Artificial Intelligence

L’avanzamento del livello di interazione e apprendimento delle macchine “intelligenti” determina una netta trasformazione dell’IT e una nuova definizione dei modelli di business.

SETTORE IN CRESCITA

L’Intelligenza Artificiale è un’area delle scienze informatiche orientata alla programmazione di macchine capaci di replicare alcune funzioni tipiche dell’intelligenza umana, quali ad esempio apprendimento, comprensione, capacità di problem solving e interazione.

L’interesse globale verso gli algoritmi di Intelligenza Artificiale (AI) è in continua crescita, coinvolgendo un numero sempre maggiore di startup e aziende del settore.

Negli ultimi anni oltre 20 aziende nel campo dell’AI sono state acquisite da multinazionali come Google, Amazon, Apple, IBM, Yahoo, Facebook, Intel.

APPLICAZIONI TRASVERSALI

L’interesse del mercato verso questa tipologia di algoritmi è facilmente comprensibile considerando la trasversalità delle possibili applicazioni di “macchine intelligenti”: i settori potenzialmente interessati vanno dal Manifatturiero, alla Sanità, Finanza, Marketing, ecc.

In questi settori non sono più sufficienti capacità tecniche e nuove funzionalità: si rendono necessari approcci e metodi efficaci e innovativi, soprattutto per quanto riguarda anomaly detection e la correlazione di allarmi.

VIEW & Anomaly Detection

L’utilizzo di algoritmi di Anomaly Detection consente di sviluppare analisi complesse sul flusso di dati collezionato da VIEW, individuando anomalie nelle serie temporali analizzate in modalità “unsupervised”.

Le tecniche di Anomaly Detection “unsupervised” utilizzate da VIEW non necessitano di un dataset pre-classificato, come accade invece nel caso di tecniche “supervised”.

Anomaly Detection

Con Anomaly detection si intende la capacità di identificare elementi o eventi non conformi all’andamento previsto in uno specifico dataset. Generalmente queste anomalie rappresentano l’effetto concreto di problematiche reali, come difetti strutturali, errori di processo, riduzioni delle prestazioni di un macchinario, frodi, ecc.

Utilizzare gli algoritmi di Anomaly Detection sui dati monitorati da VIEW, facilita e velocizza l’individuazione di schemi complessi legati all’insorgenza di specifiche deviazioni di processo.

Unsupervised Machine Learning

Questa tipologia di algoritmi della classe Machine Learning non richiede l’utilizzo di set di dati per il training del modello. Il principio su cui si basano è che i pattern più frequenti statisticamente sono da considerare “normali”, mentre quelli che si verificano con una minore frequenza sono probabilmente associati a condizioni o scenari “anomali”.

I criteri secondo cui vengono generati i modelli sono quindi intrinseci o estratti dai dati stessi. Ad esempio, un algoritmo di clustering non raggruppa gli ingressi sulla base di etichette (label) ma sulla base del loro “naturale” raggruppamento. Con gli algoritmi di questa classe si possono apprendere modelli più complessi rispetto a quelli costruibili con algoritmi “supervised”.

Tra gli algoritmi “unsupervised” ricordiamo Self-Organizing Maps (SOM), K-means, C-means, Expectation-Maximization meta-algorithm (EM), Adaptive Resonance Theory (ART).

Contattaci

Scrivici se desideri ulteriori informazioni.

15 + 7 =

Bizmate s.r.l.
Via Giacomo Leopardi, 96
95127 – Catania (CT)
+39 095 388583
info@bizmate.it

P.Iva 04010430876