Cognitive computing, nel suo significato più intrinseco, è una forma di intelligenza elaborativa in cui la componente automatica diventerà predominante.
Allo stato attuale, infatti, gli sforzi della ricerca e dello sviluppo nell’ambito dell’intelligenza artificiale e del machine learning vertono su un grosso lavoro di formazione da parte dell’uomo che sta istruendo i computer a pensare da soli.
Creare conoscenze invece di ripetere semplicemente le informazioni ricevute farà di questi sistemi il fulcro di un nuovo sviluppo. Il detonatore sarà una gestione illuminata dai dati che i computer saranno in grado di cercare e di elaborare in maniera autonoma, con una velocità impossibile per un essere umano.
Un’automazione di nuova generazione
Al momento, le forme più accessibili di IA sono principalmente di tipo transazionale: i sistemi funzionano attraverso una serie di algoritmi sviluppati dall’uomo per fare o non fare determinate azioni. Secondo gli ultimi studi condotti da Accenture quasi 9 aziende su 10 (l’85%) ha intenzione di investire in maniera consistente in una o più tecnologie legate all’IA da qui ai prossimi tre anni. La maggior parte delle organizzazioni IT sta sperimentando l’intelligenza artificiale in varie forme, tra cui Machine Learning, Deep Learning, Computer Vision, Image Recognition, Voice Recognition e reti neurali artificiali. Il cognitive computing, dunque, è una delle derive tecnologiche di questa evoluzione organizzativa.
Certo è che per un’applicazione su più larga ci vorranno ancora diversi anni.
Cognitive computing: l’informazione a supporto della produzione
In linea di principio, il cognitive computing è una forma di automazione 4.0: quando le macchine possono essere utilizzate per risolvere in modo autonomo i compiti ordinari, le persone possono dedicare più tempo alle attività a valore aggiunto in cui possono fare la differenza.
Già oggi l’Internet of Things, associata all’uso dell’Intelligenza Artificiale, sta portando nelle fabbriche un’efficienza e una trasparenza un tempo impensabili nell’ambito della gestione degli asset. Le informazioni provenienti da sensori che monitorano ogni cosa, dalla pressione dell’olio all’umidità, sono integrate in sistemi progettati per ottimizzare l’uso delle apparecchiature, consentendo alle aziende di prevenire i problemi e di incrementare il ritorno degli investimenti.
Il cognitive computing consentirà di ottimizzare ulteriormente la gestione della produzione, consentendo di eliminare quasi del tutto l’intervento umano da tutti quei processi ad alto rischio o molto dispendiosi in termini di tempo e impegno.
Il cognitive computing, applicato al mondo della produzione, permetterà alle macchine:
- la comprensione del linguaggio naturale contestuale
- il coinvolgimento proattivo
- l’interpretazione dei dati
- l’autodiagnostica e l’auto-manutenzione
- l’evoluzione delle abilità
- lo sviluppo dei processi
- l’analisi e l’interpretazione degli eventi
- la progettazione self-service
Siamo nell’era della Continuous Intelligence
Secondo Gartner da qui ai prossimi tre anni 2022 l’intelligenza cognitiva delle macchine evolverà all’ennesima potenza grazie al dispiegamento di nuovi processi analitici, capaci di incrociare diverse fonti di dati per esplorare le relazioni in modalità continua, consentendo ai sistemi di continuare ad apprendere e a ottimizzare valutazioni e interpretazioni.
Secondo l’analista, 7 aziende su 10 (70%) sarà più produttivo perché avrà portato nei luoghi di lavoro soluzioni di AI.
I ricercatori di PWC, nel loro Global Artificial Intelligence report raccontano come entro il 2030 quasi la metà dei fatturati aziendali (45%) sarà legato ai miglioramenti apportati a livello di prodotto, a cui l’AI darà un grosso contributo. In che modo? Consentendo di assicurare una maggiore varietà di prodotti grazie a formule di personalizzazione più rispondenti alle esigenze di ogni singolo consumatore.
Perché non c’è Cognitive Computing senza Continuous Intelligence: l’apprendimento automatico delle macchine, infatti, ha bisogno di tutto lo storico dei dati che raccolgono i comportamenti di ogni consumatore. La centralità del dato, dunque, rimane la chiave fondamentale dell’automazione 4.0.
Come sottolineano gli analisti, è necessario creare i dataset necessari all’addestramento dei sistemi. Come? Imparando a etichettare le informazioni in modo coerente, attraverso un’opera di standardizzazione e di monitoraggio continuo, tale da permettere di ingegnerizzare sistemi e processi capaci di funzionare anche nel medio e nel lungo termine. Il cognitive computing oggi richiede dati di addestramento che le aziende non sempre hanno a disposizione. Tuttavia, tecniche di machine learning nuove, lean e augmented possono consentire all’IA di produrre i propri dati basandosi su pochi campioni, come trasferire modelli da un’attività con molti dati ad un’altra che non dispone di dati.
Cognitive computing… as a Service
La potenza computazionale necessaria a supportare il cognitive computing richiede ingenti risorse e modalità di aggiornamento dei sistemi a ciclo continuo. Il cloud, dunque, si candida per essere un modello di riferimento strategico per tutte le aziende che vogliono usufruire dei benefici dell’Intelligenza Artificiale, portando nelle proprie linee di produzione massima capacità di controllo unitamente a un’agilità tale da supportare la dinamicità di qualsiasi business.
In prospettiva, infatti, i software on premise diventeranno sempre più rigidi e non saranno più in grado di mantenersi al passo con le opzioni basate sul cloud.
