AS 1

Automazione e Strumentazione n Gennaio - Febbraio 2024 Approfondimenti 35 INDAGINE grado di eseguire operazioni più complesse, seppur lontane dalla generazione di contenuti creativi. Negli anni 70 e 80, l’informatica esplora l’idea di macchine in grado di generare testi e simboli. Negli anni 90, con l’avvento dei computer più potenti e dell’appren- dimento automatico, è stato possibile utilizzare l’AI per generare immagini e suoni. La svolta decisiva nell’evoluzione dell’AI generativa è stata l’introduzione del Deep Learning nei primi anni 10 del ventunesimo secolo. Questo approccio ha permesso alle reti neurali di apprendere da enormi quantità di dati e di riconoscere modelli complessi. Nel corso degli ultimi anni, l’AI generativa è diven- tata sempre più sofisticata. Gli algoritmi sono in grado di generare immagini fotorealistiche di oggetti o persone e di generare testi difficilmente distingui- bili da quelli scritti dagli esseri umani. Dalla fine del 2022 l’AI generativa è sotto i riflettori globali gra- zie al lancio di ChatGPT , uno stupefacente chatbot capace di interazioni ‘umane’, sviluppato dal labora- torio di ricerca OpenAI . Scenari e mercato Il mercato dell’AI generativa è in piena espansione, con numerosi fornitori specializzati e finanziati da capitali di rischio. Grandi aziende come Salesforce , Sap , Microsoft , Nvidia , Tesla , Google , Amazon , Anthropic , Inflection , Palantir , UiPath e Ibm stanno investendo ingenti risorse per sviluppare modelli linguistici avanzati. Stime di Grand View Research indicano che il mercato dell’Intelligenza Artificiale passerà dai 137 miliardi di dollari registrati nel 2022 a un valore che raggiungerà i 645 miliardi di dollari nel 2027 con un CAGR pari a +37,3%. Secondo le previsioni di Gartner, entro il 2024, il 40% delle applicazioni aziendali includerà l’AI conversazio- nale integrata. Si stima inoltre che entro i prossimi 4 anni oltre 100 milioni di persone saranno affian- cate da ‘robocolleghi’ e che circa il 15% delle nuove applicazioni sarà generato automaticamente dall’AI senza intervento umano. Uno studio di Ambro- setti-The European House ha stimato che l’ado- zione diffusa dell’Intelligenza Artificiale gene- rativa in Italia avrebbe il potenziale di creare 312 miliardi di ore lavorate di valore aggiunto ovvero liberare 5,7 miliardi di ore lavorate, pari al 18% del PIL. Secondo il World Economic Forum, dal 2024 al 2029 l’intelligenza artificiale generativa com- porterà la perdita di 14 milioni di posti di lavoro. Ancora più fosche le previsioni di Goldman Sachs, secondo cui i progressi dell’Intelligenza Artificiale consentirebbero di automatizzare 300 milioni di posti di lavoro a tempo pieno. Di fronte a questi scenari l’unica possibilità è quella di provare a gestire il fenomeno. La sfida per le indu- strie che si avviano a sfruttare la potenza dell’AI generativa è quella di mantenere la competitività, aprendo a nuove strade per l’innovazione senza esserne travolte. I pilastri scientifico-tecnologici Un primo pilastro scientifico-tecnologico dell’AI generativa è costituito dalle reti neurali artificiali (ANN, Artificial Neural Network). Si tratta di modelli computazionali funzionanti come le reti neurali biologiche, ma basate su neuroni artificiali ovvero moduli software (nodi). I nodi utilizzano calcoli matematici (al posto dei segnali chimici cere- brali) per comunicare e trasmettere le informazioni. In particolare le GAN (Generative Adversarial Net- works) sono composte da due reti neurali, un genera- tore e un discriminatore, le quali competono tra loro per migliorare le prestazioni del sistema. Il modello GAN è ampiamente utilizzato per generare imma- Interfaccia ChatGPT Potenziali impatti dell’AI sulla produttività (The European House - Ambrosetti)