Le potenziali applicazioni dell’apprendimento automatico ML

L’azienda Better Examinations ha sviluppato ad aprile una nuova tecnologia che consente a decine di migliaia di studenti di sostenere esami da remoto contemporaneamente. Il software della società utilizza l’apprendimento automatico (ML), una forma avanzata di intelligenza artificiale, per rilevare schemi nel comportamento degli utenti che potrebbero indicare tentativi di imbroglio. La sua tecnologia può anche contrassegnare automaticamente risposte a scelta multipla ed esami di matematica.

Il sistema controlla anche l’identità di ciascun soggetto che esegue l’esame utilizzando la webcam, per assicurarsi che nessun altro stia facendo il test per loro. Il programma di Better Examinations limita anche temporaneamente l’accesso a Internet o a determinati siti web e applicazioni sul computer di ogni persona. Better Examinations è solo un esempio del maggiore utilizzo dell’ML in risposta alla pandemia di quest’anno, con la tecnologia utilizzata per lavorare molto più rapidamente degli esseri umani, come la valutazione dei documenti d’esame.

Le potenziali applicazioni dell’ML

L’ML è un metodo di analisi dei dati, in base al quale gli algoritmi informatici vengono utilizzati per elaborare rapidamente grandi quantità di dati, per fare previsioni, identificare modelli e replicare le azioni che gli esseri umani compiono nel loro lavoro quotidiano. Si prevede che l’uso di ML crescerà così tanto nei prossimi quattro anni che il suo valore economico globale stimato aumenterà da 7,3 miliardi di dollari quest’anno, a 30,6 miliardi di dollari nel 2024.

Lo studio legale globale DWF, che aiuta i team legali interni di grandi società, è un’altra attività che ora utilizza sempre più la tecnologia. È stato contattato da una grande società immobiliare che aveva un compito “impossibile”. Il cliente voleva che 10.000 documenti di locazione di proprietà, archiviati su carta ed elettronicamente, e in luoghi diversi, fossero digitalizzati in un database centrale.

Questa azienda voleva anche conoscere i termini esatti di ciascuna delle locazioni, per scoprire nuove opportunità commerciali. DWF ha dunque progettato un sistema ML per classificare ogni documento di leasing in categorie, identificare tipi specifici di dettagli e quindi estrarre i dati dal documento.

Anche il settore bancario sta abbracciando il ML. La società edile britannica Nationwide aveva chiesto al gigante informatico statunitense IBM di costruire un “chatbot” di intelligenza artificiale chiamato Arti per aiutare i nuovi acquirenti a capire come ottenere un mutuo. In soli quattro giorni, Arti, alimentato dalla piattaforma AI IBM Watson, è stato riqualificato per rispondere alle domande sulle vacanze ipotecarie. L’agente virtuale ha anche affrontato altre domande poiché a livello nazionale le registrazioni di servizi bancari online sono aumentate dell’89%.

Anche la raccolta di informazioni di business utilizzando l’IA sta diventando un grosso problema. Ad esempio, una grande azienda farmaceutica europea voleva assicurarsi che se c’era un nuovo prodotto lanciato, o una start-up acquistata, da uno dei suoi concorrenti, lo sapesse rapidamente. La società ha utilizzato Filament AI, una società di software di apprendimento automatico con sede a Londra, per creare un sistema ML su misura in grado di monitorare 1.000 siti web, 200 feed di notizie e circa 200.000 articoli di notizie al giorno 24 ore su 24.

Oramai le aziende di molti settori stanno ora cercando di mettere le mani sull’ML, poiché molte cose vengono ora quantificate digitalmente, rendendo più facile analizzarle per ottenere informazioni approfondite. Ma sebbene l’ML stia diventando sempre più popolare, ci sono preoccupazioni che sia stato venduto come una “bacchetta magica”, e la sfiducia del pubblico nei suoi confronti è solo in aumento. Il machine learning è potente, ma non è una tecnologia completamente generica. Ha bisogno di un’attenta messa a punto per farlo funzionare per qualsiasi nuova applicazione.

Foto di xresch da Pixabay