{"id":50146,"date":"2018-12-27T07:00:47","date_gmt":"2018-12-27T06:00:47","guid":{"rendered":"http:\/\/smeupnew.it\/magazine\/blog\/intelligent-extended-enterprise-parte-3\/"},"modified":"2022-11-02T15:48:55","modified_gmt":"2022-11-02T14:48:55","slug":"intelligent-extended-enterprise-parte-3","status":"publish","type":"post","link":"https:\/\/www.smeup.com\/magazine\/blog\/intelligent-extended-enterprise-parte-3\/","title":{"rendered":"Google Cloud Next 2018: Intelligent Extended Enterprise – parte 3"},"content":{"rendered":"

Nella prima parte<\/a> di questa serie di articoli ho parlato di Cloud. Nella seconda parte<\/a> delle prospettive tecnologiche tra 10 anni.<\/p>\n

Comincio subito questa terza parte con l\u2019argomento che secondo me ha fatto da padrone per tutta la conferenza, permeando in un modo o nell\u2019altro tutte le sessioni e gli argomenti trattati: l\u2019intelligenza artificiale, soprattutto la sua branca pi\u00f9 affascinante, il Machine Learning <\/strong>(ML).<\/p>\n

Se ne sente parlare da molti anni (chi di voi non ha mai sentito \u201crete neurale\u201d?), ma perch\u00e8 \u00e8 diventato solo oggi un argomento attuale? Semplice, l\u2019intelligenza artificiale \u00e8 molto costosa sotto tutti punti di vista: competenze necessarie, potenza elaborativa, quantit\u00e0 di dati, bont\u00e0 dei dati. Oggi \u00e8 diventata pi\u00f9 economica o, come si dice in inglese, che rende meglio: affordable.<\/strong><\/p>\n

Google la utilizza da molti anni per i suoi servizi, dal motore di ricerca a Gmail, a Google Drive, ed ha inventato e reso open source una delle librerie pi\u00f9 importanti nel panorama della ML, Tensor Flow ed ha quindi iniziato a rendere queste tecnologia disponibili ai poveri mortali. Come dicono loro, democratizzare.<\/strong><\/p>\n

La chiave \u00e8 semplificarne l\u2019accesso in due modi: diminuire le competenze necessarie e mettere a disposizione potenza elaborativa e spazio per i dati.<\/p>\n

Appendice: \u00a0[In particolare, quello di cui si parla non \u00e8 intelligenza artificiale in senso lato, ma Machine Learning (ML): un insieme di tecniche per costruire programmi che eseguono dei compiti, tipicamente di classificazione e previsione, senza che sia scritto del codice che spieghi a questo programma come comportarsi, ma insegnandogli come ragionare fornendo degli esempi. Ti do 100.000 foto di arance dicendoti che sono arance, poi ti passo una foto che non ti ho mai dato, che contiene un\u2019arancia, e tu la riconosci]<\/em><\/p>\n

E ora la consueta domanda: s\u00ec, ma a noi?<\/p>\n

Vediamo alcuni usi pratici.<\/p>\n

Da digital transformation a intelligent enterprise: oggi, processi e i dati delle aziende sono sempre pi\u00f9 digitalizzati e questo li rende finalmente utilizzabili per migliorare i processi stessi e per fare nuovo business. Questo ha avuto due effetti:<\/p>\n