Quando si parla di machine learning viene subito da pensare a macchine a guida automatica oppure robot che giocano a scacchi.

Eppure le stesse dinamiche di machine learning trovano applicazione anche in ambiti molto concreti, soprattutto in ambito aziendale e industriale.

L'apprendimento automatico consente di fare previsioni sulla base di grandi quantità di dati. Questa branca dell'intelligenza artificiale è basata sul riconoscimento dei modelli e ha la capacità di generare, attraverso l'esperienza, ulteriore conoscenza.

Il machine learning è una realtà

L'intelligenza artificiale non è più solo una prospettiva per il futuro. Oggi, i grandi data center e le enormi capacità di memorizzazione rendono possibili cose che, per anni, si credeva fossero null'altro che fantascienza.

Oggi, invece, dalle piccole e medie imprese alle grandi società internazionali, ogni organizzazione accumula dati di cui può avvalersi. Con il software, questi dati vengono consolidati e valutati per fare previsioni. L'apprendimento automatico è in grado di riconoscere caratteristiche e relazioni, da queste relazioni ricava generalizzazioni, e da queste soluzioni a problemi concreti.

In questo modo è possibile ad esempio:

• identificare pezzi difettati
• prevedere interruzioni di produzione
• gestire la logistica e il magazzino

Migliorare i processi

Con l'aiuto di dati correttamente analizzati provenienti da log e da sensori, è possibile trovare nuove soluzioni e rendere i processi più efficienti.

Oltre alle masse di dati, questo richiede un'infrastruttura IT adattata ai processi su cui si basa l’intelligenza artificiale e ai carichi di lavoro dell'apprendimento automatico. I compiti esatti dei sistemi di apprendimento automatico sono chiaramente definiti: riconoscere i modelli e trarne le conclusioni. Maggiore il numero di dati a disposizione, migliori saranno i risultati in termine di qualità dell’apprendimento del sistema.

Vediamo in concreto un tipico esempio di applicazione del machine learning:

Il riconoscimento delle immagini

Attualmente, il metodo di apprendimento più utilizzato nell'ambito del machine learning è il riconoscimento delle immagini.

Negli impianti di produzione, sistemi intelligenti identificano gli oggetti sui nastri trasportatori e sono in grado di selezionarli automaticamente. Questi tipi di sistemi vengono utilizzati per il controllo qualità: riconoscono i difetti del prodotto, ad esempio se si tratta del colore sbagliato oppure deviazioni dalle dimensioni del modello e lo indirizzano automaticamente verso gli scarti o verso una rettifica del difetto.

Il riconoscimento delle immagini può avere anche altri usi: le potenzialità del riconoscimento facciale sono state usate in questa app realizzata da EOS Solutions per gestire, utilizzando semplicemente con un tablet, la reception degli ospiti in azienda.

Reception Manager, una PowerApp intelligente

Le aziende utilizzano oggi l'apprendimento automatico anche nei servizi di manutenzione e assistenza. Attraverso i sensori, l'intelligenza artificiale permette di:

• catturare il consumo energetico delle singole macchine
• analizzare i cicli di manutenzione
• ottimizzare i cicli di manutenzione nella fase successiva

I dati di funzionamento indicano quando un pezzo deve essere sostituito o dove è probabile che ci sia un difetto. Con l'aumento della quantità di dati, il sistema diventa migliore per ottimizzare sé stesso e fare previsioni più accurate.

Altri usi

Tra gli altri usi dell’Intelligenza Artificiale troviamo assistenti digitali o bot intelligenti. Infatti, oltre al riconoscimento del volto, che abbiamo già visto sopra, il machine learning permette il riconoscimento vocale ed elaborazione del parlato, per realizzare servizi di traduzione e trascrizione automatica e di analisi di testi.

Il reparto marketing vuole automatizzare l'assistenza clienti sul sito con un BOT? Vuoi arricchire l’esperienza dei clienti, nei negozi come in reception, con il riconoscimento facciale? Lavori spesso con clienti all'estero e cerchi una soluzione di "traduzione universale"?

Azure Cognitive Services permette di inserire algoritmi intelligenti nelle tue app, nei siti Web e nei bot per vedere, ascoltare, parlare, comprendere e interpretare le esigenze dei tuoi utenti tramite i metodi di comunicazione naturali.

Business in Cloud: migliorare la Customer Experience con gli algoritmi di Intelligenza Artificiale