Avsnitt
-
Quali sono i ruoli del team di intelligenza artificiale ?
Estratto dall'Articolo di Imola Damiano.
L’Intelligenza artificiale ha fatto passi da gigante negli ultimi decenni e proprio per questo, si è vista una forte crescita dell’interesse popolare in merito a questo settore.
Di pari passo, le aziende si sono dovute adattare al cambiamento, infatti possiamo osservare che le cosiddette Big Tech, ovvero i giganti tecnologici che “monopolizzano” il settore IT investono sempre più in questo settore; si è quindi sviluppata la necessità di assumere personale sempre più preparato, che poi andrà a formare il Team A.I. dell’azienda in questione.
Ma vi siete mai chiesti quali sono le figure ricercate e di cosa si occupano?
Andiamole a vedere... -
Iniziamo con una semplice, e passatemi il termine banale, definizione: con l'espressione "big data" si intende una grande mole o quantità di dati.
Fino a quì i big data sembrano scontati e noiosi, sono solo tanti dati.
Se ci soffermiamo però a pensare sulla parola grande o big ci renderemo conto che i big data non sono poi cosi scontati e noiosi. La grande mole di informazioni che arriva alle varie aziende o organizzazioni attraverso internet, non per bellezza, viene chiamato il nuovo petrolio.
Ascolta il podcast per saperne di più o visita IntelligenzaArtificialeItalia.net -
Saknas det avsnitt?
-
I dati
Sapevate che i dati hanno raggiunto, se non superato, il prezzo del petrolio.
Come abbiamo visto grazie alla grande capacità computazionale ( di calcolo ) offerta dai computer è possibile elaborare tutti questi dati, fare stime, prendere decisioni.
Tutto questo è stato realizzabile solo dopo la nascita di internet e dei social network, l'International Data Corporation ha stimato che entro il 2024 il mondo avrà prodotto all'incirca 165 Zettabyte ( 1 Zettabyte = 1 trilione di Gigabyte ) di dati. -
l' intelligenza artificiale, in modo molto silenzioso e veloce, è entrata a far parte della nostra quotidianità. Ci basta pensare alle azioni più comuni (ad esempio la scelta del tragitto ottimale oppure al filtro che riconosce se una mail o messaggio sia di SPAM o meno ) alle quali ad oggi non c'è più dietro un pensiero/ragionamento di una persona ma un algoritmo insieme a uno o più modelli predittivi che prendono decisioni con pochi ( in alcuni casi senza ) controlli di persone.
Ad oggi non vi è una vera e propria definizione in grado di definire in tutte le sue particolarità l'intelligenza artificiale, per questo è stato inventato un Teorema, il quale enuncia : " L' Intelligenza Artificiale è tutto ciò che non è ancora stato fatto ".
E' possibile trovare molte definizioni anche tra di loro contrastanti sull'intelligenza artificiale, le quali però raffigurano in parte una branchia/ramo dell' intelligenza artificiale ma non è su questo che vogliamo concentrarci in questo episodio.
Concentriamoci però sul provare a classificare l' AI in due generiche classi :
1)Intelligenza artificiale Debole
2)Intelligenza artificiale Forte
Vediamo subito le principali differenze tra queste due categorie.
Grazie mille per l'ascolto, tu cosa ne pensi di questa divisione dell'intelligenza artificiale? Facci sapere nei commenti sul sito intelligenza artificiale italia.net -
Jean Francois Puget, del dipartimento di machine learning di IBM, ha espresso la sua opinione " Python è il linguaggio più popolare per AI e ML " e lo ha basato sui risultati di una ricerca su Indeed.com .
Secondo il grafico di Francois Puget, Python è il principale linguaggio di codice per AI e ML.
Ho condotto alcune ricerche sui punti di forza di Python e ho scoperto perché dovresti optare per Python quando dai vita ai tuoi progetti AI e ML.
Vediamo 3 Motivi per cui Python negli anni ha prevalso sugli altri linguaggi
1. Librerie Open-Source
Una grande scelta di librerie è uno dei motivi principali per cui Python è il linguaggio di programmazione più popolare utilizzato per l'IA. Una libreria è un modulo o un gruppo di moduli pubblicati da diverse fonti come PyPi che includono un pezzo di codice pre-scritto che consente agli utenti di raggiungere alcune funzionalità o eseguire azioni diverse. Le librerie Python forniscono elementi di livello base in modo che gli sviluppatori non debbano codificarli dall'inizio ogni volta.
Il machine learning richiede un'elaborazione continua dei dati e le librerie di Python ti consentono di accedere, gestire e trasformare i dati.
Nel repository PyPI , puoi scoprire e confrontare più librerie Python.
2. E' semplice
Lavorare nel settore ML e AI significa gestire una serie di dati che è necessario elaborare nel modo più conveniente ed efficace.Il fatto che sia semplice consente a più persone di impararlo rapidamente e iniziare a utilizzarlo per lo sviluppo di intelligenza artificiale senza sprecare troppi sforzi nell'apprendimento del linguaggio.
Il linguaggio di programmazione Python assomiglia alla lingua inglese e questo semplifica il processo di apprendimento. La sua semplice sintassi consente di lavorare comodamente con sistemi complessi, garantendo relazioni chiare.
3. Multi-Piattaforma
Python non è solo comodo da usare e facile da imparare, ma anche molto versatile. Ciò che intendiamo è che Python per lo sviluppo di machine learning può essere eseguito su qualsiasi piattaforma, inclusi Windows, MacOS, Linux, Unix e altre. Per trasferire il processo da una piattaforma all'altra, gli sviluppatori devono implementare diverse modifiche su piccola scala e modificare alcune righe di codice per creare una forma di codice eseguibile per la piattaforma scelta. Gli sviluppatori possono utilizzare pacchetti come PyInstaller per preparare il codice per l'esecuzione su piattaforme diverse.
Ancora una volta, questo consente di risparmiare tempo e denaro per i test su varie piattaforme e rende il processo complessivo più semplice e conveniente.
Python offre molte funzionalità utili in particolare per AI e ML, e questo lo rende il linguaggio migliore per questi scopi. Non c'è da stupirsi che vari settori utilizzino Python per previsioni e altre attività di apprendimento automatico.
Grazie per l'ascolto
