L'intelligenza artificiale (AI) e l'apprendimento automatico (ML) hanno dominato le discussioni in ambito aziendale e informatico in tutto il mondo. Dalle aule dei consigli di amministrazione alle conferenze, fino ai titoli dei media, non si può sfuggire al brusio, alle domande e alle perturbazioni. E per una buona ragione: più di ogni altro sviluppo recente, l'intelligenza artificiale e l'apprendimento automatico sono tecnologie trasformative, che definiscono un'epoca e che stanno cambiando radicalmente il nostro modo di vivere e lavorare.
Sebbene pochi siano in disaccordo con l'impatto potenziale dell'IA e del ML, molti si chiedono come applicare queste tecnologie nelle proprie organizzazioni e da dove iniziare. Queste domande e preoccupazioni erano certamente nella mente di tutti alla conferenza Conferenza IP Expo Europe 2018l'evento tecnologico aziendale numero uno in Europa, che si è svolto la scorsa settimana a Londra. Più volte, sia durante le sessioni di domande e risposte post-keynote, sia per sentito dire in fiera, il ritornello comune era: "So che ho bisogno di AI e ML, ma da dove inizio?".
Greg Benson, Chief Scientist di SnapLogic, era presente alla conferenza e ha cercato di rispondere a questa domanda fondamentale, tra le altre, nella sua presentazione, "Ta mentalità dell'intelligenza artificiale: Unire le prospettive dell'industria e del mondo accademico." Greg, che è anche professore di informatica presso l'Università di San Francisco (USF), ha esperienza di ML sia in ambito accademico che industriale.
Nel suo intervento, Greg ha illustrato alcune delle sfide comuni che spesso ostacolano i progetti di ML e come superarle:
- Trovare il talento giusto
- Accesso continuo ai dati rilevanti
- Preparazione e automazione dei dati
- Esplorazione di diversi algoritmi con diverse caratteristiche
- Automatizzazione della formazione per modelli aggiornati
- Mettere il ML in produzione
Ha inoltre discusso la mentalità dell'IA necessaria per aiutare i professionisti dell'IT e gli altri responsabili delle decisioni a iniziare:
- Combinare metodologie accademiche e industriali
- Comprendere la natura sperimentale dello sviluppo del ML
- Consentire l'accesso ai dati (continuo, non solo una volta)
- Comprendere le capacità e i limiti degli algoritmi di ML
- Creare un piano di ML e allocare le risorse per l'implementazione in anticipo
- Considerate gli strumenti di data science self-service
A seguire, la "AI Panel Discussion", alla quale Greg ha partecipato insieme ai rappresentanti di RingCentral, dell'Università di Cambridge, di Sophos e del MIT Technology Review. Basandosi sulla sua esperienza di doppio ruolo in SnapLogic e USF, Greg ha osservato come l'industria e il mondo accademico approccino in modo diverso la risoluzione dei problemi e come portare il meglio di entrambe le prospettive al tavolo possa accelerare lo sviluppo e il successo dell'IA. Ha anche chiesto ai leader dell'industria di incoraggiare i loro scienziati dei dati, che sono molto elusivi e qualificati, a insegnare nelle università locali per garantire il trasferimento delle conoscenze alla nostra prossima generazione di leader dell'IA. Lo scambio di opinioni tra mondo accademico e industria contribuirà a colmare il futuro divario di competenze e a metterci sulla strada dell'innovazione continua per gli anni a venire.
Greg ha molto da dire e da aggiungere alla discussione sulla ML: aspettate i suoi post in prima persona nelle prossime settimane.
