del collaudo della tecnologia di robotica indossabile. Esselunga entrerà in campo nella validazione del dispositivo ma sarà coinvolta fin dall’inizio grazie alla collaborazione di proprie risorse. La diffusione degli esoscheletri è in espansione da tempo. Una diffusione legata, fra gli altri fattori, anche all’invecchiamento della forza lavoro. Un aspetto che apre ovviamente altri spunti di riflessione sull’opportunità di lasciar lavorare più a lungo persone più anziane in certe mansioni, magari con un alleggerimento della legislazione sugli infortuni. Ci sarà insomma da discutere sull’impiego sempre più diffuso di questi strumenti: devono servire prima alla sicurezza e poi, semmai, a spingere l’aumento della produzione. Rimane anche molto da indagare sugli effetti a lungo termine di indossare questo genere di strumentazioni, ancora sconosciute per la stragrande maggioranza dei lavoratori. Insomma, gli esoscheletri iniziano a togliersi di dosso quell’alone di futuribilità, non solo in ambito industriale ma anche militare, biomedico e riabilitativo. Edilizia, agricoltura, manifattura, automotive compaiono fra i settori più ricettivi all’impiego. Si parla in molti casi, come in quello di Mate-XS, di esoscheletri passivi, che cioè sfruttano materiali e design senza fornire propulsione o energia in modo diretto: più che un’integrazione uomo-robot, insomma, un sofisticato sostegno meccanico privo di batterie o altre alimentazioni.

INTELLIGENZA ARTIFICIALE NEI CALL CENTER E CONTACT CENTER

Un contact center dispone di una grande quantità di preziosi dati sui clienti, che i supervisori e i responsabili del controllo qualità possono utilizzare per comprendere facilmente il sentiment, le tendenze e i rischi di conformità delle conversazioni con i clienti.

Queste informazioni consentono alle aziende di formare efficacemente gli operatori telefonici, replicare interazioni di successo e identificare importanti feedback dei clienti.

Detto questo, molte aziende trovano difficile rilevare rapidamente i problemi relativi all’esperienza del cliente.
Fornire feedback agli agenti e ai supervisori del servizio clienti diventa difficile a causa della velocità e della precisione necessarie per analizzare le informazioni pertinenti da enormi quantitativi di dati.

Grazie alla nostra soluzione di Artificial Intelligence “Sentiment Analysis Customer Calls” si risolvono queste sfide fornendo un’esperienza di analisi pronta all’uso.

La nostra soluzione rileva inoltre i problemi dei clienti, le interruzioni e i tempi di inattività e classifica le conversazioni dei clienti in base ai criteri specificati.

Tutto questo e molto altro nelle nostre soluzioni customizzate ed integrate con Vicidial e GoAutodial.

Per maggiori informazioni non esitare a contattarci.

Puoi scriverci cliccando sul pulsante in basso a destra “Assistenza” oppure
compilando il form qui .

 

INTELLIGENZA ARTIFICIALE: DEEP BLUE

L’intelligenza Artificiale è senza dubbio uno dei settori legati all’informatico più in fermento e carichi di aspettative degli ultimi anni. Quello che si cerca di sviluppare è una replica delle principali funzioni cognitive associate alla mente umana, come ad esempio:

  1. Learning: raccolta di informazioni e messa a punti di parametri per usare queste informazioni
  2. Reasoning: uso di regole per raggiungere conclusioni più o meno definite
  3. Problem Solving: ovvero provare ad analizzare un problema per estrapolare da esso una soluzione

Uno degli esempi più noti di intelligenza artificiale è quella del 1997 ovvero Deep Blue dell’IBM che riuscì a battere Garry Kasparov. Il gioco in questione è quello degli scacchi inizialmente si disputo una partita l’anno precedente, nel 1996 in quell’anno però Kasparov riuscì a vincere contro l’intelligenza artificiale con un risultato di 4 a 2, un anno dopo l’intelligenza artificiale si aggiudico il match con il risultato di 3.5 a 2.5.

Il progetto originale si chiamava ChipTest realizzato nel 1985 che era semplicemente un computer ideato per giocare a scacchi, dopo di esso venne realizzato un secondo computer ovvero Deep Thought il nome è tratto da un film chiamato guida galattica per gli autostoppisti.

Hsu e Murray Campbell vennero assunti dall’IBM Research nel 1989, con l’incarico di portare avanti il progetto che porto di conseguenza alla nascita di Deep Blue.

La caratteristica che ha portato Deep Blue alla vittoria era proprio la sua straordinaria potenza computazionale ovvero:

  • Computer a parallelismo massivo a 30 nodi basato su RS/6000 (RISC System)
  • 480 processori specifici VLSI
  • Algoritmo per il gioco degli scacchi è scritto in un linguaggio C
  • Sistema Operativo AIX

Grazie a queste specifiche è in grado di calcolare 200 milioni di posizioni al secondo.

Inizialmente è stato scritto seguendo le caratteristiche del gioco ma successivamente sono state modificate utilizzando le specifiche ottimali definite dalle partite di differenti top player.

Le mosse però venivano sempre compiute da un essere umano di conseguenza Kasparov sospettava che alcune delle mosse definite venivano selezionate dall’uomo, una delle motivazioni era proprio quella che la macchina non si trovava nella stessa stanza nella quale si disputava la partita ma a chilometri di distanza, ma soprattutto il sospetto principale fu quello che non vennero mai forniti i tabulati sull’attività del computer che il giocatore Kasparov aveva richiesto in accordo alla sfida.

Il campione russo tempo dopo chiese la rivincita, ma l’IBM rifiutò e ritirò Deep Blue. Infatti Kasparov vide giusto, le regole permettevano ai creatori di modificare e aggiornare durante i vari match la conoscenza della macchina e che quindi veniva sempre di più allineato allo stile di gioco di Kasparov, permettendogli di evitare trappole o mosse che portavano l’intelligenza artificiale in errore. Da tutto l’accaduto venne realizzato un nuovo gioco chiamato Arimaa che rende impossibile realizzare un calcolatore che possa vincere a questo gioco.

Deep Blue è solo una delle intelligenze artificiali di cui abbiamo parlato ma ne esistono molte altre come ad esempio AlphaGo realizzata per vincere al gioco da tavolo go, considerato fino a pochi anni fa fuori dalla portata delle tecniche di apprendimento automoatico.

Attualmente infatti sono molto pochi i giochi in cui il campione mondiale non è una macchina.

Potremmo di conseguenza generalizzare il tutto definendo il concetto inventato da John Nash nel 1994 ovvero la teoria dei giochi la frase iconica:

il risultato migliore per un gruppo si ottiene non quando “ognuno agisce solo in base a ciò che è meglio per sé”, bensì quando “ogni membro del gruppo agisce in base a ciò che è meglio per se stesso e per il gruppo”. Una formula che si può applicare benissimo anche al mercato.

I “giochi” di cui stiamo parlando non sono ciò che comunemente intendiamo (per intenderci carte, dadi, giochi di ruolo etc.). Il “gioco” nella Game Theory è sinonimo di “interazione” fra soggetti (siano essi individui, aziende, Stati, etc.) in cui le decisioni di ogni “giocatore” influenzano le decisioni di tutti gli altri. L’obiettivo finale della Game Theory è quello di analizzare tali interazioni fra giocatori per trovare una “soluzione del gioco”, che va intesa come la combinazione di decisioni prese dai giocatori che portano a una situazione di equilibrio (detto “equilibrio di Nash”, come vedremo in seguito) in cui nessuno dei giocatori è incentivato a modificare la propria situazione.

Diciamo quindi di conseguenza che è possibile analizzare situazioni molto comuni nelle aziende, riuscendo non solo a comprendere dinamiche all’apparenza inspiegabili in diversi contesti, ma anche a trovare soluzioni “non convenzionali” a problemi all’apparenza insolubili.

 

IL MATEMATICO CHE CAMBIO’ LA SORTE DEGLI EBREI E NON SOLO…

Alan Turing padre dell’Intelligenza Artificiale che salvò milioni di ebrei grazie alla sua macchina codificatrice! I nazisti, durante la Seconda Guerra Mondiale, per scambiarsi informazioni e per coordinare le operazioni militari, al fine di garantire sicurezza nelle comunicazioni, utilizzavano “ENIGMA”: dispositivo capace di creare e decriptare messaggi cifrati.

 Decifrare i codici codificati della macchina Enigma era una missione ritenuta impossibile da chiunque, in particolare dalle autorità britanniche, in quanto si trattava di un dispositivo estremamente complesso, che presentava un’enorme quantità di possibili chiavi di codificazione dei messaggi.

 I tedeschi cambiavano la chiave di codificazione ogni 24 ore, allo scoccare della mezzanotte di ogni giorno.

Nel pieno della seconda guerra mondiale, il brillante matematico Alan Turing decide di mettere le proprie capacità al servizio del governo del suo Paese, la Gran Bretagna.

L’obiettivo era far terminare il conflitto quanto prima, collaborando all’operazione, ad alto livello di segretezza. Turing decise però che era giunto il momento di cambiare metodo: non più agire in difesa tentando di capire giorno per giorno quale sia la chiave usata al momento nei codici, ma giocare al contrattacco e realizzare una macchina che decifri automaticamente ogni singolo messaggio.

 Alan selezionò quindi tra i migliori candidati coloro che dovranno accompagnarlo nell’impresa di costruire la macchina elaboratrice che renda comprensibili i messaggi nemici.

 Progettò una macchina chiamata Colossus(lontana antesignana dei computer) che decifrava in modo veloce ed efficiente i codici tedeschi creati.

La novità di questa teoria, è che si dimostrava che una macchina poteva essere codificata come un numero e viceversa, introducendo il concetto di ciò che oggi chiameremmo software.

Dopo questa occasione che gli cambiò la vita, lui divenne membro del “Walton Athletic Club” e vinse alcune gare di corsa sulle tre e sulle dieci miglia. Raggiunse inoltre ottimi livelli nella maratona, correndo con un record personale di 2 ore 46 minuti e 11 secondi.

Nel 1950, sulla rivista Mindscrisse un articolo dal titolo “Computing machinery and intelligence” in cui descriveva quello che sarebbe divenuto noto come il test di Turing: era convinto che si potesse raggiungere un’intelligenza artificiale solo seguendo gli schemi del cervello umano.

Su questo articolo si basa buona parte dei successivi studi sull’intelligenza artificiale.

L' INTELLIGENZA ARTIFICIALE GESTIRÀ LA TUA RUBRICA

A vedere dalle prime immagini rilasciate l’applicazione Sunshine Contacts può sembrare una banale applicazione per cellulare con attività di rubrica, ma la particolarità di quest’app è che sfrutta un sistema di intelligenza artificiale. La start-up è nata da un’idea Marissa Mayer, ex Ceo di Yahoo e cofondatrice di Sunshine, questa azienda si propone nel mercato delle applicazione con l’idea di riuscire a soddisfare un ampia popolazione di consumatori sia in ambito privato che professionale.

L’obiettivo di Sunshine Contacts è quello di unificare e semplificare i contatti attraverso l’app Contatti di Apple e Gmail, estraendo i dati da diverse fonti e combinandoli con informazioni disponibili pubblicamente.
Allo stesso tempo, l’applicazione permette di organizzare e ripulire i contatti, compilando le informazioni mancanti ed eliminando le voci duplicate.

L’applicazione consente l’incremento e l’aggiornamento costante dei dati sulle schede di contatto mediante informazioni acquisite sui social, necessarie a completare i campi mancanti, ad esempio l’aggiunta di un cognome, l’indirizzo mail o l’immagine del profilo. Con questa app non sarà necessario neanche inviare il messaggio della variazione del proprio numero telefonico in quanto viene aggiornato automaticamente, inoltre riesce a comprendere i contatti privati da quelli aziendali e riconosce le numerazioni fisse dai cellulari.

Ciò che rende questa applicazione così straordinaria è l’utilizzo dell’intelligenza artificiale che mediante un monitoraggio della posizioni, dei messaggi di testo (SMS, mail, WhatsApp), e i dati inseriti manualmente sulla propria rubrica, riesce a comprendere la natura del rapporto se amicale, familiare, professionale, saltuario ecc., così da creare delle categorie di contatto dove l’utente può abilitare o disabilitare la condivisione di alcune informazioni, garantendo la propria privacy e quella dei propri familiari; ad esempio se avessi solo il nome di un contatto ed il numero di cellulare, l’app non mi permetterebbe di reperire l’indirizzo di casa.

L’analisi derivata dall’intelligenza artificiale permette di aggiornare solo le schede contatto con gli indirizzi solo se è presente una relazione personale.

LA PRIVACY?

Marissa Mayer, ha garantito che la privacy sarà rispettata in quanto è possibile gestire e personalizzare la visione dei propri dati, inoltre la Sunshine ha adottato una policy per la gestione dei dati molto severa, dove viene esclusa la vendita dei dati dei propri utenti perché il concetto di fondo che ha assunto l’azienda è quella che i dati sono dei singoli utenti e solo loro possono decidere in merito alla vendita.
Questa politica spiega Mayer deriva dal fatto che Sunshine Contacts sarà solo la prima applicazione di una lunga serie fornita di IA che servirà a gestire e snellire la gestione di diverse problematiche nate con le nuove tecnologie in modo da garantire maggior tempo libero agli utenti.

Questa applicazione è ancora in formato β-test per le sole numerazioni americane ed è scaricabile solo mediante la compilazione di un form su internet dove alla fine  viene rilasciato un link mediante SMS che consente di scaricare l’applicazione. Il β-test consentirà al sistema di Machine Learning di rodare al meglio il sistema di IA, in modo da garantire all’uscita dell’app un livello di qualità molto elevato al fine di garantire il funzionamento ma ancor più i rispetto della privacy.

La startup dopo il lancio, ha raccolto a maggio di quest’anno 20 milioni di dollari da investitori interni ed esterni, confermando così il trend positivo per lo sviluppo di sistemi che utilizzano l’intelligenza artificiale.

 

QUANDO L’INTELLIGENZA ARTIFICIALE RICONOSCE IL COVID-19

A tre anni della sua esplosione, sono ben due le startup che si basano sull’ intelligenza artificiale per il riconoscimento delle persone affette da covid-19.

La prima è tutta italiana nasce all’Università Tor Vergata di Roma dove da circa 10 anni sta studiando il riconoscimento di alcune patologie cerebrali  in fase iniziale come l’Alzheimer ed il Parkinson mediante l’ascolto della voce, dove i riscontri positivi hanno portato l’università alla creazione di uno spin-off chiamato VoiceWise che oggi è protagonista  assieme al Parco Tecnologico Technoscience di Latina e al Policlinico San Matteo di Pavia e con la collaborazione di Huawei nel riconoscimento delle persone affette da covid-19 asintomatiche o in fase iniziale. 

Il sistema di intelligenza artificiale italiano è stato implementato grazie all’utilizzo del Machine Learning sia nella fase di studio originaria e sia nella fase di studio post covid-19 che ha visto 150 persone  positive al covid-19 che hanno fornito la propria voce per permettere al sistema di riconoscere le caratteristiche specifiche della voce per le persone affette da covid-19, naturalmente questa sperimentazione poi è stata ampliata ad un pubblico più vasto ed uniforme, questo è stato permesso anche grazie allo collaborazione di Huawei che ha fornito dei dispositivi all’avanguardia come smartphone e tablet che permettono di registrare la voce in alta qualità come ad esempio Mate30 ProP30 Pro e Mediapad M5 lite

Il Professore Giovanni Saggio, che è il responsabile del progetto ha affermato che potrebbe essere una risposta diagnostica tempestiva ed efficace del prossimo futuro in quanto la voce umana presenta circa 7000 parametri riscontrabili spesso non udibili dall’orecchio umano ma facilmente percepibili dall’algoritmo.

 Oggi VoiceWise permette anche il riconoscimento di altre patologie con un’accuratezza che varia dal 95% al 98% il futuro di questa tecnologia, afferma il professor Saggio, è che presto si potrà stimare anche il grado della malattia.

 L’altra Startup ha avuto luogo in quel del MIT, loro si sono ispirati alla classica richiesta del medico durante la visita “faccia un colpo di tosse”. Infatti l’algoritmo del MIT è stato elaborato sul riconoscimento della dell’infezione da covid-19 mediante un colpo di tosse. 

Anche il MIT ha utilizzato un sistema di Machine Learning per il riconoscimento del colpo di tosse, ed ha chiesto a milioni di utenti del web di andare su un sito specifico per permettergli di registrare il loro colpo di tosse, per permettere così all’algoritmo di lavorare su un numero relativamente grande di dati in modo da definire al meglio le caratteristiche di chi è affetto da covid-19.

Al termine della campagna di campionamento il sistema studiato dal MIT ha dato eccellenti risultati portando un riconoscimento nel 98,5% di persone affette da covid-19 sintomatiche, mentre per le asintomatiche si è raggiunto addirittura il 100% di riconoscimento.

Come affermiamo da diverso tempo l’intelligenza artificiale sarà il nostro futuro quindi sia le aziende che le pubbliche amministrazioni che le ODV non dovrebbero farsi cogliere impreparati e sfruttare al meglio questa nuova tecnologia che ben presto utilizzeremo giornalmente.

 

INTELLIGENZA ARTIFICIALE IN GOOGLE ANALYTICS 4

Analytics è lo strumento di reportistica di Google, questo da sempre è utilizzato da milioni di aziende e siti web per monitorare l’interazione degli utenti su domini web, app mobili e API. Questa piattaforma permette di monitorare la quantità di traffico web che riceve un sito internet, e consente di monitorare importanti canali di marketing e misurare i propri indicatori di performance (KPI) principali.

Nel mese di ottobre Google ha rilasciato la nuova versione col nome di Google Analytics 4.
Questo tool di concezione totalmente diversa dalle versioni precedenti, in quanto non è focalizza più sulle sessioni, ma sugli utenti e sugli eventi ad esso correlati, tutto questo è permesso grazie all’implementazione di un sistema di Intelligenza Artificiale, che riesce a fornire anche delle previsioni, oltre alla possibilità di avere un set di dati grezzi al fine di implementare nuove statistiche elaborate dall’IA.

Come viene sfruttata l’IA

L’intelligenza artificiale implementata in Analytics 4 elabora i dati in modo che possa fornire al merchant di:

  • Monitorare l’utente – come accennato in fase iniziale il concetto di analisi è completamente cambiato, in quanto non si analizza più la sessione ma l’utente, riuscendo ad avere una comprensione del percorso fatto dallo stesso attraverso i diversi dispositivi (PC, Smartphone, Tablet, API); questo permette di creare un modello di comportamento che riesce a colmare le lacune nei dati, fino ad ora presenti nelle analisi tradizionali che possono essere bloccate dalle regole di consenso dei cookie, e dal GDPR. Il modello inoltre per avere maggiore pertinenza si integra con Google SearchYoutubePlay Store e Google Ads; ad esempio proprio su Google Ads il sistema riconosce se l’utente ha già acquistato un determinato prodotto/servizio, quindi in caso di altra ricerca non comparirà più l’adwords per quello specifico prodotto migliorando così il tasso del ROI, per tutti i siti che effettuano campagne sponsorizzate ed utilizzano il tracciamento con GA 4.
  • Statistiche predittive – Il modello di Machine Learning utilizzato da Google permette inoltre di combinate tutti i dati acquisiti generando anche delle statistiche predittive sul comportamento degli utenti sul sito in modo da adottare delle strategie di marketing mirate in base al modello di comportamento elaborato in modo da soddisfare la maggior parte degli utenti implementando così i guadagni.
  • Statistiche personalizzate – La chicca finale è data dalla possibilità di utilizzare una Chat Bot (in lingua inglese) per richiedere l’elaborazione di un nuovo dato statistico che potrebbe essere più efficace per la propria attività.
    Inoltre la granulazione dei dati, ovvero la disponibilità dei dati grezzi permette agli smanettoni di elaborare un nuovo modello statistico personalizzato.

Le nuove caratteristiche di Google Analytics 4 implementate dall’intelligenza artificiale forniscono una visione cross-channel più completa del ciclo di vita dell’utente e utilizza tali informazioni con funzionalità di marketing predittivo, fornendo agli operatori di marketing più informazioni in modo da creare una strategia d’azione al fine di incrementare il proprio business.

 

INTELLIGENZA ARTIFICIALE ACCESSIBILE A TUTTI

In questo periodo di emergenza dovuto al Covid-19, che sta interessando tutte le nazioni, si è riscontrato sicuramente un decremento di determinate attività che riguardano gli aspetti sociali e di contatto con il pubblico.
Ma è anche vero che ne sta incrementando altri.
Colossi mondiali, e non solo, dediti all’informatica come: Microsoft, Google, IBM, Nvidia, stanno galoppando sul mercato azionario.
Se prendiamo ad esempio Nvidia una sua azione, da novembre 2019 ad oggi, ha avuto un incremento di 540$.
Nvidia, forte di questo incremento, e consapevole della necessità di incrementare l’uso dell’intelligenza artificiale anche al piccolo pubblico dove in passato, “nerds” come Steven Jobs, Bill Gates o Lerry Page, partendo da un piccolo garage hanno fondato un impero come Apple, Microsoft e Google, ha deciso di portare sul mercato la NVIDIA Jetson Nano 2GB.
Questo start kit consente ai neofiti e non solo, di acquisire e sperimentare i concetti dell’intelligenza artificiale come Machine Learning e Computer Vision.
Il costo davvero piccolo 59$ pari a circa 50€ ma con una buona dotazione.
Di fatto la macchina ha le seguenti caratteristiche:
• Nvidia JetPack SDK
• Software Linux Development Environment
• 2GB di memoria
• GPU NVIDIA Maxwell a 128 core
• CPU ARM A57 quad-core a 64 bit
• 472 GFLOPS
Con le sue dimensioni ridotte e il basso costo, il Jetson Nano 2GB, può alimentare le applicazioni di Computer Vision in robot o droni.
La sua GPU può analizzare i flussi video dalla telecamera in tempo reale, riconoscere oggetti e volti in ogni fotogramma video
e inviare i comandi di controllo corrispondenti tramite i suoi pin GPIO o connettori USB.
Tutto questo permette a studenti e nerds di imparare giocando e magari permetterà la start−up di un nuovo colosso dell’intelligenza artificiale,
il tutto partito dalla propria stanzetta.
Puoi preordinare il Jetson Nano 2GB su BidPlanet e con disponibilità tra fine Novembre inizi di Dicembre.
Inoltre puoi segui gli approfondimenti ed i tutorial dal sito Web di NVIDIA per iniziare a programmare applicazioni AI sulla tua GPU!

 

IBM DONA TRE PROGETTI DI IA PER LA LOTTA CONTRO I TUMORI

Il colosso dell’informata fondata da Charles Ranlett, ha donato alla scienza medica tre progetti elaborati in seno ad IBM, rendendole Open Source  per la comunità medica che ogni giorno combatte contro questo grande male della società moderna, ovvero il cancro.

I tre tool resi disponibili da IBM Computational Systems Biology di Zurigo permetteranno ai medici di effettuare studi sui meccanismi molecolari che sono alla base dello sviluppo tumorale e delle possibili terapie.

Il primo tool che andiamo a descrivere è stato chiamato dai suoi creatori PaccMann, sicuramente non sfugge la somiglianza del nome con il noto videogioco degli anni ’80,  adotta un maccanismo di machine learning per l’apprendimento la struttura di questa IA è al quanto particolare in quanto è composta da due sistemi di IA integrati dove uno elabora le informazioni biomolecolari del tumore in esame al fine di comprendere i profili cellulari ed i successivi processi di crescita del tumore; l’altro invece elabora nuovi farmaci antitumorali che collimano con i profili cellulari interessati, dove il principio attivo viene saggiato e valutato virtualmente prima di essere testato in laboratorio.

I due modelli di IA sono stati addestrati separatamente e poi combinati per permettere a PaccMann di diventare il primo generatori di farmaci condizionale specifico.

Il secondo tool denominato Interact, ha come base gli ormai conosciuti processi biologici anomali    dovuti al cancro, tra tutte l’interazione tra le proteina, dove sono presenti innumerevoli studi.
Interact ha l’arduo compito effettuare una metanalisi, ovvero di intrecciare i dati delle numerosissime ricerche ed elaborare un testo unico sulla specifica patologia tumorale, che tenga conto del grado di ricerca assegnatogli. Interact inoltre implementa i dati delle nuove ricerche in modo da fornire una metanalisi sempre aggiornata.

Il terzo tool, prende il nome dal metodo di apprendimento PIMKL (Pathway-induced multiple kernel learning), questo, basandosi sulle conoscenze già acquisite elabora mediante i dati raccolti dai campioni biologici  del paziente delle previsioni di attività tumorale fornendo agli operatori sanitari la possibilità  di determinare e personalizzare i piani di cura.

IBM ha reso disponibili questi tool online fornendo libero accesso anche al codice sorgente per miglioramenti o implementazioni. Di seguito i link per i singoli tool:

PaccMann

Interact

PIMKL 

 

LA FIFA METTE IN CAMPO L’INTELLIGENZA ARTIFICIALE

L’ingresso del VAR nei massimi campionati di calcio, delle varie nazioni, non ha avuto l’effetto sperato, ovvero la riduzione significativa dei ricorsi da parte delle squadre nei confronti dell’operato dell’ arbitro in quanto questo è libero di selezionare la migliore inquadratura per valutare la presenza o meno di un’infrazione in particolar modo per le azioni di fuorigioco, causando in aggiunta un allungato dei tempi anche di diversi minuti spezzando i ritmi di gioco delle squadre.

Il massimo organo calcistico internazionale ovvero la FIFA (Fédération Internationale de Football Association) ha dichiarato su Forbes che ha iniziato a lavorare su un sistema dotato di Intelligenza Artificiale per la valutazione del fuorigioco, in modo da coadiuvare l’arbitro nelle decisioni di gioco.

Il sistema utilizza la Computer Vision per il tracciamento ottico, questa tecnologia è già in uso nel mondo del calcio, e non solo, è utilizzata per l’analisi delle prestazioni degli atleti, dove il sistema attribuisce ad ogni giocatore un punto, e lo segue per tutto il tempo di gioco.
Similmente l’intelligenza artificiale attribuisce da 15 a 20pt per ogni giocatore in modo da andare a ben definire gli arti dello stesso. Sulla base di questi punti elabora una linea di fuorigioco e verifica la posizione del giocatore avversario rispetto alla posizione della palla in un determinato momento.

La rete neurale adotta una modalità di auto apprendimento definito Machine Learning, questa modalità di apprendimento ha necessità di tempo per poter ottimizzare al meglio i dati fornite e le immagini analizzate, in quanto deve poter riconoscere la composizione delle squadre ed escludere autonomamente la terna arbitrale durante le valutazioni, creando l’esigenza di portare questa tecnologia direttamente in campo.

Johannes Holzmüller delegato FIFA ha dichiarato a Forbes che il primo l’addestramento sul campo, dell’intelligenza artificiale, è stato nell’ultimo Campionato Mondiale per Club del 2019 con risultati incoraggianti, ma ha aggiunto che per ottenere un’ottima precisione di questo strumento è necessario continuare l’addestramento, di fatti sussiste una collaborazione con alcuni club per permettere il proseguimento dell’addestramento della rete neurale artificiale.

Il debutto potrebbe avvenire nel giro di qualche anno e porterà sicuri miglioramenti mettendo a tacere le così dette “chiacchiere da bar”  oltre che a velocizzare il gioco.

In ultima battuta Holzmüller ha affermato che come l’intelligenza artificiale sta cambiando il mondo dalla medicina al marketing, così cambierà il mondo del calcio, e non esclude che altre sistema di intelligenza artificiale possano subentrare in aggiunta nel prossimo futuro.

 

IL MODELLO BATTE GLI ANALISTI DI WALL STREET

Il MIT (Massachusetts Institute of Technology), di nuovo protagonista sulla scena dell’IA, ha messo a punto una rete neurale ha permesso di elaborare una stima accurata del fatturato di 30 aziende americane.
La conoscenza predittiva delle vendite reali di un’azienda permette di determinarne il valore di un’azienda, e fornire così una valida indicazione agli investitori su chi investire.
Gli investitori, impiegano analisti finanziari, questi per prevedere i guadagni di un’azienda utilizzano dati pubblici, strumenti di calcolo ed intuizione personale. 

I ricercatori del MIT hanno sviluppato un modello automatizzato che supera in modo significativo gli esseri umani nella previsione delle vendite aziendali, nel caso specifico hanno utilizzato dati molto limitati e “rumorosi”.

I dataset utilizzati dai ricercatori sono state le transazioni settimanali con carta di credito ed i rapporti sui guadagni trimestrali di 34 rivenditori per un periodo che va dal 2015 al 2018 per un totale di 360 trimestri.
A differenza gli analisti (di comparazione) avevano accesso a qualsiasi dato pubblico o privato disponibile e ad altri modelli di apprendimento automatico di tipo lineare.

È necessario fare presente alcune difficoltà oggettive per la rete neurale artificiale ovvero:

  • la variabilità delle vendite giornaliere;
  • la variabilità del metodo di acquisto, contanti, buoni e carte di credito;
  • gli acquisti con carte di credito sono una frazione indeterminata delle vendite totali.

Rendendo molto difficile la stima delle vendite complessive. Per bypassare queste problematiche è stato implementato il così detto filtro di di Kalman, questo non è altro che una variazione dell’algoritmo dell’inferenza standard utilizzato in diverse tecnologie, dalle navette spaziali ai GPS per smartphone. 

Il filtro di Kalman utilizza i dati osservati nel tempo che contengono un grado di imprecisione (rumore) non costante, correlata ad un dato certo che contiene i dati con rumore, in modo da generare una distribuzione di probabilità per variabili sconosciute su un periodo di tempo designato. Nel lavoro dei ricercatori, ciò significa stimare le possibili vendite di un singolo giorno. Per addestrare il modello, il sistema suddivide le vendite trimestrali in un determinato numero di giorni misurati, diciamo 90, consentendo alle vendite di variare da un giorno all’altro. Quindi, abbina i dati della carta di credito osservati e ‘rumorosi’, alle vendite giornaliere sconosciute. Utilizzando i numeri trimestrali e alcune estrapolazioni, stima la frazione giornaliera delle vendite totali rappresentate dai dati della carta di credito. La rete neurale artificiale ha superato le stime elaborati dagli analisti di Wall Street sul 57% delle previsioni, nonostante aveva solo due tipologie di dati a sua disposizione.

Dai primi approcci con il mercato finanziario, e considerando l’immensa mole di dati che questo produce giornalmente, riteniamo che l’Intelligenza Artificiale si svilupperà rapidamente in questo ambito.

 

PRIMO ANTIBIOTICO MESSO A PUNTO DALL’INTELLIGENZA ARTIFICIALE

Con questa nostra rubrica stiamo scoprendo tutte le potenzialità dell’IA, che sta cambiando considerevolmente il nostro mondo con delle scoperte davvero sorprendenti per il miglioramento della vita dell’uomo su questa terra, portando alcuni colossi dell’informatica, come Microsoft, ad investire sia nella conservazione dell’ambiente che in ambito medico per la salvaguardia della salute.

In ambito medico diversi studi che implementano l’intelligenza artificiale stanno portando grandi risultati. Tra gli ultimi risultati che hanno un notevole impatto scientifico troviamo Halicin, questo è il nome di un nuovo antibiotico identificato grazie allo sviluppo di un sistema di intelligenza artificiale sviluppato da alcuni ricercatori del MIT(Massachusetts Institute of Technology) con a capo Jim Collins esperto di bio-ingegneria. Il team del MIT ha messo a punto una rete neurale che riuscisse ad analizzare circa 2500 molecole con proprietà antibiotiche, di cui 800 di origine naturale, in modo da elaborare delle nuove molecole con proprietà antibiotiche ma con strutture differenti rispetto agli attuali antibiotici, inoltre mediante un programma di machine Learning sono state individuate quei composti più sicuri per l’uomo.
Halicin permette di aumentare la permeabilità della membrana cellulare batterica dissipando il gradiente elettrochimico sotto forma di calore, il gradiente protonico è indispensabile alla cellula per produrre ATP (molecole ad alto contenuto energetico utilizzato per il metabolismo cellulare) quindi in mancanza di energia, la cellula batterica va incontro alla morte.

I primi studi in vitro hanno dato ottimi risultati su quasi la totalità delle specie batteriche testate oltre a non manifestare alcun genere di antibiotico resistenza dopo 30 giorni di test a basso dosaggio. Oggi questo antibiotico viene studiato in laboratorio per poi passare alla sperimentazione umana.

Questo stesso studio ha permesso di identificare altre 8 molecole, che potenzialmente potrebbero essere utilizzate come antibiotici ad ampio spettro, anch’essi con sintesi strutturale diversa dagli antibiotici attualmente presenti in commercio. Per due di queste otto molecole è iniziato la prima fase di sperimentazione in vitro portando già buoni risultati che fanno ben sperare tutto il mondo scientifico.  

 L’intelligenza artificiale mediante la scoperta di Halicin conferma che questi algoritmi “super-smart” faranno parte sempre di più della nostra vita quotidiana, migliorando il nostro modo di vivere, oltre che nel marketing e l’industria.

 

GIOVANE GALASSIA SCOPERTA CON L’INTELLIGENZA ARTIFICIALE

Grazie al miglioramento tecnologico dei telescopi spaziali, e la loro elevata diffusione su tutto il pianeta, l’astronomia contemporanea può vantare una produzione enorme di immagini astronomiche da dover vagliare per la scoperta di nuove pianeti, stelle e galassie.

L’intelligenza artificiale ed in particolare la componete definita Computer Vision, sta permettendo la semplificazione della ricerca astronomica in quanto permette di vagliare una grande mole di dati, che altrimenti dovrebbero essere vagliati dagli stessi astronomi prolungando i tempi della ricerca stessa.
La Computer Vision viene molto fruttata nella ricerca di quei corpi celesti che essendo in fase di formazione o comunque di piccole dimensioni spesso sfuggono all’occhio analitico dell’astronomo.
Grazie proprio all’intelligenza artificiale è stata fatta una scoperta molto interessante ovvero la scoperta di una giovane galassia, questa è stata individuata tra 40 milioni di oggetti celesti questa è stata chiamata HSC J1631+4426, è lontana circa 430 milioni di anni-luce, la sua massa solare è pari a 0.8 milioni M¤ e paragonata alla via lattea è circa 1.000.000  più piccola, al livello semplicistico è come paragonare una mandorla con una utilitaria. La Computer Vision sta diventando sempre più fondamentale in campo astronomico, e l’analisi di milioni se non miliardi di dati permette a questa particolare intelligenza artificiale di migliorare ogni giorno il suo algoritmo per la ricerca di nuovi corpi celesti. L’apprendimento anche per questa nuova rete neuronale artificiale deve essere continua di fatti il sistema aveva identificato 27 candidati possibili come nuovi oggetti celesti ma soltanto 1 è stato identificato come giovane galassia, gli studiosi però comunicano che sono entusiasti della scoperta e che questa tecnologia aiuterà sicuramente la scienza astronomica.

La scoperta di galassie molto giovani è fondamentale per comprendere le modalità di formazione e dello sviluppo e delle stesse galassie. Questo perché la maggior parte delle galassie che si osservano in cielo o che si scoprono sono generalmente vecchie.

L’intelligenza artificiale in ambito astronomico mediante lo studio di nuovi algoritmi nonostante le scoperte non dà cenno di fermarsi di fatti a maggio 2020 sul “The Astrophisical Jurnal” è stato pubblicato il nuovo modello di Computer Vision denominato Morpheus che mediante la classificazione morfologica pixel per pixel riesce ad identificare i corpi celesti ed addirittura identificare dei possibili falsi positivi.

IMMAGINI NITIDE CON IA

È stata sviluppata una nuova rete neurale artificiale, Pulse, questa permette di trasformare le immagini sfocate, in immagini ad alta definizione migliorando addirittura di 64 volte la risoluzione.

Questo nuovo strumento è stato sviluppato dai ricercatori della Duke University e portato a conoscenza al mondo scientifico durante l’International Conference on Computer Vision and Pattern Recognition dal 14 al 19 giugno 2020

 L’algoritmo è stato sperimentato con i volti delle persone, e riesce a delineare le caratteristiche del volto con una risoluzione mai raggiunta, una tecnologia simile era stata già sviluppata ma con un miglioramento massimo dell’immagine di 8 volte.
Il sistema può convertire un’immagine di 16×16 pixel di una faccia in 1024 x 1024 pixel in pochi secondi, aggiungendo più di un milione di pixel, simile alla risoluzione HD. Dettagli come pori, rughe e ciocche di capelli, che sono irrilevanti nelle foto a bassa risoluzione, diventano nitide nelle versioni generate con Pulse.
L’algoritmo sfrutta una base di dati, che nel test specifico sono centinaia di volti in alta risoluzione, questi vengono ridotti alle stessa risoluzione dell’immagine in input, ne verifica le somiglianze ed incrementa i singoli punti (pixel) dell’immagine in input, generando un’immagine ad alta risoluzione con caratteristiche molto simile al volto originale.
Cynthia Rudin, la direttrice del progetto ha dichiarato che il sistema non è infallibile, ma riesce a fornire un risultato di sicuro plausibile per il riconoscimento di individui come ad esempio da un fermo-immagine di una videocamera di videosorveglianza.

Questo sistema testato con dei volti di persone in realtà potrebbe essere utilizzato con diverse tipologie di immagine come mediche, microscopiche, astronomiche, satellitari e tanto altro.

Rudin, uno studente che ha lavorato a questo progetto ha affermato: “Abbiamo utilizzato uno strumento di apprendimento automatico chiamato generative adversarial network, o GAN, in cui due reti neurali artificiali collaborano per restituire un’immagine realistica del volto e questo sistema tende a migliorare con l’esperienza”.

 

I CHATBOT

Oggi parliamo di un sistema sviluppato, ed attualmente utilizzato da quelle aziende che lavorano prevalentemente sul web e che forniscono consulenza/assistenza commerciale ed amministrativa.

Cos’è la chatbot?

È un applicativo ideato per simulare una conversazione con un essere umano. Il fine principale è quello di simulare un comportamento umano al fine di dare risposta immediata all’utente, rispondendo a delle domande, o aiutarlo nell’esecuzione di un processo ad albero definibile da un algoritmo.
Alcuni usufruiscono di sofisticati sistemi di elaborazione del linguaggio naturale, ma molti si limitano a effettuare scansioni delle parole chiave e fornire una risposta con le parole chiave più corrispondenti.

Come aiuta la tua azienda?

I chatbot consentono alle aziende di interagire con un numero illimitato di clienti, con approccio individuale e possono essere scalati in base alle esigenze della domanda e del business, accrescendo enormemente il tasso di caring.
Questo consente un incremento dell’efficienza operativa, permettendo all’azienda di risparmiare una o più risorse che altrimenti dovrebbero rispondere alle esigenze dei clienti, concentrando le risorse aziendali sul suo core business.

Sviluppo intelligente (IA) delle chatbot

Non tutte le chatbot hanno al loro interno lo sviluppo di una intelligenza artificiale di fatti si può incorrere nel web a due diversi tipi di chatbot:

  • Chatbot dichiarativi che generano risposte automatizzate ma colloquiali che leggono le parole chiave e su quelle forniscono una risposta più o meno congrua, in genere questa tipologia è facilmente individuabile dall’utente nel momento che la domanda è leggermente più complessa e la risposta è generale o poco congrua alla domanda.
  • Chatbot di conversazione questi sono dei veri e propri assistenti virtuali che riescono ad acquisire sempre di più concetti all’aumentare dell’utilizzo da parte degli utenti, sia nella padronanza di linguaggio che una maggiore congruità di risposta alla domanda effettuata dall’utente.

In generale IA nelle chatbot può essere sviluppata anche quando vi sono domande e problemi che i chatbot potrebbero non essere in grado di risolvere o a cui rispondere, questa può essere girata ad un operatore reale.
Questa caratteristica può essere implementata su entrambe le tipologie, anche se meglio acquisita nelle chatbot di conversazione, dove la risposta dall’operatore è utilizzata dal per acquisire nuove informazioni.

Se vuoi un aiuto per creare il tuo chatbot contattaci.