• Giuseppe Valetto, Artificial Intelligence Product Owner Satispay, ci rivela che l’idea di intelligenza artificiale è più vecchia di quanto pensiamo: Alan Turing, uno dei padri fondatori dell’informatica, l’aveva già prevista negli anni ‘30-’40 del ‘900. Tuttavia quest’idea ora si è evoluta ed è diventata strettamente legata al machine learning e ad algoritmi che, una volta alimentati da dati forniti da noi (detti di “addestramento”), riescono a riconoscere pattern sofisticati, con cui poi fanno previsioni e compiono scelte.
  • Negli investimenti abbiamo spacchettato l’IA (intelligenza artificiale) in 4 pezzi. La parte di infrastrutture include i chip, i semiconduttori e tutti gli elementi che servono per la potenza di calcolo, cioè per permettere alla macchina di fare i calcoli velocemente; il cloud ospita l’intelligenza artificiale; i dati e i modelli sono il terzo tassello, dove abbiamo dati pubblici (es. reperibili da internet) e dati privati (es. dati finanziari, sanitari, etc.), e i modelli, che ci aiutano a comunicare con la macchina mostrandole come imparare. L’ultimo pezzo spacchettato dell’AI sono le applicazioni effettive dell’intelligenza artificiale, che possono avvenire in molteplici ambiti e settori.
  • In ambito finanziario l’IA è già in uso da tempo. Gli algoritmi utilizzati nel mondo della finanza sono stati sviluppati negli ultimi venti anni. I bot per l’«algorithmic trading» intorno al 2010 sceglievano automaticamente quando comprare e/o vendere. Erano algoritmi non al livello di oggi, ma già ben scritti e strutturati per essere funzionali al mercato. Ora gli algoritmi sono più evoluti e riescono a fare previsioni sull’andamento di prestiti, titoli e svariati asset, per capire la loro performance nel tempo, le probabilità che un debito venga ripagato, etc. Questi algoritmi riescono a prendere decisioni e a fare previsioni sulla base di dati appresi su asset simili in passato.
  • Nell’ultimo anno e mezzo l’IA è diventata un tema pervasivo nell’immaginario collettivo. I modelli più potenti al momento sono quelli di «deep learning» che vengono alimentati da una notevole quantità di dati. Nel 2016-2017, alcune architetture di deep learning, dette «transformer», sono diventate popolari in particolare per la parte di elaborazione del linguaggio. Questo ha rappresentato un primo punto per dare vita a modelli di IA oggi molto popolari in tutto il mondo.
  • Ogni giorno generiamo una mole di dati digitali ragguardevole, che può essere utilizzata per addestrare l’IA. È importante però ricordare che tali dati vengono rivisti insieme a team di esperti («human in the loop»), che spesso fanno da tutor alla macchina e correggono output dei modelli quando questi modelli non sono adeguati. Grazie a questo approccio «human in the loop», abbiamo avuto salti di qualità nelle risposte che i software di IA ci danno quando poniamo loro delle domande.
        Non perdere i nostri podcast anche su Spotify

        Vuoi saperne di più?

        Iscriviti per ricevere direttamente nella tua casella di posta elettronica gli ultimi approfondimenti sui mercati privati in tutti i settori.

        Potrebbe interessarti anche