Giorgio Metta | L’umanoide personale - da iCub a R1

Aiutano l'uomo nei lavori domestici, intervengono accanto ai chirurghi nelle sale operatorie, affrontano situazioni estreme, dai disastri naturali ai conflitti. In un futuro non poi così lontano l'uomo vivrà e lavorerà con robot costruiti a sua immagine e somiglianza, sempre più sofisticati negli aspetti cognitivi come in quelli emotivi. Una prospettiva affascinante che suscita domande ineludibili. Per esempio: macchine che sanno decidere, scegliere, pensare hanno anche delle responsabilità nei nostri confronti? E noi, a nostra volta, abbiamo responsabilità verso di loro? Tra vent'anni potrebbe esserci un umanoide amico in ogni casa per assistere i nonni, portare i nostri figli a scuola e prepararci il caffè.

Riccardo Zecchina | Intelligenza Artificiale. Lo stato dell’arte

Una narrazione affascinante della situazione attuale, arricchita da esempi concreti, al di là della “cosmesi” e del sensazionalismo che spesso caratterizza questi temi. La novità più rilevante del tempo attuale è la capacità di estrarre informazioni da grandi quantità di dati (big data), ma non c’è ancora capacità di decisione da parte delle macchine. Nell’apprendimento delle macchine i tentativi di utilizzo di reti semantiche originano prestazioni di scarso valore, mentre si usano con successo metodologie statistiche: nel Deep Learning il sistema apprende selezionando automaticamente le caratteristiche rilevanti di un’immagine, senza istruzioni umane. Questa è la vera novità: una capacità, simile a quella umana, di elaborare i dati, le proprie conoscenze a livelli che non sono affatto lineari. Grazie a questa facoltà, la macchina diventa in grado di apprendere, perfezionando funzionalità sempre più complesse. Dei milioni di parametri in gioco, la vera sfida sono le estrazioni e le loro interpretazioni. Che cosa si può chiamare AI? Oggi è l’apprendimento automatico. Non esiste ancora il machine thinking e l’uomo non è ancora sostituibile nelle decisioni.

Gianluca Salviotti | Tecnologie AI tra applicazioni aziendali e criticità da risolvere

Qual è lo stato di adozione delle tecnologie di IA? Partiamo da un’analisi “geopolitica” che fa comprendere come oggi l’adozione sia subordinata a 2 pre-condizioni fondamentali: la disponibilità di dati e di competenze. Paesi come Cina, USA e India, pur con obiettivi e logiche diverse, si stanno ponendo come leader in questo mondo, proprio facendo leva su queste due dimensioni. E le aziende? In generale valgono le medesime condizioni: senza dati adeguati (quantitativamente e qualitativamente) e senza le competenze difficile lavorare sull’IA. Chi ci riesce sta portando avanti iniziative interessanti su manutenzione predittiva, automazione intelligente di processo, sistemi di diagnostica. A partire da queste considerazioni, cercheremo di capire lo stato attuale di 3 tecnologie del mondo IA: machine learning, intelligent vision e natural language processing e quali sono le criticità che le aziende si trovano a dover affrontare.

Ivan Ortenzi, Chief Innovation Evangelist Bip Group |Il mondo ibrido

Viviamo nel migliore dei mondi possibili. Lo dice la realtà oggettiva fatta di numeri e osservazione dello stato di fatto. In questo scenario viviamo una rivoluzione tecnologica epocale e sempre più rapida che ci porta verso nuove combinazioni delle stesse tecnologie con in comportamenti umani, le informazioni e le competenze. In tutto questo le Intelligenze Aumentate, quelle degli esseri umani, le Intelligenze Artificiali, quelle delle macchine danno vita nuovi modelli di interazione. Modelli che non prevedono solo sostituzione o evoluzioni trans-umane. Stiamo assistendo all'affermarsi di un modo ibrido con effetti e risultati in divenire e solo parzialmente intuibili. L’esplorazione di questo nuovo mondo ci richiede di restare umani per poter essere umani.

Ivano Tavernelli, Quantum Computing Technical Leader at IBM Research | IBM Q: quantum computers for research and business

Siamo ad un punto di svolta nel calcolo quantistico. Le discipline della meccanica quantistica e della scienza dell'informazione hanno raggiunto un livello di maturità che ci permette di costruire i primi computer quantistici e di calcolare alcuni algoritmi. IBM ha messo a disposizione in cloud alcuni processori quantistici reali e simulati affinché tutti possano imparare a programmare in questo nuovo paradigma. Gli ambiti applicativi più promettenti per il calcolo quantistico sono al momento la chimica e la scienza dei materiali. Altre potenziali aree di applicazione sono gli algoritmi di ottimizzazione, in cui un computer quantistico può fornire soluzioni migliorate a complessi problemi di ottimizzazione presenti nelle catene di approvvigionamento, logistica, modellizzazione dei dati finanziari e analisi dei rischi, o machine learning.

Mostrati 1 - 5 su 188 risultati.