L’intelligenza artificiale, definita come l’intelligenza esibita dalle macchine, ha molte applicazioni nella società di oggi. Più specificamente, è IA debole, la forma di A.I. dove i programmi sono sviluppati per svolgere compiti specifici, che viene utilizzato per una vasta gamma di attività tra cui diagnosi mediche, commercio elettronico, controllo robot e telerilevamento. L’intelligenza artificiale è stata utilizzata per sviluppare e far progredire numerosi settori e settori, tra cui la finanza, l’assistenza sanitaria, l’istruzione, i trasporti e altro ancora.

AI per il bene
AI for Good è un movimento in cui le istituzioni stanno impiegando l’intelligenza artificiale per affrontare alcune delle maggiori sfide economiche e sociali del mondo. Ad esempio, la University of Southern California ha lanciato il Center for Artificial Intelligence in Society, con l’obiettivo di utilizzare l’intelligenza artificiale per affrontare problemi socialmente rilevanti come il problema dei senzatetto. A Stanford, i ricercatori stanno usando l’intelligenza artificiale per analizzare le immagini satellitari per identificare quali aree hanno i più alti livelli di povertà.

aviazione
The Air Operations Division (AOD) utilizza l’intelligenza artificiale per i sistemi esperti basati su regole. L’AOD utilizza l’intelligenza artificiale per gli operatori surrogati per simulatori di combattimento e addestramento, ausili di gestione delle missioni, sistemi di supporto per il processo decisionale tattico e post elaborazione dei dati del simulatore in riepiloghi simbolici.

L’uso dell’intelligenza artificiale nei simulatori si sta dimostrando molto utile per l’AOD. I simulatori di aeroplani utilizzano l’intelligenza artificiale per elaborare i dati presi dai voli simulati. Oltre al volo simulato, c’è anche la simulazione della guerra aerea. I computer sono in grado di elaborare i migliori scenari di successo in queste situazioni. I computer possono anche creare strategie basate sul posizionamento, dimensioni, velocità e forza delle forze e contro forze. Ai piloti può essere data assistenza in aria durante il combattimento da parte dei computer. I programmi artificiali intelligenti possono ordinare le informazioni e fornire al pilota le migliori manovre possibili, per non parlare dell’eliminazione di alcune manovre che sarebbero impossibili per un essere umano. Sono necessari più velivoli per ottenere buone approssimazioni per alcuni calcoli, quindi i piloti simulati al computer vengono utilizzati per raccogliere dati. Questi piloti simulati al computer sono anche utilizzati per addestrare futuri controllori del traffico aereo.

Il sistema utilizzato dall’AOD per misurare le prestazioni era il sistema di diagnosi e isolamento dei guasti interattivi, o IFDIS. Si tratta di un sistema esperto basato su regole, raccolto raccogliendo informazioni dai documenti TF-30 e il parere degli esperti dei meccanici che lavorano sulla TF-30. Questo sistema è stato progettato per essere utilizzato per lo sviluppo del TF-30 per RAAF F-111C. Il sistema di prestazioni è stato utilizzato anche per sostituire i lavoratori specializzati. Il sistema consentiva ai lavoratori regolari di comunicare con il sistema ed evitare errori, errori di calcolo o dover parlare con uno dei lavoratori specializzati.

L’AOD utilizza anche l’intelligenza artificiale nel software di riconoscimento vocale. I controllori del traffico aereo stanno dando indicazioni ai piloti artificiali e l’AOD vuole che i piloti rispondano agli ATC con semplici risposte. I programmi che incorporano il software vocale devono essere addestrati, il che significa che usano le reti neurali. Il programma utilizzato, il Verbex 7000, è ancora un programma molto precoce che ha ampi margini di miglioramento. I miglioramenti sono indispensabili perché gli ATC utilizzano una finestra di dialogo molto specifica e il software deve essere in grado di comunicare correttamente e in modo tempestivo ogni volta.

L’Intelligenza Artificiale supportata Design of Aircraft, o AIDA, viene utilizzata per aiutare i progettisti nel processo di creazione di progetti concettuali di aeromobili. Questo programma consente ai progettisti di concentrarsi maggiormente sul design stesso e meno sul processo di progettazione. Il software consente inoltre all’utente di concentrarsi meno sugli strumenti software. L’AIDA utilizza sistemi basati su regole per calcolare i suoi dati. Questo è un diagramma della disposizione dei moduli AIDA. Sebbene semplice, il programma si sta dimostrando efficace.

Nel 2003, il Dryden Flight Research Center della NASA, e molte altre società, hanno creato un software che potrebbe consentire a un aereo danneggiato di continuare il volo fino a quando non sarà possibile raggiungere una zona di atterraggio sicura. Il software compensa tutti i componenti danneggiati facendo affidamento sui componenti non danneggiati. La rete neurale utilizzata nel software si è rivelata efficace e ha segnato il trionfo dell’intelligenza artificiale.

Il sistema di gestione integrata della salute dei veicoli, utilizzato anche dalla NASA, a bordo di un aeromobile deve elaborare e interpretare i dati prelevati dai vari sensori sull’aereo. Il sistema deve essere in grado di determinare l’integrità strutturale dell’aeromobile. Il sistema deve anche implementare i protocolli in caso di eventuali danni causati al veicolo.

Haitham Baomar e Peter Bentley guidano una squadra dell’Università di Londra per sviluppare un Intelligent Autopilot System (IAS) basato sull’intelligenza artificiale progettato per insegnare a un sistema di pilota automatico a comportarsi come un pilota di grande esperienza che si trova di fronte a una situazione di emergenza come grave tempo, turbolenza o guasto del sistema. Educare l’autopilota si basa sul concetto di apprendimento automatico supervisionato “che tratta il giovane pilota automatico come apprendista umano che frequenta una scuola di volo”. L’autopilota registra le azioni del pilota umano generando modelli di apprendimento utilizzando reti neurali artificiali. L’autopilota viene quindi dato il pieno controllo e osservato dal pilota mentre esegue l’allenamento.

L’Intelligent Autopilot System combina i principi dell’apprendistato dell’apprendimento e della clonazione comportamentale in base al quale l’autopilota osserva le azioni di basso livello richieste per manovrare l’aereo e la strategia ad alto livello utilizzata per applicare tali azioni. L’implementazione dello IAS impiega tre fasi; raccolta dati pilota, formazione e controllo autonomo. L’obiettivo di Baomar e Bentley è quello di creare un autopilota più autonomo per assistere i piloti nel rispondere alle situazioni di emergenza.

Scienza del computer
I ricercatori di IA hanno creato molti strumenti per risolvere i problemi più difficili in informatica. Molte delle loro invenzioni sono state adottate dall’informatica tradizionale e non sono più considerate parte dell’IA. (Vedi l’effetto AI.) Secondo Russell & amp; Norvig (2003, pagina 15), tutti i seguenti sono stati originariamente sviluppati nei laboratori di intelligenza artificiale: condivisione del tempo, interpreti interattivi, interfacce utente grafiche e mouse per computer, ambienti di sviluppo rapido, struttura dati dell’elenco collegato, gestione automatica dell’archiviazione, programmazione simbolica , programmazione funzionale, programmazione dinamica e programmazione orientata agli oggetti.

L’intelligenza artificiale può essere utilizzata per determinare potenzialmente lo sviluppatore di binari anonimi.

L’intelligenza artificiale può essere utilizzata per creare altri AI. Ad esempio, verso novembre 2017, il progetto AutoML di Google per l’evoluzione di nuove topologie di reti neurali ha creato NASNet, un sistema ottimizzato per ImageNet e COCO. Secondo Google, le prestazioni di NASNet hanno superato tutte le prestazioni di ImageNet pubblicate in precedenza.

Formazione scolastica
Ci sono un certo numero di aziende che creano robot per insegnare materie a bambini che vanno dalla biologia all’informatica, sebbene tali strumenti non siano ancora diffusi. Ci sono anche stati dei sistemi di tutoraggio intelligenti, o ITS, nell’istruzione superiore. Ad esempio, un ITS chiamato SHERLOCK insegna ai tecnici dell’Air Force di diagnosticare i problemi dei sistemi elettrici negli aerei. Un altro esempio è DARPA, Defense Advanced Research Projects Agency, che ha utilizzato l’intelligenza artificiale per sviluppare un tutor digitale per addestrare le sue reclute della Marina in abilità tecniche in un periodo di tempo più breve. Le università sono state lente nell’adottare le tecnologie IA a causa della mancanza di finanziamenti o dello scetticismo sull’efficacia di questi strumenti, ma nei prossimi anni più aule scolastiche utilizzeranno tecnologie come gli ITS per integrare gli insegnanti.

I progressi nell’elaborazione del linguaggio naturale, combinati con l’apprendimento automatico, hanno anche permesso la classificazione automatica degli incarichi e una comprensione basata sui dati delle esigenze di apprendimento dei singoli studenti. Ciò ha portato ad un’esplosione di popolarità dei MOOC, o dei Massive Open Online Courses, che consentono agli studenti di tutto il mondo di prendere lezioni online. I set di dati raccolti da questi sistemi di apprendimento online su larga scala hanno anche consentito l’analisi dell’apprendimento, che verrà utilizzata per migliorare la qualità dell’apprendimento su vasta scala. Esempi di come l’analisi dell’apprendimento può essere utilizzata per migliorare la qualità dell’apprendimento comprendono prevedere quali studenti sono a rischio di insuccesso e analizzare il coinvolgimento degli studenti.

Finanza
Trading algoritmico
Il trading algoritmico comporta l’uso di complessi sistemi di intelligenza artificiale per prendere decisioni di trading a velocità di diversi ordini di grandezza maggiori di quanto qualsiasi umano sia in grado di fare, spesso facendo milioni di scambi in un giorno senza alcun intervento umano. I sistemi di trading automatizzati sono generalmente utilizzati da grandi investitori istituzionali.

Analisi di mercato e data mining
Diverse grandi istituzioni finanziarie hanno investito in motori di intelligenza artificiale per assistere nelle loro pratiche di investimento. Il motore AI di BlackRock, Aladdin, viene utilizzato sia all’interno dell’azienda che ai clienti per aiutare nelle decisioni di investimento. La sua vasta gamma di funzionalità include l’uso dell’elaborazione del linguaggio naturale per leggere testi come notizie, rapporti di broker e feed di social media. Quindi valuta il sentimento delle società menzionate e assegna un punteggio. Banche come UBS e Deutsche Bank utilizzano un motore di intelligenza artificiale denominato Sqreem (Sequential Quantum Reduction and Extraction Model) in grado di estrarre dati per sviluppare profili di consumatori e abbinarli ai prodotti di gestione patrimoniale che preferirebbero. Goldman Sachs utilizza Kensho, una piattaforma di analisi del mercato che combina il calcolo statistico con i big data e l’elaborazione del linguaggio naturale. I suoi sistemi di apprendimento automatico vanno alla ricerca di dati sul web e valutano le correlazioni tra gli eventi mondiali e il loro impatto sui prezzi delle attività. L’estrazione di informazioni, parte dell’intelligenza artificiale, viene utilizzata per estrarre informazioni da feed di notizie in tempo reale e per aiutare nelle decisioni di investimento.

Finanza personale
Stanno emergendo diversi prodotti che utilizzano l’intelligenza artificiale per aiutare le persone con le loro finanze personali. Ad esempio, Digit è un’app basata su intelligenza artificiale che aiuta automaticamente i consumatori a ottimizzare le loro spese e risparmi in base alle loro abitudini e ai loro obiettivi personali. L’app può analizzare fattori come reddito mensile, saldo corrente e abitudini di spesa, quindi prendere le proprie decisioni e trasferire denaro sul conto di risparmio. Wallet.AI, un’imminente startup a San Francisco, costruisce agenti che analizzano i dati che un consumatore lascerebbe indietro, dai check-in degli smartphone ai tweet, per informare il consumatore sul loro comportamento di spesa.

Gestione del portafoglio
I robo-advisor stanno diventando sempre più utilizzati nel settore della gestione degli investimenti. I robo-consulenti forniscono consulenza finanziaria e gestione del portafoglio con un intervento umano minimo. Questa classe di consulenti finanziari si basa su algoritmi creati per sviluppare automaticamente un portafoglio finanziario in base agli obiettivi di investimento e alla tolleranza al rischio dei clienti. Può adattarsi ai cambiamenti in tempo reale nel mercato e calibrare di conseguenza il portafoglio.

Sottoscrizione
Un prestatore online, Upstart, analizza vaste quantità di dati dei consumatori e utilizza algoritmi di apprendimento automatico per sviluppare modelli di rischio di credito che prevedono la probabilità di default del consumatore. La loro tecnologia sarà concessa in licenza alle banche affinché possano sfruttare anche i loro processi di sottoscrizione.

ZestFinance ha sviluppato la propria piattaforma Zest Automated Machine Learning (ZAML) appositamente per la sottoscrizione del credito. Questa piattaforma utilizza l’apprendimento automatico per analizzare decine di migliaia di variabili tradizionali e non tradizionali (dalle transazioni di acquisto a come un cliente compila un modulo) utilizzate nel settore del credito per valutare i mutuatari. La piattaforma è particolarmente utile per assegnare punteggi di credito a quelli con storie di credito limitate, come i millennial.

Geografia ed ecologia
Un’applicazione è presentata da Papadimitriou (2012), in lingua Prolog, con riferimento ai paesaggi mediterranei.

Ricerca di lavoro
Il mercato del lavoro ha visto un cambiamento notevole a causa dell’implementazione dell’intelligence artificiale. Ha semplificato il processo sia per i reclutatori che per coloro che cercano lavoro (ad esempio, Google for Jobs e l’applicazione online). Secondo Raj Mukherjee di Indeed.com, il 65% delle persone avvia nuovamente una ricerca di lavoro entro 91 giorni dall’assunzione. Il motore basato su AI semplifica la complessità della ricerca del lavoro, gestendo le informazioni sulle competenze lavorative, i salari e le tendenze degli utenti, abbinando le persone alle posizioni più rilevanti. L’intelligenza artificiale calcola quali salari sarebbero appropriati per un particolare lavoro, richiama e mette in evidenza le informazioni di ripresa per i reclutatori che utilizzano l’elaborazione del linguaggio naturale, che estrae parole e frasi pertinenti dal testo utilizzando software specializzato. Un’altra applicazione è un builder di resume AI che richiede 5 minuti per compilare un CV invece di passare ore a fare lo stesso lavoro. Nei chatbots AI age assistono i visitatori del sito Web e risolvono i flussi di lavoro giornalieri. Gli strumenti rivoluzionari di intelligenza artificiale completano le competenze delle persone e consentono ai responsabili delle risorse umane di concentrarsi su compiti di priorità più elevata. Tuttavia, l’impatto dell’intelligenza artificiale sulla ricerca di lavoro suggerisce che entro il 2030 agenti e robot intelligenti possano eliminare il 30% del lavoro umano nel mondo. Inoltre, la ricerca dimostra che l’automazione sostituirà tra i 400 e gli 800 milioni di dipendenti. Il rapporto di ricerca di Glassdoor afferma che il reclutamento e le risorse umane dovrebbero vedere un’adozione molto più ampia dell’IA nel mercato del lavoro 2018 e oltre.

Industria pesante
I robot sono diventati comuni in molte industrie e spesso ricevono lavori considerati pericolosi per l’uomo. I robot si sono dimostrati efficaci in lavori che sono molto ripetitivi e che possono portare a errori o incidenti a causa della mancanza di concentrazione e di altri lavori che gli umani potrebbero trovare degradanti.

Nel 2014, Cina, Giappone, Stati Uniti, Repubblica di Corea e Germania insieme rappresentavano il 70% del volume totale delle vendite di robot. Nell’industria automobilistica, un settore con un grado particolarmente elevato di automazione, il Giappone ha la più alta densità di robot industriali al mondo: 1.414 per 10.000 dipendenti.

Ospedali e medicina
Le reti neurali artificiali sono utilizzate come sistemi di supporto decisionale clinico per la diagnosi medica, come nella tecnologia di elaborazione concettuale nel software EMR.

Altri compiti in medicina che possono essere potenzialmente eseguiti dall’intelligenza artificiale e che stanno iniziando a essere sviluppati includono:

Interpretazione assistita da computer di immagini mediche. Tali sistemi aiutano a scansionare immagini digitali, ad es. dalla tomografia computerizzata, per le apparenze tipiche e per evidenziare sezioni cospicue, come possibili malattie. Una tipica applicazione è il rilevamento di un tumore.
Analisi del suono cardiaco
Companion robots per la cura degli anziani
Estrarre cartelle cliniche per fornire informazioni più utili.
Progetta piani di trattamento.
Assistere in lavori ripetitivi compresa la gestione dei farmaci.
Fornire consultazioni.
Creazione di farmaci
Usare avatar al posto dei pazienti per l’allenamento clinico
Prevedere la probabilità di morte per procedure chirurgiche
Predire la progressione dell’HIV

Attualmente, ci sono oltre 90 startup AI nell’industria della salute che lavorano in questi campi.

La prima soluzione di IDx, IDx-DR, è il primo sistema diagnostico autonomo basato sull’intelligenza artificiale autorizzato dalla FDA per la commercializzazione.

Risorse umane e reclutamento
Un’altra applicazione dell’IA è nelle risorse umane e nello spazio di reclutamento. Ci sono tre modi in cui l’intelligenza artificiale viene utilizzata dalle risorse umane e dai professionisti del reclutamento. L’intelligenza artificiale è utilizzata per retrocedere e classificare i candidati in base al loro livello di qualifica. Ai è anche usato per prevedere il successo del candidato in determinati ruoli attraverso le piattaforme di corrispondenza di lavoro. E ora, AI sta implementando i robot di chat che possono automatizzare le attività di comunicazione ripetitive.

In genere, la ripresa dello screening coinvolge un reclutatore o altra scansione professionale delle risorse umane attraverso un database di curriculum. Ora le startup come Pomato, stanno creando algoritmi di machine learning per automatizzare i processi di screening del curriculum. L’analisi del curriculum vitae di Pomato si concentra sull’automazione della convalida dei candidati tecnici per le società di personale tecnico. L’IA di Pomato esegue oltre 200.000 calcoli su ciascun curriculum in secondi, quindi progetta un colloquio tecnico personalizzato basato sulle abilità estratte. KE Solutions, fondata nel 2014, ha sviluppato sistemi di raccomandazione per classificare i posti di lavoro per i candidati e classificare i curriculum per i datori di lavoro. jobster.io, sviluppato da KE Solutions, utilizza la ricerca basata sui concetti e ha aumentato l’accuratezza dell’80% rispetto all’ATS tradizionale. Aiuta i reclutatori a superare le barriere tecniche.

Dal 2016 al 2017, la società di beni di consumo Unilever ha utilizzato l’intelligenza artificiale per esaminare tutti i dipendenti di livello base. L’intelligenza artificiale di Unilever ha utilizzato giochi basati sulla neuroscienza, interviste registrate e analisi facciali / vocali per prevedere il successo delle assunzioni. Unilever ha collaborato con Pymetrics e HireVue per consentire il suo nuovo screening basato sull’intelligenza artificiale e aumentato i loro candidati da 15.000 a 30.000 in un solo anno. Reclutare con l’IA ha anche prodotto “la classe più diversificata fino ad oggi” di Unililever. Unilever ha anche diminuito il tempo di assunzione da 4 mesi a 4 settimane e ha risparmiato oltre 50.000 ore di tempo da reclutatore.

Dalla ripresa dello screening alla neuroscienza, al riconoscimento vocale e all’analisi facciale … è chiaro che l’IA sta avendo un enorme impatto sul campo delle risorse umane. Un altro sviluppo nell’IA è il reclutamento di chatbot. TextRecruit, una startup della Bay Area, ha rilasciato Ari (interfaccia di reclutamento automatizzata). Ari è un chatbot di reclutamento progettato per contenere conversazioni di messaggi di testo bidirezionali con i candidati. Ari automatizza la pubblicazione dei lavori, apre le pubblicità, seleziona i candidati, pianifica le interviste e alimenta le relazioni con gli aggiornamenti mentre procedono lungo la canalizzazione di assunzione. Ari è attualmente offerto come parte della piattaforma di coinvolgimento dei candidati di TextRecruit.

Marketing
I settori del marketing e dell’intelligenza artificiale convergono in sistemi che assistono in settori quali la previsione del mercato e l’automazione dei processi e dei processi decisionali, oltre a una maggiore efficienza dei compiti che di solito vengono eseguiti dagli esseri umani. La scienza alla base di questi sistemi può essere spiegata attraverso reti neurali e sistemi esperti, programmi per computer che elaborano input e forniscono un utile output per i marketer.

I sistemi di intelligenza artificiale derivati ​​dalla tecnologia di social computing possono essere applicati per comprendere i social network sul Web. Le tecniche di data mining possono essere utilizzate per analizzare diversi tipi di social network. Questa analisi aiuta un marketer a identificare attori o nodi influenti all’interno delle reti, informazioni che possono quindi essere applicate per adottare un approccio di marketing sociale.

Media
Alcune applicazioni AI sono orientate verso l’analisi di contenuti multimediali audiovisivi come film, programmi TV, video pubblicitari o contenuti generati dagli utenti. Le soluzioni spesso implicano la visione artificiale, che è una delle principali aree di applicazione dell’IA.

Gli scenari di casi tipici di utilizzo includono l’analisi di immagini mediante il riconoscimento di oggetti o tecniche di riconoscimento facciale o l’analisi di video per il riconoscimento di scene, oggetti o volti rilevanti. La motivazione per l’utilizzo dell’analisi dei media basata sull’intelligenza artificiale può essere – tra le altre cose – la facilitazione della ricerca multimediale, la creazione di un insieme di parole chiave descrittive per un elemento multimediale, il monitoraggio delle politiche dei contenuti multimediali (come la verifica dell’idoneità del contenuto per un particolare Tempo di visione della TV), sintesi vocale per archiviazione o altri scopi e rilevamento di loghi, prodotti o volti celebrità per il posizionamento di annunci pubblicitari pertinenti.

Analisi dei media Le aziende AI forniscono spesso i propri servizi tramite un’API REST che consente l’accesso automatico basato su computer alla tecnologia e consente la lettura automatica dei risultati. Ad esempio, IBM, Microsoft, Amazon e la società di video AI Valossa consentono l’accesso alla loro tecnologia di riconoscimento multimediale utilizzando le API RESTful.

Musica
Mentre l’evoluzione della musica è sempre stata influenzata dalla tecnologia, l’intelligenza artificiale ha consentito, attraverso i progressi scientifici, di emulare, in una certa misura, una composizione simile a quella umana.

Tra i primi sforzi notevoli, David Cope ha creato un’IA chiamata Emily Howell che è riuscita a diventare ben nota nel campo della Algorithmic Computer Music. L’algoritmo dietro a Emily Howell è registrato come brevetto statunitense.

L’AI Iamus ha creato il 2012 il primo album classico completo composto da un computer.

Altri sforzi, come AIVA (Artificial Intelligence Virtual Artist), si concentrano sulla composizione di musica sinfonica, principalmente musica classica per colonne sonore. Ha raggiunto un primato mondiale diventando il primo compositore virtuale ad essere riconosciuto da un’associazione professionale musicale.

Le intelligenze artificiali possono persino produrre musica utilizzabile in ambito medico, con lo sforzo di Melomics di utilizzare la musica generata dal computer per lo stress e il sollievo dal dolore.

Inoltre, iniziative come Google Magenta, condotte dal team di Google Brain, vogliono scoprire se un’intelligenza artificiale può essere in grado di creare arte avvincente.

Al Sony CSL Research Laboratory, il loro software Flow Machines ha creato canzoni pop imparando gli stili musicali da un enorme database di canzoni. Analizzando combinazioni uniche di stili e tecniche di ottimizzazione, può comporre in qualsiasi stile.

Un altro progetto di composizione musicale di intelligenza artificiale, The Watson Beat, scritto da IBM Research, non ha bisogno di un enorme database di musica come i progetti Google Magenta e Flow Machines, poiché utilizza Reinforcement Learning e Deep Belief Networks per comporre musica su un semplice seme input melody e uno stile selezionato. Dal momento che il software è stato open source musicisti, come Taryn Southern hanno collaborato con il progetto per creare musica.

Notizie, pubblicazione e scrittura
La compagnia Narrative Science rende disponibili in commercio le notizie e le relazioni generate da computer, tra cui riassumendo eventi sportivi di squadra sulla base di dati statistici del gioco in inglese. Crea anche relazioni finanziarie e analisi immobiliari. Allo stesso modo, la società Automated Insights genera riepiloghi personalizzati e anteprime per Yahoo Sports Fantasy Football. Si prevede che la compagnia generi un miliardo di storie nel 2014, rispetto ai 350 milioni del 2013.

Echobox è una società di software che aiuta gli editori a incrementare il traffico pubblicando “in modo intelligente” articoli su piattaforme di social media come Facebook e Twitter. Analizzando grandi quantità di dati, si impara come il pubblico specifico risponde a diversi articoli in diversi momenti della giornata. Quindi sceglie le migliori storie da pubblicare e i momenti migliori per pubblicarle. Utilizza sia i dati storici che quelli in tempo reale per comprendere ciò che ha funzionato bene in passato e ciò che è attualmente di tendenza sul web.

Un’altra società, chiamata Yseop, utilizza l’intelligenza artificiale per trasformare i dati strutturati in commenti e raccomandazioni intelligenti in linguaggio naturale. Yseop è in grado di scrivere resoconti finanziari, riepiloghi esecutivi, documenti personalizzati di vendita o di marketing e altro a una velocità di migliaia di pagine al secondo e in più lingue tra cui inglese, spagnolo, francese e amp; Tedesco.

Boomtrain è un altro esempio di intelligenza artificiale che è stato progettato per imparare come coinvolgere al meglio ogni singolo lettore con gli articoli esatti – inviati attraverso il canale giusto al momento giusto – che saranno più rilevanti per il lettore. È come assumere un editor personale per ogni singolo lettore per curare l’esperienza di lettura perfetta.

C’è anche la possibilità che l’intelligenza artificiale scriva lavoro in futuro. Nel 2016 un’IA giapponese ha co-scritto un racconto e quasi vinto un premio letterario.

Servizio clienti online e telefonico
L’intelligenza artificiale è implementata in assistenti online automatizzati che possono essere visti come avatar sulle pagine web. Può essere utile alle imprese per ridurre i costi operativi e di formazione. Una delle principali tecnologie alla base di tali sistemi è l’elaborazione del linguaggio naturale. Pypestream utilizza il servizio clienti automatizzato per la sua applicazione mobile progettata per semplificare la comunicazione con i clienti.

Attualmente, le grandi aziende stanno investendo in AI per gestire i clienti difficili in futuro. Lo sviluppo più recente di Google analizza il linguaggio e converte il parlato in testo. La piattaforma può identificare i clienti arrabbiati attraverso il loro linguaggio e rispondere in modo appropriato.

sensori
L’Intelligenza Artificiale è stata combinata con molte tecnologie di sensori, come Digital SpectrometryTM di IdeaCuria Inc. che consente molte applicazioni come il monitoraggio della qualità dell’acqua a casa.

Manutenzione delle telecomunicazioni
Molte società di telecomunicazioni utilizzano la ricerca euristica nella gestione della propria forza lavoro, ad esempio BT Group ha implementato la ricerca euristica in un’applicazione di pianificazione che fornisce gli orari di lavoro di 20.000 ingegneri.

Giocattoli e giochi
Gli anni ’90 videro alcuni dei primi tentativi di produrre in serie tipi di Intelligenza Artificiale di base per l’istruzione o il tempo libero. Questo ha avuto un grande successo con la rivoluzione digitale e ha aiutato le persone, specialmente i bambini, a dedicarsi a vari tipi di Intelligenza Artificiale, in particolare nella forma di Tamagotchis e Giga Pets, iPod Touch, Internet e il primo robot ampiamente rilasciato , Furby. Un anno dopo un nuovo tipo di robot domestico è stato rilasciato sotto forma di Aibo, un cane robotizzato con caratteristiche intelligenti e autonomia.

Aziende come Mattel hanno creato un assortimento di giocattoli abilitati all’IA per bambini di appena tre anni. Utilizzando i motori di intelligenza artificiale proprietari e gli strumenti di riconoscimento vocale, sono in grado di capire le conversazioni, dare risposte intelligenti e imparare rapidamente.

L’intelligenza artificiale è stata applicata anche ai videogiochi, ad esempio i robot dei videogiochi, progettati per resistere come avversari in cui gli umani non sono disponibili o desiderati.

Trasporti
I controller a logica fuzzy sono stati sviluppati per cambi automatici nelle automobili. Ad esempio, Audi TT del 2006, VW Touareg e VW Caravell presentano la trasmissione DSP che utilizza Fuzzy Logic. Alcune varianti Škoda (Škoda Fabia) includono anche un controller basato su Fuzzy Logic.

Le auto di oggi dispongono ora di funzioni di assistenza alla guida basate su AI come il parcheggio automatico e i controlli avanzati della velocità di crociera. AI è stato utilizzato per ottimizzare le applicazioni di gestione del traffico, che a sua volta riduce i tempi di attesa, l’uso di energia e le emissioni fino al 25 percento. In futuro, saranno sviluppate auto completamente autonome. Si prevede che l’IA nel trasporto fornisca un trasporto sicuro, efficiente e affidabile riducendo al minimo l’impatto sull’ambiente e sulle comunità. La sfida principale per lo sviluppo di questa IA è il fatto che i sistemi di trasporto sono sistemi intrinsecamente complessi che coinvolgono un numero molto elevato di componenti e parti differenti, ciascuno con obiettivi diversi e spesso contrastanti.

Altro
Vari strumenti di intelligenza artificiale sono anche ampiamente utilizzati in sicurezza nazionale, riconoscimento vocale e di testo, data mining e filtraggio dello spam tramite e-mail. Sono inoltre in fase di sviluppo applicazioni per il riconoscimento dei gesti (comprensione del linguaggio dei segni da parte delle macchine), riconoscimento vocale individuale, riconoscimento vocale globale (da una varietà di persone in una stanza rumorosa), riconoscimento dell’espressione facciale per interpretazione di emozioni e segnali non verbali. Altre applicazioni sono la navigazione del robot, l’evitamento degli ostacoli e il riconoscimento degli oggetti.

Elenco di applicazioni

Problemi tipici a cui sono applicati i metodi di intelligenza artificiale
Riconoscimento ottico dei caratteri
Riconoscimento della calligrafia
Riconoscimento vocale
Riconoscimento facciale
Creatività artificiale
Computer vision, realtà virtuale e elaborazione delle immagini
Manipolazione di foto e video
Diagnosi (intelligenza artificiale)
Teoria dei giochi e pianificazione strategica
Gioco di intelligenza artificiale e gioco per computer
Elaborazione del linguaggio naturale, traduzione e Chatterbots
Controllo non lineare e robotica

Altri campi in cui sono implementati i metodi di intelligenza artificiale
Vita artificiale
Ragionamento automatico
Automazione
Informatica biologicamente ispirata
Concetto di mining
Estrazione dei dati
Rappresentazione della conoscenza
Web semantico
Filtro antispam dell’e-mail
Robotica
Robotica basata sul comportamento
conoscitivo
Cibernetica
Robotica evolutiva (epigenetica)
Robotica evolutiva
Sistema intelligente ibrido
Agente intelligente
Controllo intelligente
lite