Spesso ci chiedono cosa sia l’intelligenza Artificiale e che differenza ci sia con il Machine Learning. 
Proviamo a spiegarlo utilizzando un esempio che troviamo in tutti gli uffici: le macchine del caffè. 
Prima di tutto c’è il caffè analogico, fatto con la moka di cui tutti noi abbiamo abusato ai tempi dell’università, e la macchina del caffè. Una macchina del caffè può integrare funzioni “digitali” sfruttando la programmazione software. Tra le funzionalità software potremmo avere: accensione automatica ad un dato orario, macinazione dei chicchi secondo una grana impostabile, configurazione della temperatura dell’acqua da un display e lunghezza dell’erogazione secondo una serie di set configurabili. 

Sistemi esperti

Si può poi introdurre un algoritmo, una formula matematica più o meno elaborata, che permette di modificare alcune variabili in base ad input predefiniti ed automatizzare il processo. Ad esempio la macinazione del caffè può variare in automatico in base al meteo, informazione che può essere recuperata in modo automatico da internet o da una stazione meteo. La tipologia di caffè, come la lunghezza dell’erogazione o la temperatura dell’acqua, potrebbe invece cambiare secondo le abitudini di ogni utente, sia secondo settaggi, sia magari in base ad altre informazioni che possono essere recuperate automaticamente (il numero di riunioni della giornata, in base al calendario). 
L’algoritmo è in grado di controllare lo stato della macchina, predisporre tutto il necessario e fare un buon caffè. 
Grazie ad algoritmi sofisticati, la macchina potrebbe pertanto sembrare già intelligente, perché si muove in autonomia, senza input specifici. 
Eppure, siamo ancora lontani dal l’intelligenza artificiale. 

Machine Learning

Per implementare l’intelligenza della macchina, si possono introdurre logiche di Machine Learning. Questi sistemi permettono di configurare automatismi più evoluti, basati sull’esperienza. È il primo livello di intelligenza “pavloviana” del tipo azione-reazione: la macchina potrebbe accendersi la mattina 1h prima di quando mediamente si fa il primo caffè. Oppure potrebbe imparare dall’utilizzo degli utenti quali siano le proprie preferenze di caffè, proponendogli in automatico la miscela che tipicamente prendono dopo pranzo, o il grado di zucchero che impostano abitualmente, senza chiederlo. Diciamo che, a parte la conversazione sui risultati calcistici della domenica, potremmo avere l’impressione di essere davanti ad un vero e proprio barista. Un barista in grado di offrirci un servizio personalizzato e costruito su una serie infinita di variabili (che in autonomia non saremmo in grado di prendere in considerazione). Oltre a gestire tutto quello che serve per un buon caffè, riesce ad imparare dalle abitudini o dalle circostanze per migliorare il più possibile l’esperienza o il prodotto. 

Intelligenza Artificiale 

Quindi, l’intelligenza Artificiale quando arriva? E a cosa serve? 
L’intelligenza artificiale è sostanzialmente la cosa che ci permette di avere un vero e proprio barista (conversazioni a parte). Un buon algoritmo di Machine Learning può creare l’illusione di intelligenza, ma la macchina non fa altro che ottimizzare e replicare un set preimpostato di funzioni. 

L’intelligenza artificiale invece può imparare dall’esperienza e poi, in autonomia, prendere decisioni nuove e non prevedibili. Potrebbe suggerirci un caffè completamente diverso perché quel giorno ne abbiamo presi meno. Potrebbe accendere prima la macchina perché quel giorno la sveglia è suonata presto o addirittura improvvisare una nuova macinazione non corrispondente all’algoritmo base. La vera intelligenza artificiale può analizzare la situazione sotto più punti di vista, raccogliere le informazioni e unire i puntini in modo anche inaspettato. Come un vero barista potrebbe sapere in anticipo il tuo umore in base ai risultati calcistici del giorno prima, prepararti il tuo caffè preferito e prendere la decisione di accompagnarlo con un cioccolatino, se la tua squadra ha perso. Per strapparti un sorriso e raggiungere il suo risultato di avere clienti soddisfatti. 

Il vero vantaggio dell’intelligenza artificiale sarà quello di servire in maniera più efficiente nuovi clienti, reagire efficacemente a situazioni nuove e inaspettate, perché imparato il lavoro, avrà modo di interpretare più efficacemente lo scenario e prendere decisioni, dove algoritmo e Machine Learning invece applicherebbero i soliti schemi. In gergo tecnico il sistema sarà in grado di generalizzare proprio come farebbe un essere umano (si parla infatti di AGI – Artificial General Intelligence)

Oggi l’intelligenza artificiale è difficile da mettere in pratica, sia per l’enorme sforzo che c’è da fare per impostarla, sia per la necessità di fidarsi di decisioni nuove e autonome. 
Nel mondo del caffè di solito vince l’abitudine ed è per questo che probabilmente saranno sufficienti algoritmi e Machine Learning. Tuttavia, l’intelligenza potrebbe stupirci e trovare strade nuove, migliori… 

L’evoluzione da sistemi esperti ad AGI (spiegata col caffè)

Per concludere, spieghiamo le differenze tra i vari sistemi, tornando al nostro esempio: la macinazione del caffè.

• Sistema esperto: varia in base ai dati del meteo con regole legate all’esperienza umana
• Sistema basato su ML: varia in base ai dati del meteo con regole (correlazioni) ricavate in autonomia dal sistema stesso
• Sistema esperto arricchito da ML: varia in base ai dati del meteo combinando regole legate all’esperienza umana e regole ricavate in autonomia dal sistema stesso
• Sistema in grado di generalizzare: varia in base ai dati del meteo, avendo coscienza del contesto operativo. Quindi fornisce una risposta che parte da una base di conoscenza molto più ampia (per esempio, conoscenza dei processi di macinazione e dei fenomeni meteorologi).