Il ruolo del system integrator è quello di creare progetti utili al proprio cliente scegliendo le soluzioni giuste per le sue necessità. Se sei un integratore di sistemi dunque hai un ruolo centrale nella scelta delle tecnologie e nella creazione di un progetto davvero innovativo. In sostanza devi conoscere tutte le opportunità per poter creare un sistema a misura del tuo cliente. Proprio per aiutarti in questa fase, ti spieghiamo cos’è l’analisi predittiva e come può essere determinante nei tuoi progetti.

Cos’è l’analisi predittiva

È una tecnologia basata sull’Intelligenza Artificiale con la quale gli imprenditori e i manager possono prevedere gli eventi futuri grazie all’analisi dei dati storici.

L’analisi predittiva permette di estrarre correlazioni da grossi quantitativi di dati, una cosa che sarebbe impossibile da fare con una tecnologia tradizionale o semplicemente facendo analizzare delle tabelle excel da una persona.

Dunque serve al cliente se tra i suoi obiettivi c’è quello di riuscire a prendere decisioni con più facilità sulla base dei dati esistenti. Infatti l’analisi predittiva è uno strumento molto utile a ogni imprenditore perché può coinvolgere anche più aree dell’azienda. Per lo stesso motivo può essere fondamentale nel lavoro dei manager.

Esempi di cosa può fare l’analisi predittiva

Con questa tecnologia puoi fare previsioni sul fatturato di un’azienda, aiutando chi deve prendere decisioni in merito agli investimenti futuri.

Con l’analisi predittiva puoi comprendere meglio il comportamento d’acquisto dei consumatori, dunque è utile a tutti i manager che lavorano, per esempio, nella grande distribuzione.

Infine, anche il settore finanziario può trarre vantaggio dall’applicazione dell’analisi predittiva perché aiuta a identificare in anticipo le transazioni fraudolente e le informazioni false.

Come puoi sapere se l’analisi predittiva può essere inserita nel tuo progetto?

Prima di parlare di progettazione è sempre necessario verificare che la soluzione sia applicabile alla situazione specifica, dunque proprio al tuo cliente e ai suoi bisogni.

Per fare questo puoi rivolgerti a noi di Elmat. Grazie alla partnership con BlueTensor coinvolgiamo un team di sviluppatori che esegue un’attenta e accurata Analisi di Fattibilità  (detta anche POC, Proof of Concept). In questo modo sapremo se la tua idea è concretamente realizzabile e come. Solitamente per concludere questa analisi ci vogliono circa 30 giorni, pertanto considera anche le tempistiche del tuo progetto.

Considera che più dati strutturati ci sono, più la previsione sarà precisa e vicina alla realtà. Ciò significa che puoi scegliere questa tecnologia solo per i clienti che hanno a disposizione una grande quantità di dati, meglio se ben organizzati.

La prima cosa da fare per avviare il POC è avere obiettivi concreti e misurabili oltre che sapere con precisione quanto dovrà durare il tempo di realizzazione del progetto di AI. Se credi di avere un progetto in cui l’analisi predittiva si integra alla perfezione oppure se un cliente ti ha fatto una specifica richiesta, contattaci. I nostri esperti ti daranno tutto il supporto che cerchi fin dalle fasi iniziali del tuo progetto.

L'articolo Analisi predittiva: una guida per il system integrator sembra essere il primo su Elmat Blog.

Vedremo cos’è la computer vision (ma se lo sai già, puoi andare direttamente al paragrafo successivo). Poi capiremo quali sono i contesti in cui può essere applicata, così puoi già pensare a quali clienti puoi proporla. Alla fine dell’articolo, faremo un breve accenno alle modalità di implementazione.

Cos’è la computer vision?

La computer vision è un campo dell’intelligenza artificiale che ha l’obiettivo di dare alle macchine la capacità di interpretare e comprendere le immagini. Per rendere il concetto semplice, si può dire che grazie alla computer vision, le macchine possono “vedere”.

Con la computer vision, dunque, le macchine riescono ad analizzare visivamente l’ambiente circostante o un oggetto specifico e per poi estrarre informazioni utili.

Queste informazioni sono poi elaborate sotto forma di dati da dare al sistema, il quale le usa per svolgere azioni specifiche, come per esempio, un controllo o un riconoscimento.

Vediamo allora quali sono queste azioni.

Computer vision: quali sono le applicazioni?

La computer vision ti consente di creare progetti innovativi e di immaginare soluzioni su misura per il tuo cliente. Ecco     qualche spunto che può esserti utile.

Controllo qualità con la computer vision

Puoi creare sistemi automatici che rilevino le anomalie nella produzione in serie. Questi superano i sistemi di visione più tradizionali perché non identificano solo il problema ma apprendono man mano che la rilevazione procede.

In ambito industriale puoi identificare:

• i pezzi da scartare;
• il tipo e l’entità dell’anomalia;
• la causa che l’ha prodotta.

La computer vision per riconoscere le patologie

L’idea è quella di affinare le cure a partire dai dati diagnostici, che spesso sono proprio immagini mediche. Con la computer vision è possibile “allenare” le macchine a diagnosticare la malattia per aiutare il medico a individuare il trattamento migliore.

Individuare le frodi assicurative con la computer vision

Alcune agenzie di assicurazioni stanno mettendo a punto sistemi automatici per il riconoscimento delle frodi: la macchina analizza automaticamente le immagini per scovare dei pattern, dei comportamenti ripetitivi che possono indicare che si è davanti a una richiesta di rimborso falsa.

La computer vision nelle smart cities

Far analizzare le immagini di videosorveglianza a un sistema intelligente significa saper riconoscere i movimenti delle persone o dei veicoli che di solito precedono un furto o un crimine specifico. Così le forze dell’ordine possono intervenire ancora più tempestivamente e aumentare il livello di sicurezza in città.

Come implementare la computer vision?

La pratica può essere diversa a seconda del software che si sceglie e per questo ti indichiamo il percorso che è possibile intraprendere con i nostri partner di BlueTensor. La loro soluzione funziona in tre passaggi:

1. acquisizione dell’immagine;
2. processo dell’immagine;
3. analisi dell’immagine per stabilire la reazione che dovrebbe avere la macchina.

Per fare questo è necessario dare al software un buon numero di immagini perché possa imparare a riconoscere ciò che serve al cliente.

Se questo ha già un sistema di riconoscimento delle immagini (come per esempio una telecamera con AI o dei macchinari che producono immagini specifiche come quelle diagnostiche) allora ha già anche una buona quantità di immagini di partenza (che di solito sta tra le 1000 e le 2000 immagini).

Se il cliente, invece, non ha un sistema di riconoscimento e non ha immagini, l’implementazione richiederà più tempo perché sarà necessario acquisirne una quantità minima per poter mettere in funzione la soluzione.

Hai avuto un’idea per l’implementazione della computer vision? Hai un cliente che potrebbe essere interessato a questi campi di applicazione? Scrivici per essere contattato dai nostri specialisti: sapranno darti supporto nella realizzazione del progetto.

L'articolo Computer vision: tutto ciò che un system integrator deve sapere sembra essere il primo su Elmat Blog.

La previsione 9 crimini su 10 è il risultato ottenuto dal modello di AI messo a punto da cinque studiosi e autori di uno studio pubblicato su Nature Human Behaviour.

Gli scienziati dell’Università di Chicago hanno sviluppato un nuovo algoritmo che prevede la criminalità apprendendo modelli nel tempo e nello spazio e servendosi dei dati pubblici sui crimini violenti e contro il patrimonio. Il modello generato prevede i crimini futuri con una settimana di anticipo e con una precisione di circa il 90%.

Quali crimini prevede questo algoritmo?

Lo strumento è stato testato e convalidato utilizzando i dati storici della città di Chicago relativi a due grandi categorie di crimini: quelli violenti (omicidi e aggressioni) e quelli contro il patrimonio (diversi tipi di furti, compresi quelli con scasso e i furti di veicoli a motore). Gli studiosi hanno scelto queste due categorie perché è più probabile che i relativi crimini vengano denunciati alla polizia anche nelle aree urbane dove vi è sfiducia storica e mancanza di cooperazione con le forze dell’ordine. Inoltre, questi crimini risentono meno dei pregiudizi rispetto ai reati minori.

Come funziona il modello di AI che prevede i crimini?

Gli studiosi sono partiti dall’osservazione delle coordinate spaziali e temporali degli eventi compresi nelle due categorie di crimini viste sopra. L’algoritmo che hanno messo a punto deduce modelli di occorrenze di eventi passati e costruisce una rete comunicante (la Rete Granger) per prevedere future infrazioni.

La città di Chicago, dalla quale hanno iniziato, è stata divisa in tessere spaziali larghe circa 300 metri in modo da prevedere la criminalità all’interno di queste aree invece di agire sui quartieri tradizionali o sui confini politici, anch’essi soggetti a pregiudizi. Il modello ha funzionato bene tanto da riprodurlo anche con i dati di altre sette città degli Stati Uniti: Atlanta, Austin, Detroit, Los Angeles, Philadelphia, Portland e San Francisco.

Qual è il valore che deriva dalla previsione dei crimini?

L’obiettivo che si sono posti gli studiosi è stato quello di riconcettualizzare il processo di previsione del crimine. Infatti si è tenuto conto dei pregiudizi con lo scopo di creare un metodo migliore.

Non si tratta solo di previsione, tanto che i ricercatori intendono andare oltre. Oltre a prevedere  quando e dove avverrà un crimine, il modello di AI consente di controllare la criminalità per ottenere una visione approfondita della natura dei processi dinamici che coinvolgono la polizia e la criminalità negli spazi urbani.

“I modelli spaziali ignorano la topologia naturale della città” afferma il sociologo e coautore James Evans. “Le reti di trasporto rispettano strade, passerelle, treni e autobus e le reti di comunicazione rispettano aree con un background socio-economico simile. Il nostro modello consente la scoperta di queste connessioni”. L’AI, non scopre solo i criminali, ma anche le iperconnessioni di una città, permettendo così di studiare e di prevedere ancora di più gli eventi di questo tipo.

Ciò significa che l’AI è uno strumento che rivela sempre più potenzialità, man mano che la si applica a nuovi contesti. Anche per questo noi di Elmat collaboriamo con BlueTensor, realtà italiana che propone diverse soluzioni di intelligenza artificiale e con la quale applichiamo l’AI ai progetti ideati dai system integrator. Se vuoi saperne di più, contattaci.

L'articolo L’AI prevede i crimini con un’accuratezza mai vista prima sembra essere il primo su Elmat Blog.

Questi incentivi ai progetti di Digital Transformation possono essere d’aiuto a quelle aziende che vogliono mettere in atto un cambiamento radicale, integrando la tecnologia digitale in tutte le sue aree. Si tratta di adottare l’innovazione, di capire quale progetto è più utile allo sviluppo aziendale. E per fare questo, le aziende devono essere consapevoli di quali siano i trend di Digital Transformation previsti per il 2020.

Data Mining, AI e Machine Learning
Blockchain
IoT
Cloud
AI conversazionale

Data Mining, AI e Machine Learning

I dati sono fondamentali per le aziende perché aiutano a prendere le decisioni migliori in ogni area: vendite, acquisti, strategia, risorse umane… Grazie al data mining, le aziende possono avere a disposizione una grande quantità di dati che possono essere analizzati usando l’AI e il Machine Learning per fare analisi predittive, migliorare i propri processi e innovare. Oggi le aziende utilizzano una bassissima percentuale dei dati che possiedono ma il trend è in crescita perché si prevede che la percentuale di dati che si userà in futuro sarà sempre più alta.

Blockchain

La blockchain ormai non è più una novità infatti ciò che è interessante sarà la sua evoluzione, ovvero come sarà utilizzata dalle aziende. Si tratta di capire come sfruttare il vero potenziale della blockchain per realizzare nuovi ecosistemi e modelli di business. Un esempio è l’uso che ne fa Kodak, che sta creando una piattaforma per i diritti di immagine basata sulla blockchain.

IoT

Il numero di dispositivi connessi a internet è in aumento. Questo significa che i sensori IoT raccolgono una considerevole mole di dati preziosi per le aziende. Allo stesso tempo, queste ultime comprendono il valore dei dati e la necessità di analizzarli per trarne conclusioni utili a livello strategico. Insomma, finalmente le aziende stanno capendo quale sia il risvolto positivo di questa tecnologia e si stanno organizzando per studiare i dati e trasformarli in vantaggio competitivo.

Cloud

Il cloud è strettamente correlato a tutti questi trend: le aziende hanno bisogno di più spazio per una quantità di dati che continua a crescere e hanno bisogno di infrastrutture sempre più potenti e performanti. Si conferma anche l’ascesa di PaaS (Platform as a Service), IaaS (Infrastructure as a Service) e SaaS (Software as a Service).

AI conversazionale

Queste tecnologie sono ancora lontane dall’essere perfette: non riescono a seguire conversazioni complesse e a capire le sfumature di emozioni del linguaggio umano. Nel 2020 si migliorerà ma non ancora in maniera epocale. Quello che invece identifica l’AI conversazionale come un trend in crescita è l’utilizzo sempre maggiore delle interfacce utente vocali. Non stiamo parlando solo dell’uso consumer di Amazon Alexa, Google e Siri, ma anche dell’inizio di un utilizzo B2B. Probabilmente l’interfaccia utente conversazionale verrà adottata sui sistemi aziendali esistenti, come le piattaforme IaaS.

Questi 5 trend di Digital Transformation possono trasformarsi in progetti interessanti che mirano a dare uno sviluppo positivo alle aziende. Certo, bisogna adattarsi al cambiamento ma è di sicuro il primo passo per innovarsi e per andare oltre i propri limiti. E gli incentivi sulla Digital Transformation sono di certo un ottimo stimolo per iniziare questo percorso.

L'articolo Conoscere i trend di Digital Transformation per sviluppare progetti innovativi vincenti sembra essere il primo su Elmat Blog.

Le macchine imparano in modo autonomo partendo non da una lista di regole predefinite, ma da un modello e da istruzioni attraverso le quali apprendere le regole giuste per risolvere il problema in questione. Il training nel riconoscimento di pattern a partire da grandi quantità di dati permette alla macchina di prevedere i dati futuri. Per capirne di più, trovate un’infografica dinamica esemplificativa qui.

Sundai Pichar, CEO di Google, sostiene che “stiamo transitando da un mondo mobile first ad un mondo AI first”. In parole povere, i software, le applicazioni e i sistemi operativi del futuro si fonderanno sull’Intelligenza Artificiale per rispondere al meglio alle necessità degli utenti. In realtà già oggi molte di queste tecniche migliorano la nostra vita. Sono utilizzate per combattere lo spam e le frodi con carte di credito, per operare previsioni economiche e finanziarie, per il riconoscimento vocale e della scrittura manuale, per la classificazione automatica delle immagini, per comprendere i nostri gusti e dare suggerimenti, per migliorare il newsfeed e i risultati di ricerca.

In questo ampio scenario la domanda che possiamo porci è: come e quanto può cambiare il modo di fare impresa grazie all’utilizzo sempre più diffuso di Intelligenza Artificiale e Machine Learning? Werner Wogels, CTO di Amazon ha affermato che “non c’è mai stato un momento migliore di oggi per sviluppare applicazioni smart e usarle”. Per diversi motivi. Primo: c’è la disponibilità di una massa critica di dati perché gli utenti di tutto il mondo registrano dati in modo digitale. Secondo: c’è sufficiente capacità di cloud computing per tutte le aziende, indipendentemente dalla loro dimensione, per poter utilizzare applicazioni intelligenti. Terzo: è possibile allenare miliardi e miliardi di algoritmi simultaneamente, rendendo i processi di Machine Learning molto veloci.

Dunque il futuro delle imprese prevede l’implementazione di servizi, framework e tool di AI e ML oltre a una digitalizzazione sempre più diffusa e pervasiva. Sono già numerose le start-up che usano algoritmi di AI per qualsiasi cosa: per cercare tumori all’interno di immagini mediche, per aiutare le persone a imparare le lingue straniere o per automatizzare la gestione dei reclami delle compagnie assicurative. Intelligenza Artificiale e Machine Learning offrono quindi possibilità affascinanti. Se inseriti nei modelli di business queste applicazioni possono rendere la vita più semplice e – perché no? – anche più sicura. Le macchine possono quindi sostituire l’uomo in molti compiti, ma non bisogna pensare che questo li renda superflui: come afferma Wogles, la ML servirà per “ottenere maggior libertà personale ed economica, più tempo per le relazioni interpersonali, per la nostra creatività e per qualunque cosa noi umani possiamo fare meglio delle macchine”.

L'articolo Cosa ci riserva il futuro? Il focus sul machine learning sembra essere il primo su Elmat Blog.