La storia dell’IT, seppur relativamente breve, ha vissuto ciclicamente molti momenti durante i quali concetti e temi particolari hanno dominato la discussione tra esperti del settore, e non solo. Tra questi vi è l’Intelligenza Artificiale (AI) che, negli ultimi anni, è riuscita a mantenere saldo il proprio primato e addirittura ad estendere la propria popolarità, grazie anche all’associazione con altri due temi caldi quali il Machine Learning (ML) e il Deep Learning (DL). A questo proosito appare interessante un’analisi – sintetica ma esaustiva – realizzata da Infinidat, società attiva nel cloud storage.
I termini AI, ML e DL sono diventati talmente popolari che, in alcuni casi, si corre il rischio di abusarne. Il loro successo è da ricollegarsi al grande valore aggiunto che soluzioni basate su queste tecnologie possono garantire alle organizzazioni IT delle aziende moderne. Per questo motivo, sempre più spesso, alcuni fornitori tentano di cavalcare l’onda della popolarità sostenendo di offrire soluzioni di AI, ML o DL che non soddisfano le definizioni accettate per essere chiamate tali e che, dopo un esame approfondito, potrebbero causare molti più problemi di quelli che affermano di poter risolvere. Questo causa un disservizio non solo al cliente, ma all’intero settore.
Ecco perché in uno scenario dominato da soluzioni che sembrano essere tutte basate su AI, ML o DL, è indispensabile che le aziende siano in grado di distinguere chiaramente ‘cosa è cosa’ per affidarsi solo alle soluzioni che davvero possano offrire il supporto desiderato e garantire i risultati sperati. Ossia è necessario capire se le soluzioni proposte soddisfano realmente le definizioni di ciascun termine.
Infatti, analizzando questi concetti, è possibile evidenziare delle sostanziali differenze tra loro. La prima tra tutte è che l’intelligenza artificiale può essere definita tale in quanto programmata esplicitamente da esseri umani, mentre nel caso del Machine Learning è il computer stesso a riuscire a prendere decisioni nuove e indipendenti basate sulla sua programmazione, ma anche sugli input ricevuti di volta in volta, senza ulteriori direttive umane.
Il concetto di Deep Learning, invece, è stato introdotto nel 1986 e definito come una classe di algoritmi di apprendimento automatico che utilizza più livelli per estrarre progressivamente funzionalità di livello superiore da input non elaborati. Negli anni è stato, quindi, sommariamente identificato come un sottoinsieme diretto del Machine Learning. Sarebbe, però, più corretto affermare che il DL è l’approccio più intenso e complesso delle tre forme di AI e anche quello che ha il maggior potenziale per fornire i risultati più efficaci. A differenza del Machine Learning, infatti, è in grado di analizzare e apprendere dall’efficacia delle sue decisioni precedenti per migliorare continuamente e costantemente la qualità delle sue decisioni future, testando più opzioni alla volta.