Le radici della moderna Intelligenza Artificiale, o AI, possono essere fatte risalire ai filosofi classici della Grecia e ai loro sforzi per modellare il pensiero umano come un sistema di simboli. Più recentemente, negli anni ‘ 40, fu sviluppata una scuola di pensiero chiamata “Connessionismo” per studiare il processo del pensiero. Nel 1950, un uomo di nome Alan Turing scrisse un documento che suggeriva come testare una macchina “pensante”. Credeva che se una macchina potesse portare avanti una conversazione tramite una teleprinter, imitando un essere umano senza differenze evidenti, la macchina potrebbe essere descritta come pensiero. Il suo articolo è stato seguito nel 1952 dal modello di Hodgkin-Huxley del cervello come neuroni che formano una rete elettrica, con singoli neuroni che sparano in impulsi all-or-nothing (on/off). Questi eventi, in una conferenza sponsorizzata dal Dartmouth College nel 1956, hanno contribuito a innescare il concetto di Intelligenza Artificiale.

Jonathan Crane è il CCO di Ipsoft, i creatori dell’assistente virtuale chiamato Amelia. Ha avuto questo da dire sullo stato attuale dell’Intelligenza artificiale:

“AI sta guidando un enorme cambiamento nel modo in cui possiamo indirizzare il nostro marketing e la pubblicità, anche per le aziende più piccole. Ciò significa che le aziende sono in grado di indirizzare la loro “spesa e aumentare il ROI” e consentire alla pubblicità di fare ciò che dovrebbe, dando alle persone pubblicità che vogliono vedere.”

Mr. Crane si riferisce all’uso dei Big Data da parte dell’IA. L’intelligenza artificiale può essere combinata con i Big Data per gestire compiti complessi e può elaborare le informazioni a velocità molto più elevate rispetto a qualsiasi sistema precedente.

Lo sviluppo dell’IA non è stato snello ed efficiente. Partendo come un eccitante, concetto fantasioso nel 1956, finanziamenti per la ricerca di Intelligenza artificiale è stato tagliato nel 1970, dopo che diversi rapporti hanno criticato la mancanza di progressi. Gli sforzi per imitare il cervello umano, chiamati “reti neurali”, sono stati sperimentati e abbandonati. I programmi più impressionanti e funzionali erano solo in grado di gestire problemi semplicistici e sono stati descritti come giocattoli dai non impressionati. I ricercatori di IA erano stati eccessivamente ottimisti nello stabilire i loro obiettivi e avevano fatto ipotesi ingenue sui problemi che avrebbero incontrato. Quando i risultati che hanno promesso non si sono mai materializzati, non dovrebbe sorprendere che il loro finanziamento sia stato tagliato.

Il primo inverno AI
AI ricercatori hanno dovuto fare i conti con due limitazioni molto di base, non abbastanza memoria, e velocità di elaborazione che sembrerebbe abissale per gli standard di oggi. Proprio come la ricerca di gravità al momento, la ricerca di Intelligenza artificiale ha avuto il suo finanziamento del governo tagliato, e l’interesse è sceso. Tuttavia, a differenza di gravity, la ricerca sull’IA riprese negli 1980, con gli Stati Uniti e la Gran Bretagna che fornivano finanziamenti per competere con il nuovo progetto di computer “quinta generazione” del Giappone, e il loro obiettivo di diventare il leader mondiale nella tecnologia informatica. Il lasso di tempo tra il 1974 e il 1980 è diventato noto come ‘Il primo inverno AI.’

Il primo inverno AI si è concluso con l’introduzione di “Sistemi esperti”, che sono stati sviluppati e rapidamente adottati da aziende competitive in tutto il mondo. L’obiettivo principale della ricerca sull’IA era ora il tema dell’accumulo di conoscenze da parte di vari esperti. L’IA ha anche beneficiato della rinascita del connessionismo negli 1980.

Cibernetica e reti neurali
La cibernetica studia i sistemi di controllo automatico. Due esempi sono il cervello e il sistema nervoso e i sistemi di comunicazione utilizzati dai computer. La cibernetica è stata utilizzata per addestrare la versione moderna delle reti neurali. Tuttavia, le reti neurali non sarebbero diventate finanziariamente successo fino al 1990, quando hanno iniziato ad essere utilizzati per operare programmi di riconoscimento ottico dei caratteri e programmi di riconoscimento del pattern vocale.

Expert Systems
Expert Systems rappresentano un approccio nella ricerca di Intelligenza artificiale che è diventato popolare in tutto il 1970. Un sistema esperto utilizza la conoscenza di esperti per creare un programma. I sistemi esperti possono rispondere a domande e risolvere problemi all’interno di un’arena chiaramente definita di conoscenza e utilizzano “regole” della logica. Il loro design semplicistico ha reso ragionevolmente facile la progettazione, la costruzione e la modifica dei programmi. I programmi di screening dei prestiti bancari forniscono un buon esempio di un sistema esperto dai primi anni 1980, ma c’erano anche applicazioni mediche e di vendita che utilizzavano sistemi esperti. In generale, questi semplici programmi sono diventati molto utili e hanno iniziato a risparmiare grandi quantità di denaro alle aziende.

Ad esempio, nel 1980, Digital Equipment Corporation ha iniziato a richiedere al proprio team di vendita di utilizzare un sistema esperto chiamato XCON quando si effettuano gli ordini dei clienti. DEC ha venduto una vasta gamma di componenti per computer, ma la forza vendita non era particolarmente informato su ciò che stavano vendendo. Alcuni ordini combinavano componenti che non funzionavano insieme e alcuni ordini mancavano dei componenti necessari. Prima di XCON, i consulenti tecnici esaminavano gli ordini, identificavano combinazioni non funzionali e fornivano istruzioni per l’assemblaggio del sistema. Poiché questo processo (comprese le comunicazioni con il cliente) ha causato un collo di bottiglia a DEC, e molti sforzi per automatizzarlo erano falliti, DEC era disposto a provare una tecnologia relativamente nuova per questa situazione. Entro il 1986, il sistema è stato il risparmio DICEMBRE DEC 40 milioni all’anno.

XCON (a volte indicato come R1) era un sistema di grandi dimensioni con circa 750 regole, e anche se poteva elaborare più ordini, doveva ancora essere regolato e ottimizzato prima che DEC potesse usarlo in modo efficiente. DICEMBRE imparato il sistema non poteva essere utilizzato come originariamente progettato, e che non hanno avuto l’esperienza per mantenerlo. La” conoscenza ” nel sistema doveva essere raccolta e aggiunta da persone formate in sistemi esperti e nell’acquisizione della conoscenza. Molti dei suoi consulenti tecnici erano ingegneri, ma non erano esperti di intelligenza artificiale, e il team di ingegneri DEC finalmente organizzato erano “familiari” con l’IA, ma i membri del gruppo non sono stati scelti per la loro esperienza di Intelligenza artificiale (semplicemente non c’erano molti esperti disponibili), e nessuno nel gruppo aveva familiarità con il linguaggio in cui era scritto, OPS-4. Dopo circa un anno, con un’enorme quantità di assistenza da Carnegie-Mellon (gli scrittori originali del programma), ed essendo cresciuto fino a quasi 1000 regole, DEC è stato in grado di assumere la programmazione e la manutenzione di XCON. Integrare XCON nella cultura DEC è stata un’esperienza difficile, ma di successo. Gestione imparato un sistema esperto richiede personale appositamente addestrato, e hanno preso la responsabilità per la formazione e l’assunzione di persone per soddisfare tali esigenze.

Al suo apice, XCON ha 2.500 regole e si era evoluto in modo significativo (anche se attualmente la sua popolarità è diminuita, poiché è diventato un po ‘ un dinosauro). XCON è stato il primo sistema informatico ad utilizzare tecniche di intelligenza artificiale per risolvere problemi del mondo reale all’interno di un ambiente industriale. Nel 1985, le aziende di tutto il mondo avevano iniziato a utilizzare sistemi esperti, e un nuovo campo di carriera sviluppato per supportarli. XCON poteva configurare gli ordini di vendita per tutti i sistemi informatici VAX-11 fabbricati negli Stati Uniti, ma il sistema doveva essere continuamente regolato e aggiornato e richiedeva un team IT a tempo pieno.

Il secondo inverno AI

Il campo AI ha vissuto un altro grande inverno dal 1987 al 1993. Questo secondo rallentamento nella ricerca AI ha coinciso con XCON, e altri primi computer di sistema esperti, essendo visto come lento e goffo. I computer desktop stavano diventando molto popolari e spostando le banche di computer più vecchie, più ingombranti e molto meno user-friendly. Alla fine, i sistemi esperti sono diventati semplicemente troppo costosi da mantenere, rispetto ai desktop. Erano difficili da aggiornare e non potevano “imparare.”Questi erano problemi che i computer desktop non avevano. All’incirca nello stesso periodo, DARPA (Defense Advanced Research Projects Agency) ha concluso che l’IA non sarebbe stata “la prossima ondata” e ha reindirizzato i suoi fondi a progetti ritenuti più propensi a fornire risultati rapidi. Di conseguenza, alla fine del 1980, i finanziamenti per la ricerca AI è stato tagliato profondamente, creando il secondo inverno AI.

Conversazione con i computer diventa una realtà

Nei primi anni 1990, la ricerca di Intelligenza artificiale spostato la sua attenzione a qualcosa chiamato un agente intelligente. Questi agenti intelligenti possono essere utilizzati per servizi di recupero di notizie, shopping online e navigazione sul web. Gli agenti intelligenti sono anche a volte chiamati agenti o bot. Con l’uso di programmi di Big Data, si sono gradualmente evoluti in assistenti digitali personali, o assistenti virtuali.

Attualmente, aziende tecnologiche giganti come Google, Facebook, IBM e Microsoft stanno ricercando una serie di progetti di intelligenza artificiale, inclusi gli assistenti virtuali. Sono tutti in competizione per creare assistenti come M di Facebook o Cortana di Microsoft o Siri di Apple.L’obiettivo dell’Intelligenza artificiale non è più quello di creare una macchina intelligente in grado di imitare la conversazione umana con un teletipo. L’uso di Big Data ha permesso AI di fare il prossimo passo evolutivo. Ora, gli obiettivi sono di sviluppare programmi software in grado di parlare in un linguaggio naturale, come l’inglese, e di agire come assistente virtuale. Questi assistenti virtuali rappresentano il futuro della ricerca AI, e possono assumere la forma di robot per l’aiuto fisico, o possono essere alloggiati in computer portatili e aiutare a prendere decisioni di business, o possono essere integrati nel programma di assistenza clienti di un business e rispondere al telefono. L’intelligenza artificiale è ancora in evoluzione e trova nuovi usi.