AI per gli insonni

Weekly AI news è la rassegna stampa settimanale curata dai nostri editor sui temi più rilevanti legati all’AI. Sanità, legal, trasporti, innovazione, moda, ambiente: ogni settimana, una raccolta delle novità che stanno cambiando il mondo

I temi trattati all’interno dell’articolo

L’AI per le malattie rare

Secondo uno studio su Orphanet Journal of Rare Diseases, la maggior parte dei progetti dell’apprendimento automatico si concentra su immagini (32,2%), dati demografici (27,0%) e dati biologici (26,5%). La maggior parte degli studi ha utilizzato l’apprendimento automatico per la diagnosi (40,8%) o la prognosi (38,4%), mentre gli studi volti a migliorare il trattamento sono ancora relativamente pochi (4,7%).

AI al livello umano

DeepMind, una società britannica di Google, potrebbe essere riuscita a portare a livello umano l’intelligenza artificiale (AI). Nando de Freitas, ricercatore dell’azienza e professore di machine learning all’Università di Oxford, ha dichiarato che “il gioco è finito” per quanto riguarda la risoluzione delle sfide più difficili per l’intelligenza artificiale generale (AGI).

È stata sviluppata una nuova app per dormire che utilizza l’Intelligenza Artificiale che potrebbe sostituire i sonniferi per coloro che soffrono di disturbi del sonno. Sleepio, il suo nome, utilizza un algoritmo di intelligenza artificiale per fornire alle persone una terapia cognitivo comportamentale personalizzata per l’insonnia (CBT-I). L’app fornisce, inoltre, un programma di auto-aiuto digitale di sei settimane che comprende: test e diario del sonno e sessioni CBT-I interattive settimanali.

Gestire i bias dell’AI

L’applicazione di intelligenza artificiale è valida quando i dati e il modello utilizzato per addestrarla non sono influenzati. Gartner prevede che, fino al 2022, l’85% del machine learning addestrato, produrrà risultati sbagliati a causa di errori nell’addestramento, negli algoritmi o nei team responsabili della loro gestione. Ma, per fortuna, di recente, i nuovi sistemi di auditing saranno addestrati per gestire al meglio i pregiudizi e limitare l’impatto di essi sul processo decisionale.

AI per il tumore al seno

L’Istituto Tumori ‘Giovanni Paolo II’ di Bari, ha pubblicato gli esiti di uno studio preliminare, condotto tra il 2017 e il 2020, su 142 pazienti affette da tumore della mammella. In particolare, hanno analizzato come reagiva il linfonodo sentinella, che è quello più vicino al tumore, dove è più probabile che si sviluppino metastasi. Il risultato: potrebbe bastare un’ecografia per comprendere lo stato di salute del linfonodo sentinella, anche senza asportazione e senza biopsia, per comprendere se ci sono metastasi o meno.

AI Google a partire da alcune frasi crea opere d’arte

Imagen è un generatore di immagini che interpreta un testo. Questo metodo, detto anche text-to-image, sfrutta l’apprendimento automatico per trasformare un’indicazione scritta in un input al sistema, cercando in un database di foto, oggetti o animali e mixando gli elementi in modo realistico, spesso con risultati sorprendenti.

La scrittura e le malattie neurologiche

Da tempo è noto quale sia l’impatto del Parkinson o dell’ipertiroidismo sulla calligrafia, così come l’invecchiamento. Uno studio condotto da Antonio Suppa, del Dipartimento di Neuroscienze Umane dell’Università La Sapienza di Roma, ha chiesto a 156 soggetti sani e destrimani, di età compresa tra i 18 e i 90 anni, di scrivere il proprio nome e cognome a penna per dieci volte. «Il principale traguardo scientifico del nostro studio – spiega Antonio Suppa - consiste nell’accuratezza dell’analisi automatica della scrittura con algoritmi di intelligenza artificiale, in grado di obiettivare la progressiva riduzione di ampiezza dei caratteri dovuta all’invecchiamento fisiologico e, quindi, di attribuire ogni campione di scrittura a una specifica fascia d’età dell’autore».

La casa domotica: come l’intelligenza artificiale aiuta la vita domestica

Oggigiorno quando parliamo di tecnologie di intelligenza artificiale applicate a strumenti utilizzati nella nostra vita domestica utilizziamo il termine “domotica”. Servendosi dell’intelligenza artificiale sono nati sistemi in grado, grazie a tecnologie come machine learning e deep learning, di gestire gli strumenti domestici. Quali sono gli strumenti domestici dotati di AI più diffusi? Tra le applicazione più diffuse si possono notare gli interruttori clapper (ovvero attivabili tramite suoni), gli impianti di riscaldamento e raffreddamento gestiti da remoto, le serrature biometriche, gli smart speaker e gli assistenti virtuali, le tapparelle automatizzate e gli elettrodomestici smart.

Il machine listening: funzionamento e applicazioni

Il machine listening – conosciuto anche come computer audition – consiste nell’elaborazione dei suoni attraverso un computer in una modalità che imita il funzionamento dell’udito umano. I computer possono infatti essere programmati e addestrati con l’obiettivo di insegnare loro a riconoscere e a elaborare una grande varietà di input sonori. La funzione classificatoria dell’intelligenza artificiale permette infatti ai software di ascolto automatico di interpretare il linguaggio naturale (come nel caso degli assistenti vocali) e dialogare con l’utente in modo più efficiente.

L’Intelligenza Artificiale su pista: le prime gare tra auto a guida autonoma

Svolta nell’Indianapolis Motor Speedway (IMS) a ottobre 2021, l’Indy Autonomous Challenge (IAC) è stata la prima gara riservata alle monoposto a guida autonoma. La gara ha fornito occasione per mostrare i progressi compiuti dall’Intelligenza Artificiale nello sviluppo di software per la guida autonoma. In particolare in ambiti quali gestione, pianificazione e controllo del veicolo durante la corsa. Le squadre in gara hanno impiegato modelli di simulazione al computer combinati al cloud computing per testare l’efficienza dei propri algoritmi. Tra le sfide più impegnative, l’Indy Autonomous Challenge richiedeva il controllo dei veicoli con punte di velocità fino ai 290 km/h, la pianificazione delle traiettorie e forti accelerazioni di tipo laterale e longitudinale.

L’intelligenza artificiale e la psicologia: strumenti e prevenzione

L’AI può infatti sostenerci anche da un punto di vista emotivo e psicologico.

Laddove ci dovessero essere disturbi socio-relazionali, deficit linguistici o momenti di difficoltà emozionale, ecco che l’AI entra in gioco parallelamente, a sostegno o anche in sostituzione degli esperti. L’AI può infatti essere un’importante alleata per psicologi e psicoterapeuti. Diverse sue applicazioni sono infatti in grado di percepire variazioni fisiche – e, di conseguenza, anche psicologiche – dei pazienti. Si pensi all’imaging a infrarossi, che rileva le variazioni nella loro temperatura corporea, o ai sistemi di rilevamento ottico, in grado di analizzare la loro espressione facciale e il battito delle palpebre, così come a sistemi di analisi vocale, capaci di percepire variazioni nel volume e nel tono della voce dei pazienti, variazioni difficilmente percepibili dall’udito umano, ma che potrebbero indicare variazioni nella loro psiche.

La modellazione predittiva: definizione, tipologie e applicazioni

Tra le applicazioni dell’intelligenza artificiale, la modellazione predittiva spicca sicuramente in termini di versatilità e utilizzo. Le potenzialità di questa tecnica di intelligenza artificiale sono infatti molteplici e i vantaggi per i business che la adottano sono estremamente rilevanti, soprattutto in sede decisionale.

La modellazione predittiva rappresenta, infatti, un aspetto di quella che viene definita analisi predittiva (predictive analytics). I modelli predittivi utilizzano quindi risultati noti per sviluppare o addestrare un modello che potrà essere utilizzato al fine di prevedere valori riferiti a dati diversi e/o nuovi. I risultati prodotti dalla modellazione sono costituiti da previsioni che rappresentano una probabilità di una specifica variabile target sulla base dei dati passati, utilizzati come input.

Come si addestra l’intelligenza artificiale? Il ruolo degli AI trainer

L’AI training (addestramento dell’intelligenza artificiale) consiste nell’insegnare all’AI a comprendere gli input degli utenti e a prendere decisioni basate su di essi. Senza la fase di addestramento, l’AI non sarebbe infatti in grado di operare in quanto non saprebbe come interpretare i dati che le vengono sottoposti.

È inoltre necessario che il training sia basato su un dataset completo e – almeno tendenzialmente – privo di bias. Una sfida molto importante, da cui dipende il buon funzionamento dell’AI. È qui che entrano in gioco i cosiddetti AI trainer, professionisti che si occupano proprio di insegnare all’intelligenza artificiale a interpretare le informazioni fornitele e ad agire di conseguenza.

AI debole e forte: differenze concettuali e limiti

L’intelligenza artificiale debole è quella che tutti conosciamo e che ha come obiettivo la realizzazione di sistemi che possano eseguire correttamente alcune funzioni complesse tipicamente umane. In questo caso, le macchine non possiedono un grado di intelligenza pari o superiore a quello umano, ma imitano semplicemente il comportamento che un essere umano avrebbe per l’esecuzione di un compito determinato.

L’intelligenza artificiale forte, invece, non vede la macchina come un semplice strumento di problem solving. Secondo questa teoria, un sistema intelligente potrebbe infatti raggiungere una capacità cognitiva simile o addirittura superiore a quella umana. Alla base dell’AI forte vi sono i sistemi esperti, programmi che costituiscono un’alternativa digitale agli esperti di un determinato settore.