La trasformazione digitale è il fenomeno che sta interessando a ritmi sostenuti il mondo del business, potendo intervenire in diversi ambiti in maniera più o meno significativa a quel processo di raccolta e traduzione di dati e informazioni, da analogici a digitali. Un fenomeno che non lascia inesplorato nessun aspetto e nessuna fonte: dalle immagini, con l’image recognition e l’image detection, la voce, con il voice recognition, oltre ovviamente allo sfruttamento dei vari dati strutturati e non, che passano, spesso inosservati, nella rete, dai social network alle informazioni residenti nelle aziende stesse. Tutti i dati sono quindi “appetibili” per poterci ricavare delle informazioni, ma questi devono essere tradotti in forma digitale, tali da poter essere processati, analizzati, interpretati dai nuovi sistemi basati sulle nuove tecnologie in grado di mettere in moto algoritmi per la loro interpretazione.
I vantaggi della trasformazione digitale
I vantaggi della digitalizzazione stanno ormai per essere universalmente accettati anche nel mondo business. Dopo, infatti, aver compiuto un inconsapevole quanto proficuo “allenamento” sul fronte consumer, anche le aziende hanno iniziato a capire il fondamentale vantaggio e comodità che deriva dall’avere i propri dati, applicazioni e infrastrutture, basate sul digitale, appoggiate al cloud, per potere avere un accesso continuo e senza limiti temporali, fisici o geografici che siano.
Se non lo sapevano prima, l’emergenza 2020 dovuta al lockdown da Covid ha tragicamente portato in primo piano tale esigenza, consentendo solo a chi aveva iniziato un processo di digitalizzazione e di trasferimento in cloud dei propri asset di lavorare da remoto, in un contesto in cui aziende e uffici erano, per decreto, impossibili da raggiungere.
Ma l’accesso remoto e ubiquo al business è solo una delle tante conseguenze positive che possono derivare dalla digitalizzazione. Il dato, di per sé, ha infatti un proprio valore, evidente o intrinseco, che può apportare un grande aiuto nell’ottimizzazione dei processi aziendali, la cui importanza sta diventando sempre più evidente nelle scelte strategiche di crescita.
L’importanza dei dati
I dati, infatti, sono la vera ricchezza per le aziende, solo se sono in grado di sfruttarne le potenzialità. La raccolta dei dati dalle innumerevoli e spesso insospettabili fonti, hanno certamente un primo impatto pratico sul marketing. Questo, attraverso una raccolta e analisi complessa e incrociata delle “tracce” che i consumatori lasciano nelle loro fasi di acquisto, o di ricerca attraverso il Web, riesce a fornire da un lato messaggi mirati verso il consumatore o l’azienda che cerca un prodotto, dall’altro lato fornisce delle informazioni al produttore su quali sono i prodotti maggiormente cercati e con quali caratteristiche, potendo così influenzare le strategie produttive verso quei prodotti potenzialmente più vendibili.
Non solo marketing. Dati vitali per le imprese produttive
Ovviamente l’aspetto marketing è solo una degli aspetti benefici che derivano dal dare importanza ai dati. I dati, infatti, entrano ben più nelle profondità del business, governando strategie attuali e potendo guardare al futuro meglio di quanto si facesse prima. Si tratta delle aziende Data-Driven, che sui dati e sulla loro interazione e analisi, basano il loro funzionamento. Una logica che sta interessando sempre più settori di mercato e che grazie all’Internet of Things e ai Big Data Analytics, stanno sollevando interesse anche nel mondo produttivo e manufatturiero, dove i dati hanno ormai definito ambiti quali l’Industria 4.0, dove sensori e sistemi di analisi cooperano per il perfetto funzionamento delle linee produttive.
Intelligenza Artificiale: dalla raccolta e analisi si va all’interpretazione dei dati
La quantità di dati che entrano, escono, si producono e transitano in un’azienda, dicevamo, sono praticamente incalcolabili e in continua crescita. La fase di raccolta mirata e quella di analisi sono dunque fondamentali per potere trasformare questi dati in informazioni utili. È infatti indispensabile questa operazione di “setaccio” che fornisca informazioni mirate all’uso che se ne vuole fare.
Dati “puliti” che andranno ad alimentare i motori del Machine Learning e gli algoritmi dell’Intelligenza Artificiale, i quali sono deputati a imparare dai dati forniti per dare degli effetti evidenti grazie a una analisi, comparazione, elaborazione e interpretazione di tali dati. Risposte a stimoli, quindi, dove gli stimoli sono, appunto, dei dati/informazioni selezionati e riconosciuti dai meccanismi logici propri dell’Intelligenza Artificiale.
L’Intelligenza Artificiale entra nel mondo del business
L’Intelligenza Artificiale non ha impiegato troppo tempo per uscire dagli ambienti accademici ed entrare nell’orbita del mercato e del business, mostrando una concretezza di applicazioni che stanno via via contribuendo alla divulgazione tra le aziende di una cultura basata sull’AI e più in generale sullo sfruttamento intelligente dei dati.
Stando ai dati forniti dall’Osservatorio Artificial Intelligence della School of Management del politecnico di Milano, il mercato italiano complessivo afferente all’Intelligenza Artificiale ha cubato, nel corso del 2019, ben 200 milioni di euro nelle sue diverse componenti.
Di questi, il 33% sono ascrivibili all’Intelligent Data Processing, mentre il 28% derivano dai progetti di natural language processing e chatbot, utilizzati nelle soluzioni di virtual assistant. Il 18% del giro d’affari dell’AI è generato invece dal settore del Recommendation System e l’11% dal settore RPA, ossia dal Robotic Process Automation intelligente. Il 10%, infine, arriva dal Computer Vision.
I settori più attivi sull’Intelligenza Artificiale in Italia
Differenziata la distribuzione dei progetti che utilizzano l’Intelligenza Artificiale tra i vari settori di mercato. Il più attivo in tal senso rimane il mercato bancario e finanziario, che rappresenta il 25% della spesa totale in progetti AI in Italia. A seguire si evidenzia la dinamicità del manifatturiero ad avere accolto le opportunità derivanti dall’AI, contribuendo con 26 milioni di euro, pari al 13% del totale. Stessa quota di spesa del 13% è quella derivante dalle Utilities, mentre il 12% dei 200 milioni complessivi arrivano dalle Assicurazioni. Quote minori, del 5 o del 6% sono assegnate agli altri settori: Farmaceutico, Telecomunicazioni, Sanità, Media, e GDO e Retail.
Tra gli ambiti applicativi, diverse sono le velocità con cui le aziende stanno adottando i progetti, con la parte che riguarda i chatbot e gli assistenti virtuali, insieme all’Intelligent data Processing che sono ormai completamente sdoganati e hanno un mercato ben attivo. Molti i lavori in corso nell’ambito della Computer Vision, di cui si stanno iniziando ad adottare le prime applicazioni concrete in ambito business. Mentre si parla ancora di futuro per quanto riguarda le auto e i robot autonomi.
Visual Recognition, Visual detection e gli ambiti della Computer Vision
La Computer Vision, dicevamo, sta scaldando i motori per essere nel prossimo futuro al centro delle applicazioni basate sull’Intelligenza Artificiale. Diverse sono le proprie sfaccettature. Gli Osservatori del Politecnico indicano, tra quelle più promettenti, la Image Classification, la Object Detection, Asset Monitoring, Product Monitoring, Face Recognition, fino all’Action Recognition, Emotion Recognition e l’Image Editing.
Cos’è la Image Recognition o Image Detection
L’intelligenza Artificiale riesce attraverso le reti neurali evolute a riconoscere le immagini. L’evoluzione delle reti neurali sta, infatti, tendendo a un livello tale da riuscire in qualche modo a simulare il comportamento cognitivo del cervello umano nei confronti della vista, rendendo la Image Recognition e la Image Detection dei processi molto simili a quelli umani.
Esperimenti sul cervello hanno, infatti, osservato che la corteccia visiva primaria è composta da un insieme di strutture neuronali semplici e che è proprio utilizzando tali strutture che si attiva la vista.
Il mercato dell’Image Recognition
Sulla base di questa similitudine si sviluppano quindi gli algoritmi per la lettura e interpretazione delle immagini anche da parte delle macchine, che grazie alle reti neurali riescono a riconoscere forme, colori, fino addirittura a seguire oggetti in movimento. Si apre così la strada a una grande varietà di applicazioni, con un mercato la gran parte degli analisti segnala essere altamente promettente con crescite annuali del 19% circa (Grand View Research). Un’accelerazione a cui contribuisce anche la spinta derivante dai sistemi di riconoscimento visivo sempre più utilizzati, richiesti e apprezzati dagli utilizzatori di smartphone e il conseguente bisogno dei sistemi di analisi di riconoscere e processare dati non strutturati, come le immagini sono.
Come funziona l’Image Recognition?
Non è con questo articolo che si vuole andare nel dettaglio scientifico del funzionamento del riconoscimento delle immagini, ma proviamo almeno a dare alcuni spunti. Nell’Image Recognition, dicevamo, interviene l’Intelligenza Artificiale, in forma di Reti Neurali, le quali utilizzano algoritmi stratificati e affiancati dove i risultati di uno influenzano gli esiti dei suoi vicini. Un po’ come succede nel cervello umano.
Per la Image Recognition ci si basa soprattutto sulle reti neurali convoluzionali (CNN), che consente la classificazione direttamente dalle immagini, fisse o in movimento.
Il processo dell’Image Recognition non è molto diverso, in definitiva, da un modello di machine learning. Innanzitutto, dall’immagine, composta da pixel, viene estratto un gran numero di caratteristiche (feature). Senza andare troppo nel dettaglio, una volta che ogni immagine è stata convertita in migliaia di caratteristiche (feature), si può iniziare ad addestrare un modello. Nel caso di immagini che rappresentano, per esempio, dei determinati prodotti integri e dei prodotti difettosi, possiamo addestrare la macchina a riconoscere una delle due categorie. Più immagini si utilizzano per ogni categoria, meglio un modello può essere addestrato per dire se un’immagine è di un prodotto conforme alla norma o di un prodotto fallato.
Una volta che un modello è stato adeguatamente addestrato, può anche essere utilizzato per riconoscere (o anche prevedere) un’immagine sconosciuta.
A cosa serve il riconoscimento immagini e per cosa viene utilizzato
Poco sopra accennavamo al fatto che il mercato della Computer Vision sia uno tra i più promettenti nell’ambito delle applicazioni dell’Intelligenza Artificiale, con un mercato e un’accettazione da parte delle aziende in progressiva crescita. Tanti sono gli ambiti di applicazione dell’Image Recognition, e vanno dalla sicurezza (sia “safety” che “security”), sorveglianza, o impieghi in contesti produttivi per il controllo delle merci.
Image Recognition nel Marketing
Sono noti da tempo progetti che all’interno degli store analizzano i volti dei consumatori già dalla vetrina osservando dove la loro attenzione si concentra, in modo da ottenere informazioni utili da passare alle linee di produzione o per l’esposizione mirata della merce. Questi sistemi sono in grado di riconoscere se si tratti di uomo o donna nonché misurare il livello di attenzione e in base a questo selezionare campionari differenti e maggiormente affini al loro stile.
Image Recognition ed Healthcare
Progetti sono attivi e altri sono in fase di lavorazione in un settore che molto deve, in fase diagnostica, all’osservazione diretta di alcuni aspetti fisici, le cui anomalie possono spesso segnalare eventuali o sospette malattie. L’osservazione e analisi, per esempio, dell’occhio per la rilevazione di eventuali retinopatie, il monitoraggio dei nevi e delle macchie o neoplasie della pelle. Dall’intelligenza artificiale ci si può attendere un valido aiuto nella rilevazione di discostamenti dagli standard accettabili segnalandoli come casi degni di approfondimento diagnostico. Nel caso delle immagini radiografiche, per esempio, gli algoritmi basati sull’apprendimento automatico possono aiutare i medici nel notare e tracciare discostamenti anche minimi di immagini attraverso l’utilizzo di biomarcatori, in modo da seguire con maggiore accuratezza la progressione delle malattie, riducendo notevolmente la possibilità di diagnosi errate da errore di osservazione umano.
Image Recognition e Automotive
Se per guidare nel traffico ci vogliono, come si suol dire, cento occhi, ecco, l’Intelligenza Artificiale attraverso l’Image Recognition, deve, ed è in grado di farlo, fornirne migliaia di occhi. Nella guida autonoma a cui alcune case automobilistiche stanno tendendo, l’alimentazione dell’algoritmo deve infatti portare il sistema a essere in grado di riconoscere migliaia di immagini, fisse o in movimento che siano, prevedendone spostamenti in base alle loro caratteristiche. Oggetti, persone, altri veicoli, elementi statici o in movimento con diverse velocità in base alla loro natura.
Image Recognition e produzione
Il riconoscimento immediato di prodotti che sono fuori dalla norma e come tali da non immettere sul mercato, è lavoro facile per l’Intelligenza Artificiale applicata all’Image recognition. Proprio attraverso un’analisi delle forme, aspetto, colore e altri parametri, il sistema è in grado di riconoscere il prodotto fallato o non conforme agli standard ammessi, che sia un pezzo meccanico o un prodotto ortofrutticolo, all’occhio dell’AI non sfugge nulla
Image Recognition e Sorveglianza
L’Image Recognition può intervenire in contesti di sicurezza e di controllo degli accessi, attraverso policy definite e assegnate a determinate categorie di persone, macchine, ecc. Applicazioni di questo tipo sono particolarmente utili anche rispetto alle nuove esigenze di distanziamento sociale imposte dall’emergenza Covid, che prevede l’accesso a luoghi, uffici, spazi, contingentati, potendo dirottare i flussi verso aree libere o a maggior affollamento.
Applicazioni possono esserci nella prenotazione delle sale degli uffici o nella regolazione del traffico all’interno di Centri Commerciali o negli Stadi, per esempio così come nella sorveglianza di aree soggette a specifiche restrizioni circa gli accessi e i percorsi consentiti.
Image Recognition ed epidemie animali
Lo studio dell’aspetto esteriore di animali, riesce a identificare eventuali scostamenti dalla norma. Un capo di bestiame piuttosto che un insetto con caratteristiche diverse può essere indicatore di uno stato di anomalia che, se non accertato in breve tempo potrebbe, se infettivo, estendersi al resto dell’allevamento o contaminare un prodotto. In particolare, nel caso delle api, per esempio, indispensabili nell’impollinazione, diventa un problema la loro aggressione da parte di un particolare acaro, che ne può causare la morte. L’identità di tale acaro è stata individuata dopo aver insegnato all’AI a riconoscerlo attraverso un confronto con un vasto database di foto acari e gli apicoltori sono quindi stati allertati del pericolo e della sua individuazione.
L’impegno di UNO Informatica
La convinzione che argomenti come la Image Recognition e la Image Detection basate sull’AI siano argomenti per grandi aziende dotate di competenze specifiche di data science al proprio interno, porta spesso le aziende di dimensioni minori a guardare questi temi da lontano. UNO Informatica, system integrator di Arezzo, si propone invece come partner in grado di affiancare le aziende di qualsiasi dimensione nell’avvicinamento ai temi dell’AI, grazie alle competenze e alle certificazioni acquisite sulle piattaforme IBM Power con Watson Machine Learning Accelerator e Visual Inspection. Grazie alla tecnologia IBM, UNO Informatica solleva le aziende dall’onere di progettazioni complesse e costose, rendendo fruibile una piattaforma basata su librerie di Machine Learning open source, le quali sono in grado di automatizzare tutte le fasi iniziali dei progetti, gestibili in automatico dall’applicazione stessa, con beneficio sia sui tempi di addestramento sia di scalabilità rispetto alle reali esigenze dei clienti.
Immagine da Shutterstock
