Elaborare informazioni in maniera “simile” alla mente umana, ma più velocemente. Dipende anche da questo il successo e l’espansione del cognitive computing i cui benefici sono già percepibili
“Il cognitive computing sta cambiando il business: siete pronti?”. Così titola un articolo pubblicato dalla Ohio University, che illustra i benefici dell’applicazione di sistemi cognitive computing, capaci di elaborare informazioni non strutturate come gli esseri umani, ma molto più velocemente. È una lettura interessante perché spiega bene – anche attraverso infografiche – quanto elevata sia questa rapidità di elaborazione e quali conseguenti vantaggi possa garantire. Un esempio lo offre il caso di Harley Davidson Motor Cycles. La famosa casa motociclistica USA ha trasformato uno dei suoi stabilimenti di York in un impianto abilitato all’IoT e al cognitive computing. Questo cambiamento ha provocato un’autentica scossa positiva al sistema consolidato: il programma di produzione, che durava 21 giorni, si è ridotto a soli 86 secondi.
I sistemi di cognitive computing comprendono modelli linguistici e input sensoriali, compresi testi, immagini e audio e, scrive la stessa Ohio University, “stanno già migliorando l’esperienza dei dipendenti e dei clienti, ottimizzando l’innovazione dei nuovi prodotti, consentendo agli operatori sanitari di dedicare più tempo ai pazienti e persino salvando vite umane identificando i problemi di sicurezza dei clienti prima che causino incidenti.”
Ecco perché il cognitive computing sta diventando una priorità per le imprese e non solo: business a parte, avrà un sempre maggiore impatto sull’istruzione e sulla medicina. Solo nel settore medico, ogni giorno vengono pubblicati in tutto il mondo circa 8mila studi clinici, più di quanti una persona possa sperare di leggere. La “informatica cognitiva” può fungere da potente assistente alla ricerca, non solo sviscerando i dati, ma anche cercando modelli e auto apprendendo progressivamente. Questa capacità è ancora più pronunciata grazie alla combinazione col deep learning: il mercato specifico, quello del deep learning cognitive computing, si prevede supererà i 91,5 miliardi di dollari entro il 2028, crescendo con un tasso di crescita annuale composto del 29,7% nel periodo di previsione, ovvero dal 2021 al 2028 (fonte: Data Bridge Market Research).
Cos’è il cognitive computing
Con questo termine si definisce l’impiego di modelli computerizzati per imitare i processi di pensiero umani in situazioni complesse in cui le risposte non sono ovvie, ma possono essere interpretate in più modi.
Si potrebbe dire, grossolanamente, che è la “miniaturizzazione” delle nozioni e dei processi di pensiero umani in un ambiente computerizzato. Si tratta di un insieme di sistemi computerizzati auto-operanti che incorporano reti neurali (deep learning), Natural Language Processing (NLP), sistemi di riconoscimento vocale e degli oggetti con l’obiettivo di risolvere problemi anche complessi senza l’aiuto – o l’intrusione – dell’uomo.
I computer sono più veloci degli esseri umani nell’elaborazione e nel calcolo, ma devono ancora padroneggiare alcuni compiti, per esempio la comprensione del linguaggio naturale e il riconoscimento di oggetti in un’immagine. Il cognitive computing è un tentativo di far sì che i computer imitino il modo in cui funziona il cervello umano.
Le origini vengono fatte risalire addirittura al XIX secolo, al lavoro del matematico George Boole (fondatore della logica matematica) e il suo libro An Investigation of the Laws of Thought
e al progetto di “macchina analitica” sviluppato dal matematico e filosofo Charles Babbage (1791-1871).
C’è chi pone il vero inizio dell’era del cognitive computing nell’avvio del sistema di intelligenza artificiale Watson di IBM, nei primi anni Duemila. Lo ha evidenziato nel 2016 l’allora presidente e Ceo di IBM, Ginni Rometty: «Tra cinque anni, non ho dubbi sul fatto che il cognitive computing avrà un impatto su ogni decisione». La sua previsione si sta avverando. Secondo stime IDC, quest’anno la spesa globale per i sistemi cognitivi e di AI dovrebbe raggiungere i 79,2 miliardi di dollari.
Come funziona il cognitive computing
Districarsi tra i diversi tipi di problemi di cui si occupano tradizionalmente gli esseri umani richiede un’ampia quantità di dati strutturati e non strutturati, che vengono alimentati dagli algoritmi di machine learning. È qui che intervengono i sistemi di cognitive computing, che utilizzano tecnologie per elaborare grandi quantità di dati e suggerire la soluzione migliore a un determinato problema.
Poiché l’informatica cognitiva manca ancora del pensiero critico e della capacità di ragionamento dell’uomo, la comprensione del contesto e delle prove contrastanti sarebbe impossibile senza alimentare grandi quantità di dati strutturati e non strutturati con algoritmi di machine e deep learning.
Per diventare capaci di comprendere nuovi problemi e progettare le possibili soluzioni, attraverso la memorizzazione, elaborazione e valutazione dei dati, i sistemi di cognitive computing devono essere:
- Adattivi. Le informazioni cambiano frequentemente e con un flusso costante di nuovi dati, la flessibilità è una delle caratteristiche più importanti di un sistema di cognitive computing, che deve adattarsi alla situazione in tempo reale, indipendentemente dalle circostanze e dai dati più recenti.
- Interattivi. I sistemi di questo genere deve essere in grado di comunicare sia con le persone che con i dispositivi (processori, device e piattaforme nel cloud). L’interazione tra il fattore umano e il sistema informatico deve avvenire senza problemi: gli utenti devono essere in grado di formulare le loro richieste, che il sistema esegue.
- Iterativi e statici. Oltre a poter memorizzare le informazioni raccolte in precedenza, questi sistemi possono anche porre molte domande su qualsiasi argomento nuovo o sconosciuto per ottenere nuovi dati che possano permettergli di comprendere nuovi argomenti, situazioni o problemi.
- Contestuali. La comprensione del contesto è una caratteristica dei processi di pensiero umani. I sistemi cognitivi devono comprendere la sintassi, i tempi, la posizione, l’intento, i requisiti e gli obiettivi, ovvero il contesto di un determinato problema. Per svolgere compiti complessi, devono estrarre il contesto da dati strutturati e non strutturati, basandosi su dati visivi, uditivi e sensoriali.
Le sue applicazioni
Il cognitive computing viene utilizzato in settori in cui è necessario analizzare una grande quantità di dati per facilitare il processo decisionale. I sistemi informatici svolgono questo lavoro più velocemente delle persone e accelerano i processi aziendali, grazie alla Systematic Literature Review (SLR), metodo che permette di identificare, valutare e riassumere lo stato dell’arte di un tema specifico nella letteratura e che consente di raccogliere le informazioni della letteratura in modo restrittivo, consentendo un’analisi metodologica rigorosa e con minori pregiudizi rispetto alle revisioni tradizionali.
Uno dei principali esempi applicativi di cognitive computing vedono ancora come protagonista il sistema Watson, nello specifico Watson for Oncology sviluppato per supportare le decisioni terapeutiche in oncologia e adottato dal Memorial Sloan Kettering Cancer Center di New York. La stessa IBM, attraverso Watson Health, insieme a Quest Diagnostics ha lanciato un successivo servizio per far progredire la medicina di precisione combinando il cognitive computing con il sequenziamento genomico dei tumori.
Oltre alla medicina, le applicazioni includono diversi altri settori, come la vendita al dettaglio, la finanza e la logistica. Un esempio, capace di combinare IoT e cognitive computing, lo ha realizzato Walt Disney World, creando “Magic Band”, un braccialetto indossabile contenente tag RFID. I visitatori di Disney World possono effettuare il check-in al parco, acquistare cibo e ottenere pass veloci per le giostre toccando il braccialetto sui ricevitori. Disney può quindi utilizzare questi dati per tracciare gli spostamenti dei visitatori all’interno del parco e determinare quali aree, giostre e attrazioni sono più popolari e quali aree del parco richiedono maggiore attenzione.
Cognitive computing vs intelligenza artificiale
Artificial intelligence e cognitive computing presentano somiglianze e differenze e talvolta questi due termini sono usati in modo intercambiabile, possono essere anche complementari, ma non sono la stessa cosa. Con il termine intelligenza artificiale si identifica “l’abilità di una macchina di mostrare capacità umane quali il ragionamento, l’apprendimento, la pianificazione e la creatività”, la descrive il Parlamento Europeo. Utilizzando tecniche come machine learning, è in grado di simulare l’elaborazione e il processo decisionale umano e allo stesso tempo di superare i limiti umani. Può rispondere alle domande di un cliente in modo simile a quello umano, ma allo stesso tempo avere accesso a informazioni molto più utili e con tempi di risposta più rapidi.
Cognitive computing non mira a sostituire il processo decisionale umano, ma a coadiuvarlo, concentrandosi sulla simulazione dei processi di pensiero umani e sulla generazione di ipotesi invece di prendere decisioni. Mediante l’elaborazione dei problemi in modo simile al cervello umano, può offrire soluzioni più personalizzate rispetto all’intelligenza artificiale. Combinato con l’elaborazione dei dati e il riconoscimento dei modelli, il cognitive computing tiene conto del contesto per fornire una soluzione migliore per una situazione specifica piuttosto che per l’insieme. Ciò trova applicazione, ad esempio, nell’industria medica per assistere i medici in trattamenti efficaci.
Oltre a imitare il comportamento umano, il cognitive computing mira a risolvere problemi sempre più complicati con efficienza. Ciò significa gestire grandi quantità di dati e fare analisi basate su di essi, cosa che gli esseri umani non possono fare. Inoltre, il Cognitive Computing si concentra sull’apprendimento e sulla correzione, in modo che, con l’introduzione di nuovi dati, le analisi stesse cambino.
Se l’intelligenza Artificiale è automazione, l’“informatica cognitiva” è incremento. Entrambi utilizzano tecnologie molto simili, come machine learning e deep learning. Inoltre, entrambe mirano a semplificare il processo decisionale. Tuttavia, la differenza sta nel modo in cui queste tecnologie vengono utilizzate. Con l’AI, l’obiettivo è trovare un algoritmo efficace per generare la migliore soluzione complessiva a un problema. Con il Cognitive Computing, invece, l’attenzione è rivolta a prendere la decisione migliore in base alle circostanze e, soprattutto, a fornire informazioni mirate, prima di prenderla effettivamente.
Oltre alle differenze fondamentali tra le due, variano anche le applicazioni. Spesso nelle situazioni in cui è necessaria una risposta rapida, l’AI è la più adatta. Ciò può avvenire, per esempio, nei settori più orientati ai servizi, dove è necessaria una quantità prestabilita di informazioni. In alternativa, in situazioni in cui l’opzione migliore può variare, il cognitive computing è il più adatto. Attualmente è meglio lasciare all’uomo il compito di dare suggerimenti specifici che possono variare a seconda del contesto. Quindi, funziona meglio quando la persona deve prendere una decisione informata.
I possibili scenari futuri
Il cognitive computing può migliorare molti dei sistemi attuali ed è capace di rivoluzionare diversi settori. Ecco dove potrebbe trovare spazio e utilità nel prossimo futuro. Uno dei comparti che potrebbe trarre maggiori benefici è quello bancario. Quello online, in particolare, può adattare i propri servizi in base ai dati raccolti dai clienti per soddisfare le loro esigenze in modo più efficiente.
In ambito cybersecurity, uno studio sull’impiego dei metodi cognitivi nella cybersecurity ha rilevato che i sistemi intelligenti potrebbero aiutare le organizzazioni a mappare i comportamenti umani probabili quando interagiscono con i loro sistemi online, per identificare in anticipo le possibili azioni degli hacker. Potrebbero anche essere utilizzati per simulare possibili attacchi in futuro.
Per quanto riguarda il commercio al dettaglio, con l’avvento di molte aziende online, cognitive computing potrebbe consentire loro di fornire i beni e i servizi di cui i clienti hanno realmente bisogno. Diversi siti web hanno già implementato l’analisi cognitiva integrata. Questo sistema raccoglie informazioni sulle interazioni dei clienti con il sito web ed è in grado di capire che tipo di prodotti desidera il cliente. Analizza le informazioni più utili a facilitarlo, semplificando anche il lavoro degli operatori del marketing. Il cognitive computing può essere utilizzato nella tecnologia semantica per migliorare l’interazione dell’organizzazione con la sua base di clienti sulle piattaforme sociali e sul suo sito web.
Infine, nel settore manifatturiero esso già oggi è una tecnologia chiave alla base della trasformazione digitale dell’Industria 4.0 e della fabbrica intelligente. Man mano che le strutture adottano sempre più la tecnologia dell’Industria 4.0 – sensori intelligenti, connettività 5G, capacità di edge computing, robot collaborativi e altro ancora – devono assicurarsi di essere in grado di utilizzare efficacemente i dati e le analisi che raccolgono e generano.
Tenendo conto dei vantaggi che comporta l’adozione del cognitive computing – processi decisionali più efficaci, maggiore agilità, maggiore affidabilità, maggiore efficienza e produttività avanzata – potrà avere un impatto importante sul panorama produttivo.
