Gestori pacchetti

(martedì 10 ottobre)

Un gestore di pacchetti è un tool di strumenti per automatizzare l’installazione e la configurazione dei programmi e gestire l’utilizzo del sw aggiunto.

A differenza dell’ambiente Linux il quale pone alla base del suo funzionamento un univoco sistema di gestione dei pacchetti (“debian“,  file-archivio che contiene i file eseguibili, le librerie e la documentazione associati), Windows non ha mai previsto un unico tool dedicato sino all’ ultima release.

In ambito Windows infatti non si poteva parlare di uniformità e unicità di tools finalizzati a questa funzione. Una prima standardizzazione è arrivata con i pacchetti MSI (Microsoft Installer), un formato standard per la gestione dei pacchetti sulla piattaforma. Una parentesi però, appunto …. Infatti, negli anni successivi si è continuato a sviluppare parallelamente altre procedure d’installazione, che magari per l’installazione si basavano su un file eseguibile.

Paradossalmente, quando Microsoft abbandonò il sistema a 32 bit si puntò ad una standardizzazione di questa procedura ma dovette poi far retromarcia per tornare a valorizzare win32 in funzione della centralità dell’architettura per gli utenti. Pertanto, si arrivò a un compromesso con Win32 come metro comune da utilizzare per operazioni su qualsiasi programma – tuttora valido -.

Di fronte alla varietà dei protocolli disponibili prevalse però la necessità di poter disporre di un protocollo standard.

Si arriva così all’adozione di Winget, comando che installa automaticamente programmi in Windows 10 e 11, il quale dimostra piena compatibilità con varie applicazioni.

WingetUI è l’interfaccia grafica ideale per “snellire” l’istallazione dei gestori di pacchetti e ha il pregio di permettere un controllo completo sul software. Dialogando con i vari gestori di pacchetti, WingetUI dimostra pirena compatibilità nelle varie operazioni di gestione di un programma.

L’interfaccia di WingetUI è suddivisa in tre sezioni, da cui poter gestire le varie azioni (installazione, disinstallazione, aggiornamento, ..) per ogni applicazione: ‘Scopri i pacchetti’, ‘Aggiornamenti software’ e ‘Pacchetti installati’: quindi, i pacchetti disponibili nell’app; l’elenco delle app per cui è disponibile una nuova release; gestire tutti i packages.

[rif.: www.punto-informatico.it; www.ilsoftware.it]

Il codice a barre

(lunedì 10 aprile)

Il codice a barre è un codice di identificazione costituito da un insieme di elementi grafici a contrasto che vengono letti da un dispositivo di scansione e quindi ‘spacchettati’ ovvero decodificati per ottenere l’informazione contenuta. È costituito da una serie di barre nere e spazi bianchi, in un numero predefinito. Questi elementi insieme, costituiscono la carta di identità di un prodotto o di un articolo, contenendo tutte le informazioni utili al fine di garantirne l’identificazione e la tracciabilità. Infatti, ogni prodotto viene identificato da un’etichetta che riporta il suo codice univoco che, per convenzione, è un codice a barre, lineare o bidimensionale, il quale può essere considerato come la carta d’identità del prodotto. Devono usare questo sistema di catalogazione tutti gli operatori che vendono alla grande distribuzione. In particolare se operano nel settore alimentare; viceversa, se i prodotti sono solo per uso interno, entro cioè i confini di un paese, non hanno bisogno di fare parte del sistema utilizzato dai “Codice a barre”.

Se prendiamo un codice a barre le prime 3 cifre indicano la provenienza e identificano il paese (ad esempio, nei codici a barre le prime 3 cifre identificative dell’Italia vanno dall’800 all’830, per la Francia vanno dal 300 al 379, per la Germania dal 400 al 440), le 4 cifre che seguono rappresentano l’indirizzo del produttore o del fornitore; le 5 cifre successive si riferiscono all’articolo stesso, mentre l’ultima cifra agevola la lettura.

Storia

Il codice a barre nacque il 7 ottobre 1948 da un’idea di due studenti di ingegneria dell’Università di Drexel, Norman Joseph Woodland e Bernard Silver; l’idea nacque dall’esigenza del presidente di un’azienda del settore alimentare di automatizzare le operazioni di cassa. La loro intuizione si antepose a quella di utilizzare il codice Morse sviluppato però in senso verticale, in modo da ottenere barre strette e barre larghe, e a quella di impiegare codici a barre ovali (nel 1972, l’esperimento effettuato in un grande magazzino di Cincinnati con l’aiuto della RCA, non produsse risultati incoraggianti in quanto ma i codici si macchiavano facilmente o producevano delle sbavature durante la stampa, per cui l’esperimento fu un insuccesso). La loro invenzione venne brevettata per la prima volta nel 1952.

La modalità della loro lettura venne poi gradualmente ottimizzata:
i primi tentativi di riconoscere i codici a barre avvennero utilizzando un fotomoltiplicatore (originariamente utilizzato per la lettura ottica delle tracce audio dei film) ma non ebbe successo a causa dell’eccessivo rumore dei dispositivi utilizzati, del calore generato dalla lampada utilizzata per l’illuminazione del sistema oltre che al costo non indifferente per le lampade allo xeno, all’epoca l’unico gas in grado di assicurare un’adeguata fonte luminosa.

Il progressivo sviluppo della tecnologia laser consentì di poter disporre di lettori a prezzi più accessibili; inoltre, lo sviluppo dei circuiti integrati permise la decodifica dei codici.

Silver morì nel 1963, prima di poter vedere le applicazioni pratiche del suo brevetto. Woodland utilizzò presso IBM i codici a barre lineari, i quali vennero adottati il 3 aprile 1973 con il nome “UPC” (Universal Product Code). Il 26 giugno 1974 rappresenta una data centrale: in un supermarket a Troy, nell’Ohio, fu venduto il primo prodotto (un pacchetto di gomme americane) con l’ausilio di un lettore di codici a barre.

Nello stesso anno si volle introdurre anche in Europa un sistema similare, che fosse compatibile con UPC; nel 1977 i rappresentanti di 12 Paesi europei, tra cui l’Italia, fondarono a Bruxelles la European Article Numbering Association (in seguito chiamata EAN), che dal 2005 venne conosciuta a livello internazionale col nome di GS1. Nel 1978 nacque in Italia quella che oggi è GS1 Italy: si chiama Indicod, inizialmente formata da 60 imprese associate, che ad oggi sono circa 35 000.

Nel 1992, Woodland ricevette la medaglia nazionale per la tecnologia.

Tipologie dei codici a barre

Una prima distinzione da fare é fra codici a barre lineari e codici a barre bidimensionali (‘matrici’).

Lineari
Il codice a barre lineare è composto da un susseguirsi di barre e spazi. La barra è l’elemento scuro del codice a barre, formato da un segmento verticale. Lo spazio è l’elemento chiaro del codice a barre e separa due barre tra loro.
Si definisce modulo la larghezza dell’elemento (barra o spazio) più stretto.

Un particolare tipo di codici a barre lineari sono i codici a barre discreti, in cui solo le barre portano l’informazione. Nei codici a barre discreti, ogni carattere del codice ha lo stesso numero di barre e spazi e ciò ne rende facile la rappresentazione con un font di caratteri (ad es. Code 39). Viceversa, nei codici continui troviamo informazioni sia nelle barre che negli spazi; in essi ciascun carattere può avere una lunghezza diversa.
Tra i codici a barre lineari, ce ne sono alcuni che per gli elementi prevedono solo due spessori (largo e stretto); altri prevedono al contrario un numero variabile di spessori. Ogni tipo di codice a barre inoltre prevede i caratteri ammessi (es. solo numerici, alfanumerici, alcuni caratteri speciali). Altri tipi di codici a barre prevedono una lunghezza del codice fissa: ad esempio, EAN 13 ha una lunghezza fissa di 13 caratteri, UPC A di 12 caratteri.
Alcuni tipi di codici a barre possono essere Stacked ovvero impilati (esempi sono GS1 DataBar Stacked Omnidirectional, GS1 DataBar Expanded Stacked e GS1 DataBar Stacked).

I codici a barre come siamo abituati a pensarli, ovvero quelli con le barre nere e gli spazi bianchi rientrano nella prima categoria, mentre i QR code, i DataMatrix e i codici farmaceutici nella seconda.

L’EAN (European Article Number), molto utilizzato in Italia, viene utilizzato nella grande distribuzione, seguito dal Farmacode o codice 32 adottato per l’identificazione dei farmaci e delle specialità vendute al banco nelle farmacie. Sempre nella grande distribuzione, si può trovare lo Universal Product Code (UPC) per i prodotti importati da Regno Unito, Australia, Nuova Zelanda, Canada, Stati Uniti. Dal 2014 nello stesso settore è possibile usare la famiglia di codici a barre GS1 DataBar per la sua caratteristica di memorizzare un maggior numero di informazioni in minor spazio. Nell’ambito industriale hanno trovato grande diffusione il codice 128, il codice 39 e il 2/5 interlacciato.

La maggior parte dei codici ha un codice di controllo (check digit) che viene acquisito dall’unità di lettura per verificare la corretta lettura e l’integrità dei dati.

Bidimensionali I codici a barre bidimensionali hanno due dimensioni appunto, e vengono letti tramite apparecchi fotografici e smartphone.

Lettura dei codici a barre

La disponibilità dei lettori di codici a barre è andata diversificandosi progressivamente con l’avvento di nuove tecnologie e con l’ottimizzazione della componentistica elettronica.

Tipo di collegamento

Se parlando lettori di codice a barre il pensiero va immediatamente a quelli collegati ad un personal computer o ad un registratore di cassa, ci sono anche lettori dotati di memoria “propria” e pertanto in grado di immagazzinare un certo numero di letture prima di avere necessità di scaricarle utilizzando un’unità base (il ‘calamaio‘ nel caso delle penne ottiche). Altri lettori sono invece dotati di un trasmettitore che consente di comunicare in tempo reale ad un’unità ricevente i dati letti.

Tecnologia di lettura

Di base, esistono 26 tipologie di codifica.

La tecnologia prevalente e più affidabile nella loro lettura utilizza uno o più raggi laser, integrati ad una testina oscillante e talvolta ad un sistema di specchi, per avere la certezza, o comunque una maggiore probabilità, che qualsiasi codice stampato venga letto al primo tentativo. Analogamente, esistono anche dei lettori più economici che utilizzano una barra di LED per illuminare i codici a barre e un sensore CCD (Charged Coupled Device) per la lettura: ne risultano dispositivi più leggeri e più resistenti, ideali per scanner da impugnare, i quali però devono essere ravvicinati ai codici a barre da leggere. In ambito industriale, le ultime tecnologie prevedono la lettura del codice a barre tramite l’acquisizione di un’immagine fornita da un sistema video. nella fotografia “impressionata” dal software il codice a barre viene letto e poi interpretato.

Uno dei programmi a disposizione per gli utenti Android è “Barcode Scanner“, disponibile gratuitamente. Una volta installato ed avviato, per potere leggere i codici da fotocamera, è necessario mettere il telefono in orizzontale. Anzitutto, il codice a barre deve essere leggibile sul prodotto; assicurarsi poi che nella foto sia visualizzato integralmente e, quando si scatta la foto, assicurarsi di mettere a fuoco il codice a barre.

Se, utilizzando un lettore o uno scanner, non si riesce a decodificare il codice, si tratta sicuramente di un errore.

Applicazioni

I codici a barre trovano ampio utilizzo nella gestione del magazzino e del movimento delle merci; la spesa per la loro stampa è decisamente poco rilevante, poiché il bozzetto è solitamente parte integrante del bozzetto dell’etichettatura o dell’imballaggio della merce.

Quello del codice a barre è un meccanismo semplice da capire: ad ogni numero corrisponde “qualcosa” !

Questo sistema facilita lo svolgimento delle attività di di cassieri e magazzinieri andando ad interessare la gestione degli ordini, la collocazione sugli scaffali, gli inventari… ma non da meno il codice a barre è utile anche al consumatore per capire la tracciabilità di un prodotto.

Altra applicazione è quella per le pubblicazioni e i periodici, al fine di facilitare l’identificazione e la classificazione degli stessi.

Particolare è quella finalizzata all’identificazione dei convogli in transito in determinate tratte ferroviarie o nelle linee della metropolitana.

Vengono utilizzati anche sulle carte fedeltà, per rappresentarne il codice identificativo associato al titolare della carta stessa.

Ancora, il codice a barre è presente anche nel retro della tessera sanitaria e codifica il codice fiscale.

Esiste poi un particolare tipo di codice chiamato GSI Digital Link e che rappresenta l’evoluzione del codice bar che permette di aggiungere informazioni quali il numero di lotto, la data di scadenza e un link ipertestuale a una pagina contenente informazioni sulla composizione del prodotto e le modalità di riciclo.

Per acquistare un codice EAN occorre richiesta all’associazione internazionale GS1 (in Italia rappresentata da Indicod-ECR). Il codice a barre viene così richiesto ad un ente terzo, che certifica l’azienda e rilascia i dati fissi (“stringa” di 9 cifre) che ogni codice riporterà.

In Italia sono tre i tipi di codici a barre diffusi. Il più comune è indubbiamente l’EAN, European Article Number. Il codice EAN è un pezzetto del codice ISBN.

Culturalmente …

Secondo una leggenda metropolitana i codici a barre lineari applicati su tutti i prodotti commerciabili nel mondo occidentale contengono il numero 666, il cosiddetto numero della Bestia: tale numero sarebbe rappresentato dalle tre barre di divisione, di forma uguale, delle quali una centrale separa la prima parte del codice dalla seconda, e le altre due sono poste al principio e alla fine del codice: tali barre sono in effetti formate da due righe sottili di uguale misura, identiche a quelle rappresentanti nel codice il numero 6. Questa ipotesi ha dato lasciato spazio a diverse interpretazioni fra cui quella secondo cui esista una corrispondenza con un rimando alle profezie dell’Apocalisse di san Giovanni (13,17-18).

Grazie ai numeri posti sotto le barre nere verticali di un codice a barre, è possibile effettuare delle ricerche su Google per identificare in breve tempo il prodotto.

Il codice a barre è stato adottato anche – impiego significativo questo – nella catalogazione dei libri nel 2007, rapportando cioè il metodo di identificazione dei libri con le tre cifre che ne identificavano la natura editoriale (posizionato sulla confezione del prodotto o sul retro del prodotto, stampato sotto il codice a barre; utilizza da 1 a 5 cifre ma che può raggiungere le 14). Dunque, in buona sostanza, i due codici non sono la stessa cosa ma semplicemente il codice EAN è un pezzetto del codice ISBN.

L’Assistente Vocale che non t’aspetti

Il prolungato periodo di pandemia, destinato ad allungarsi anche al periodo delle feste, costringendo un pò tutti a trascorrere larga parte del proprio tempo fra le mura domestiche, potrebbe accentuare l’utilizzo degli Assistenti Vocali. Neanche a farlo apposta, fra le tante – più o meno indispensabili – essi presentano alcune interessanti funzioni che consentono di apprezzare quanto questi dispositivi siano vicini al giorno d’oggi all’intelligenza artificiale.
Così ad esempio Google Assistant spicca proprio per presentarne alcune che, oltre a (anche) venirci incontro in questo periodo, mettono in evidenza il livello raggiunto da questi dispositivi … da far stropicciare gli occhi !
Trattasi di implementazioni di comandi vocali che dicono “Google, fai questo … fai quello ! ..” soddisfando le nostre esigenze. Ecco sette nuove funzionalità che sottintendono alla comodità e versatilità di questi strumenti.
Ora, è possibile impostare l’Assistant Google come temporizzatore per l’accensione/spegnimento delle luci (paradossalmente, questa funzionalità non è ancora resa disponibile su Amazon Echo). Ora é possibile programmare Google Assistant perché provveda automaticamente … senza bisogno di intervenire manualmente. E’ possibile impostarne l’attivazione o dopo un certo tempo trascorso oppure ad una determinata ora; unica pecca è che, ad ora, non è possibile interromperne la programmazione.
L’assistente vocale permette anche di creare una lista della spesa ….. consuetudine questa che torna di moda oggi, permettendo di appuntarsi – in questo caso di elencare all’assistente virtuale di turno – i prodotti da acquistare quando si va al supermercato: mediante un comando vocale si può creare una vera e propria lista di quanto necessario.

O addirittura di affidargli la gestione della sorte emulando il classico ‘Testa o croce‘ per le nostre scelte.

“Ok Google lancia una moneta”


Di impostare la sveglia tramite Spotify quindi programmare il nostro risveglio con un brano ad hoc o una playlist, permettendo cosi di scegliere un modo più soft per iniziare la giornata.
Per sciogliere le tensioni accumulate durante la giornata, è possibile inoltre impostare una ‘modalità relax‘ a cui abbandonarsi mediante la riproduzione di suoni della natura.
Continuando in questa breve elencazione, la funzionalità ‘Traduci’ è però il cavallo di battaglia di Google Assistant per cui si presta a svolgere al meglio la funzione di traduttore, sia di singole parole come di costrutti, facendo così diventare l’Assistente Vocale un interprete.

“Ok Google come si dice (Ciao) in (Inglese)?”


Come Alexa anche Google introduce l’intrattenimento interattivo dei giochi, allargando in questo senso il concetto di intelligenza artificiale all’intrattenimento interattivo.

“Ok Google giochiamo”


In conclusione, oggigiorno si sta dimostrando che un Assistente Vocale riesce ad andare ben oltre il concetto di utilità, aprendo a nuovi orizzonti come quello dell’interattività, benché sia un settore ancora in fase di maturazione, arrivando a rivalutare quello che è il significato di Intelligenza Artificiale.

(Fonte:www.https://www.tuttoandroid.net/)

Connubio fra AI e marketing

Con il termine di Artificial Intelligence Marketing (“marketing con uso di intelligenza artificiale”) si fa riferimento al marketing diretto che si basa su tecniche, concetti e modelli elaborati dall’intelligenza artificiale tramite l’apprendimento automatico (la parte di ragionamento che suggerisce le azioni da intraprendere è qui svolta da un computer e da algoritmi anziché dall’uomo).

Del significato dell’Intelligenza Artificiale non si ha ancora una piena cognizione: in sostanza, indica l’abilità di un sistema tecnologico nel risolvere problemi o svolgere compiti e attività tipici della mente e delle abilità umane. In ambito informatico allora potremmo identificare l’AI – Artificial Intelligence – come la disciplina che si occupa di progettare macchine – sia hardware che software – e soluzioni attraverso cui poter risolvere autonomamente problemi, compiere azioni, ecc..

In quest’ottica si sente spesso parlare di Machine Learning e Deep Learning, due distinti modelli di apprendimento e applicazione dell’intelligenza artificiale. ‘Machine Learning‘ si distingue per essere un insieme di tecniche di applicazione mediante cui consentire al software di intelligenza artificiale (modello di apprendimento) di ‘allenare’ le macchine di AI ad apprendere e svolgere autonomamente un compito o un’attività, senza bisogno che siano programmate (senza dover cioè dipendere da sistemi programmati che regolano come deve comportarsi e reagire un sistema di AI); sistemi che servono ad “abituare” l’AI in modo che imparando, correggendo gli errori, allenando sé stessa possa poi essere autonoma nello svolgimento delle azioni impartite.
Deep Learning‘: in questo caso parliamo di modelli di apprendimento basati sulla struttura e capacità cognitive del cervello umano. A differenza del precedente metodo allora, il Deep Learning rappresenta la “messa su strada” dell’intelligenza artificiale così concepita andando ad emulare direttamente la mente dell’uomo. Non dunque un modello matematico: il Deep Learning si basa su una rete neurale artificiale che verosimilmente riceve e smista infinite operazioni di calcolo e analisi (simulando in questo modo le connessioni del cervello). Anche se non ce ne accorgiamo, questo modello lo ritroviamo già nel riconoscimento vocale, delle immagini e nei sistemi di NLP – Natural Language Processing.

Secondo l’Osservatorio Artificial intelligence del Politecnico di Milano, è possibile distinguere otto distinte classi di applicazione dell’Intelligenza Artificiale: Autonomous Vehicle: si riferisce a qualunque mezzo a guida autonoma; Autonomous Robot: robot in grado di muoversi ed eseguire azioni senza intervento umano, traendo informazioni dall’ambiente circostante; Intelligent Object: tutti quelli oggetti in grado di eseguire azioni e prendere decisioni autonomamente; Virtual Assistant e Chatbot: sistemi evoluti capaci di comprendere tono e contesto di un dialogo, memorizzare e riutilizzare le informazioni raccolte e sostenere con intraprendenza la conversazione; Recommendation: soluzioni orientate a indirizzare le preferenze, gli interessi, le decisioni dell’utente, basandosi su informazioni fornite; Image Processing: sistemi in grado di effettuare analisi di immagini o video per il riconoscimento di persone, animali e cose presenti nell’immagine stessa; Language Processing: capacità di elaborazione del linguaggio per la comprensione del contenuto, la traduzione, fino alla produzione di testi in modo autonomo; Intelligent Data Processing: soluzioni che utilizzano algoritmi di intelligenza artificiale su dati strutturati ma non per estrarre informazioni, quindi ad es. per sistemi di controllo e analisi complesse.

Step da perseguire dal punto di vista delle abilità intellettuali, il funzionamento di una AI si sostanzia principalmente attraverso su quattro differenti livelli funzionali:

comprensione: mediante la simulazione di capacità cognitive di correlazione dati ed eventi l’AI (Artificial Intelligence) è in grado di riconoscere testi, immagini, tabelle, video, voce e ricavarne informazioni;

ragionamento: mediante la logica i sistemi riescono a collegare le molteplici informazioni raccolte (attraverso precisi algoritmi matematici e in modo automatizzato);

apprendimento: sistemi con funzionalità predefinite per l’analisi degli input di dati e per la loro “corretta” restituzione in output (è il classico esempio dei sistemi che con modelli di apprendimento automatico portano le AI ad imparare e a svolgere varie funzioni);

interazione (Human Machine Interaction): in questo caso ci si riferisce alle modalità di funzionamento dell’AI in relazione alla sua interazione con l’uomo. È qui che stanno fortemente avanzando i sistemi di Nlp – Natural Language Processing, tecnologie che consentono all’uomo di interagire con le macchine (e viceversa) sfruttando il linguaggio naturale.

L’AI nasce negli anni 50, ma è solo oggi che i progressi tecnologici registrati nel campo della potenza di calcolo, della disponibilità dei dati e nella capacità di analisi per la risoluzione di problemi complessi hanno permesso alle applicazioni di nascere e diffondersi.
Il 2020 sarà l’anno in cui tali soluzioni esploderanno.
Le tecnologie di base sono mature e, mediante quelle più avanzate, vengono rese fruibili a costi accessibili.

Attualmente i principali settori nell’adozione di progetti di intelligenza artificiale sono banche, finanza e assicurazioni, automotive, energia, logistica e telecomunicazioni.


Come allora l’intelligenza artificiale può tornare utile per le imprese e il commercio ? Un esempio lampante e sotto gli occhi di tutti sono gli assistenti vocali (Siri di Apple, Cortana di Microsoft o Alexa di Google), ma verosimilmente possiamo contarne infinite applicazioni di cui magari neppure ci accorgiamo: ad esempio gli algoritmi intelligenti, in grado cioè di auto-apprendere; quelli che ci suggeriscono i prodotti da acquistare, i generi di film o brani musicali che rispondono ai nostri gusti, rispondono a domande dei clienti via chat; sono in grado di riconoscere il volto di una persona per consentire un accesso, di smistare i documenti in base al contenuto,filtrare i curriculum per selezionare il candidato ideale; forniscono un valido supporto nel settore medico, aiutando i medici nella lettura delle immagini radiografiche e nelle diagnosi.Esistono già svariati esempi di come l’introduzione dell’Intelligenza artificiale nei processi aziendali abbia avuto un impatto positivo, automatizzando parti altrimenti ripetitive, in precedenza svolti dall’uomo.

Di seguito un estratto da una recente indagine condotta in particolare sul mercato italiano.

In Italia, secondo i risultati dell’Osservatorio Intelligenza Artificiale del Politecnico di Milano, si fa strada l’Artificial Intelligence e, grazie ad essa il mercato, tra software, hardware e servizi, ha raggiunto, nel 2019, il valore di 200 milioni di euro.

Tra i diversi settori, l’AI si è diffusa in particolare nelle banche e finanza (25% del mercato), nella manifattura (13%), nelle utility (13%) e nelle assicurazioni (12%).

La quota principale della spesa (il 33%) è dedicata a progetti di Intelligent Data Processing, algoritmi per analizzare ed estrarre informazioni dai dati, seguiti da quelli di Natural Language Processing e di Chatbot/Virtual Assistant (28%) in grado di comprendere il linguaggio naturale ed eventualmente fornire risposte ad un interlocutore.

Le imprese italiane si dimostrano consapevoli della portata di questa tecnologia: il 90% ha compreso che l’AI può replicare specifiche capacità dell’intelligenza umana, mentre è superata l’idea secondo cui il nostro intelletto possa essere replicato completamente.

Il 96% delle imprese che hanno già implementato soluzioni di AI non rileva effetti di sostituzione del lavoro umano da parte delle macchine. Più che sostituire le capacità degli esseri umani, l’AI le sta aumentando: il 48% delle imprese evidenzia che le soluzioni di intelligenza artificiale adottate non hanno direttamente coinvolto attività svolte dalle persone, il 28% che le attività sostituite hanno permesso ai lavoratori di dedicarsi con maggiore dedizione a quelle rimanenti, il 24% che sono stati necessari ricollocamenti, anche parziali, dei lavoratori coinvolti.

Le soluzioni di automazione di processo RPA (Robotic Process Automation) sono da diversi anni utilizzate per snellire processi onerosi, automatizzando operazioni ripetitive, in particolare sui sistemi informativi (ad esempio, per estrarre dati da un sistema ERP e inserirli in un altro software). Il loro utilizzo è mirato all’efficienza: fanno risparmiare molto tempo e permettono di dedicare le risorse ad attività di maggior rilievo.

L’integrazione dell’AI con la RPA, di fatto complementari, ha reso possibile automatizzare le parti più complesse del processo precedentemente demandate all’uomo.

Nel Marketing si vedono ormai da tempo sistemi di AI impiegati in differenti attività e con svariati obiettivi; il più importante riguarda indubbiamente la gestione della relazione con gli utenti, da sempre “cartina tornasole” dell’azienda, come pure del mondo BtoB.

Le tecnologie di IA impiegate vanno dagli assistenti vocali/virtuali che sfruttano algoritmi di intelligenza artificiale sia per il riconoscimento del linguaggio naturale sia per l’apprendimento e l’analisi delle abitudini e dei comportamenti degli utenti, fino ai processi per l’acquisizione e analisi di grandi moli di dati per la comprensione del “sentiment” e delle esigenze delle persone con attività che si spingono fino alla previsione dei comportamenti di acquisto da cui derivare strategie di comunicazione e/o proposta di servizi.

Chatbot ed altri sistemi basati sul NLP sono ormai diffusamente impiegati anche all’interno dei reparti che si occupano di assistenza, servizio e supporto alla clientela (contact center, customer service, manutenzione e supporto, ecc.).

La rivoluzione digitale sta interessando sempre più le aziende in modo organico impattando sui modelli operativi e organizzativi in maniera esponenziale e alquanto inesplicabile quanto ad “ambiti di applicazione”.

La chiamano “disruption”:oramai sta divenendo un canone irrinunciabile per la sopravvivenza delle aziende.

Fondamentale per organizzare le decisioni d’impresa è tener presente che “Data is the new oil”: l’adozione dell’intelligenza artificiale permetterà di capire e prevedere con lungimiranza il contesto operativo dell’azienda.

Qual è il processo di funzionamento delle nuove tecnologie AI applicate al Marketing? Questi gli step:

Ascolto: la macchina è capace di percepire quello che le sta intorno attraverso l’acquisizione di input;
Comprensione: è capace di analizzare e capire i dati che acquisisce;
Apprendimento: è in grado di svolgere una funzione, un computo;
Interazione: è in grado di prendere una decisione e interagire con l’essere umano.
Applicare queste tecnologie porterà ad automatizzare diverse attività e conseguentemente, sgravati da processi ripetitivi e a basso valore aggiunto, l’uomo potrà concentrarsi sulle sue doti creative. Da ciò deriva la massima “Work smarter, non harder!”

Sono diversi i settori del Marketing su cui l’AI sta impattando, vediamone alcuni insieme:

Chatbot che si basano su Natural Language Processing (NLP): alcuni studi hanno dimostrato che hanno tassi di apertura e percentuali di click superiori rispetto alle e-mail. Messenger applicato in questo contesto ha un Avg open rate (tasso di apertura medio) del 90% con un CTR (numero dei click generati dalla visualizzazione di un annuncio) del 30%, mentre le mail si fermano al 23% e al 3,3%.
Rappresentano inoltre un ottimo mezzo per ottenere informazioni sui visitatori del sito web, sono utilizzati per:

  1. segmentare il pubblico e vendere prodotti e servizi;
  2. rendere i contenuti più interattivi e personalizzati;
  3. sviluppare un rapporto più personale con gli utenti, aumentandone la fedeltà e la fiducia.

Content Marketing: l’AI può venire in supporto alla creazione di contenuti in ambiti quali la ricerca di keyword, la pianificazione degli argomenti, l’ottimizzazione e la personalizzazione dei contenuti, etc…
SEO optimization: l’AI può aiutare a identificare le keyword, a raggrupparle per individuare gli argomenti principali di interesse, sviluppare la struttura del sito in sottogruppi pertinenti e creare contenuti ottimizzati.
Search Marketing: sta cambiando il modo di cercare online, basta pensare che la ricerca vocale è un’applicazione AI. Entro il 2020 il 50% delle ricerche saranno vocali e gli algoritmi di Machine Learning, per poter essere sempre più puntuali, hanno bisogno di essere istruiti in maniera elementare: si parte dall’analisi stessa delle parole usate, che indicano l’intento dell’utente (es. cosa/chi, come, quando e dove).
Autonomos Media buying: l’acquisto di spazi pubblicitari può avvalersi dell’AI per trovare il posto giusto al momento giusto in cui veicolare l’informazione.
Marketing Attribution: soluzioni AI possono aiutare le aziende a raccogliere dati sul gradimento del mercato del brand come il posizionamento nei confronti dei competitors.

Un limite all’usabilità e dunque applicazione di sistemi di intelligenza artificiale sta nella paura che l’AI possa diventare “cattiva”: in realtà la tecnologia non ha sentimenti, sta a noi darle un indirizzo con i nostri intenti.

Con l’avvento dell’Intelligenza Artificiale e del Machine Learning si sta assistendo a a un importante cambiando del panorama tecnologico: ad esempio se prima ipotizzare macchine in grado di guidare da sole era fantascienza, oggi ciò è realtà; e molti altri ancora sono gli ambiti di applicazione di queste tecnologie.

Nel contesto aziendale il settore che si occupa di Marketing e Pubblicità tutto questo si identifica nel concetto di Artificial Intelligence Marketing, l’insieme delle tecnologie che fanno capo all’AI (Machine Learning, Natural Language Processing e Deep Learning) e alle tecniche utilizzate nel Marketing Comportamentale con la finalità di individuare il proprio target e quali le sue caratteristiche.
Come impatta allora l’AI sul Marketing ? Detto della specializzazione delle macchine che consente all’uomo di dedicarsi ad altro processi produttivi, l’AI permette “di liberare a” nuove esperienze possibili che sono la chiave per dare vita ad un Marketing che sia sempre più personalizzato e focalizzato nel soddisfare le esigenze del consumatore.

Questa tecnologia permette inoltre di dare impulso alle cosiddette personalizzazioni su larga scala, desiderate da un numero crescente di consumatori, andando in questo modo a catalizzare un pubblico ancora maggiore, intercettando i bisogni attuali del consumatore.

Una applicazione di intelligenza artificiale che va diffondendosi progressivamente sulle piattaforme di acquisto di beni/servizi è quella che va sotto il nome di “cashback” (‘soldi indietro’): nel settore del marketing indica un sistema di riaccredito di soldi sugli acquisti effettuati presso negozi convenzionati, che viene restituito in un portafoglio virtuale, ossia un processo nel quale una parte di quello che noi abbiamo pagato per un acquisto ci viene restituita.

(Rif: https://www.ai4business.it/intelligenza-artificiale/ https://www.digital4.biz/executive/ai-cos-e-l-intelligenza-artificiale-e-come-puo-aiutare-le-imprese/ https://www.contentintelligence.net/it/ci/marketing-e-intelligenza-artificiale-come-innovare-il-business https://www.vidiemme.it/artificial-intelligence-marketing/ https://italiacashback.com/cashback-come-funziona/ https://ai.marketing/it)

Primati di AI: Chatbot e Assistenti Virtuali

(19 febbraio)

In principio fu il mobile. Un settore che rapidamente ci ha imposto e abituato, con la sua crescita esponenziale, ad avere tempi di risposta sempre più rapidi dagli elaboratori, in un mondo pervaso dalla smanìa del “tutto e subito”, ma anche ad un continuo rincorrersi di artifizi e tecniche che soddisfacessero i nostri bisogni/desideri. Ebbene, anche a ciò l’informatica più avanzata ha saputo rispondere con le applicazioni dell’AI.

In particolare, a queste esigenze vengono incontro i cosiddetti “chatbots“. Si tratta di software piuttosto che dispositivi in grado di interpretare comandi vocali e interagire con le persone, in funzione proprio dell’Intelligenza Artificiale. Ne esistono di due tipi: i “chatbot” e gli ‘assistenti vocali” (o ‘virtuali”).


Un Chatbot è un software programmato che simula una chat: vale a dire, permette di ricreare una sorta di ambiente virtuale – ad es. una chat appunto – in cui un utente può confrontarsi per ottenere delle risposte . Può essere pensato come un programma in grado di ricevere domande e rispondere secondo specifiche; è strutturato come una alberatura domande/risposte che vengono effettuate in successione al fine di arrivare a una risposta. L’Assistente Vocale è invece basato su algoritmi intelligenti, mediante i quali si ottiene la comprensione di concetti precisi. A differenza del primo, entra in relazione con l’utente perché comunica con un “linguaggio naturale“, cioè comprensibile alla macchina; è un chatbot dotato di intelligenza artificiale, capace di rispondere anche a domande non previste.

Due applicazioni software che vengono utilizzati in disparati campi di applicazione – dalla casa al settore sanitario, alle applicazioni sulle automobili, ecc. -, e conseguentemente gli sviluppi che hanno seguito.

“La diversa interazione che si stabilisce con questi due differenti Virtual Assistant determina un diverso approccio alle due tecnologie: il chatbot è un software che può simulare una conversazione strutturata, e trova particolare applicazione nel settore ‘Customer Care‘ sostituendosi all’operatore umano; l’Assistente Vocale come detto altrove è una applicazione risultato di intelligenza artificiale e machine learning in grado di elaborare comandi vocali, che si può definire essenzialmente come un ‘aiuto nella quotidianità‘.

Quella dei chatbot in senso stretto è perciò una soluzione ideale nel campo dell’assistenza clienti dove è sempre più importante la qualità e la velocità del servizio.
Al contrario gli Assistenti Vocali (o Assistenti Virtuali) sono destinati ad un uso in larga parte casalingo, e il successo è apprezzabile nell’uso dispendioso che ne stanno facendo i consumatori i quali ben hanno accolto l’adozione dei comandi vocali, arrivando finanche ad assumere le sembianze di un umano con cui dialogare e addirittura in grado di risolvere possibili problematiche con un approccio empatico !

Diversità oramai latente a ben vedere. Se in passato, il chatbot poteva eseguire solo compiti specifici come una modifica della password o fornire informazioni sul tempo, al contrario dell’assistente virtuale in grado di offrire un ventaglio più ampio di risposte ricorrenti, i progressi che si sono ottenuti con la NLP (Natural Language Processing) e l’apprendimento automatico, hanno accorciato la forbice esistente tra i due: così, ecco che anche il chatbot in senso stretto viene ad essere una applicazione a cui rivolgere domande e ottenere risposte secondo specifiche fornite. “In futuro potremmo forse arrivare a parlare di un unico Assistente Virtuale, capace di integrare al suo interno soluzioni diverse che consentano diversi tipi di interazione, capaci in questo modo di andare incontro alle esigenze e preferenze di un numero maggiore di consumatori.”

La natura stessa dei chatbot delimita le loro capacità. Ogni chatbot è in un certo senso ancorato ad una funzione limitata: sono adatti ad applicazioni singole come il supporto clienti, il customer engagement o gli acquisti automatizzati. Non possono variare il loro vocabolario o acquisire un linguaggio così vasto da poter servire qualsiasi altra funzione, oltre a quella per cui sono stati progettati.
Come visto, vengono tendenzialmente usati per il supporto clienti (di qualsiasi natura, dal meteo fino ai consigli per i film) o per gli acquisti automatizzati (ad esempio per i biglietti del treno). Ancora adesso hanno difficoltà a ricordare le informazioni chiave durante le conversazioni. Viceversa gli assistenti virtuali dimostrano che possono memorizzare ciò che gli si dice, conservando le informazioni per uso futuro, risparmiando all’utente il tempo e la noia di riscriverle ogni volta. Dovessi chiedere info su un ordine o delle informazioni riguardo a modifiche da apportare, non ti chiederebbe di inviarle nuovamente.

“E’ importante che i Virtual Assistant rispecchino i desideri degli utilizzatori finali che, pur sapendo di stare interagendo con una macchina, preferiscono che questa abbia caratteristiche tipicamente umane, come la pazienza e l’empatia.”
“Umanizzare il più possibile l’Assistente e la modalità di interazione è dunque fondamentale per far sì che l’uso di questi software sia sempre più naturale e coinvolgente per gli utenti, elemento fondamentale per una reale diffusione di questa soluzione.” [rif.: www.vidiemme.it]

L’Assistente Virtuale è un’interfaccia di comunicazione che si basa su un motore cognitivo il quale, comprendendo i concetti affrontati, permette di simulare una conversazione vera e propria, uscendo dagli schemi logici preimpostati di domanda/risposta tipici della Chatbot.

Quindi un assistente virtuale è molto diverso da un chatbot. Fin dall’inizio, la tecnologia degli assistenti virtuali ha permesso loro di essere utilizzati per applicazioni sofisticate come pure molto semplici, ad esempio svolgere compiti o fare ricerche e confrontare prodotti, oltre a molte abilità.
Importante è la loro capacità di comprendere il linguaggio naturale, che consente di ricevere comandi vocali complessi in varie lingue e dialetti. I ricercatori dell’Università di Stanford hanno pubblicato un recente articolo sul Natural Language Processing (NLP), spiegando come migliorerà notevolmente la comprensione dei dialetti regionali, dello slang o del modo naturale di parlare.

Quando si parla di Natural Language Processing intendiamo l’elaborazione automatica del linguaggio umano mediante l’analisi delle sue varie componenti (entità): traduzioni, sentiment analysis, generazione automatica di testi e chatbot sono alcune tra le problematiche più comuni nel campo.

Così, i chatbot si sono evoluti rispetto ai primordiali e possono svolgere più funzioni grazie alla loro capacità di comprendere il linguaggio. L’uso di alberi decisionali, ad esempio, rende molto più facile scoprire l’intento preciso che sta dietro le richieste degli utenti, ampliando ulteriormente la sua utilità per il cliente e dunque per l’azienda, che può leggere meglio le richieste della clientela e prendere decisioni per il miglioramento del prodotto o servizio.

Particolare notare come in corrispondenza della rapida diffusione dei social network si è assistito al passaggio dell’utente da semplice fruitore di notizie a “protagonista attivo” e costantemente operativo, sempre più coinvolto nella produzione di contenuti propri come nella modifica di esistenti e in attività relative ad acquisti e vendite di oggetti e servizi – siamo nei primi anni del XXI secolo -, unitamente all’informatizzazione dei processi aziendali.

In questo contesto, l’importanza dell’Intelligenza Artificiale passa per l’applicazione di nuovi approcci, che integrano l’elaborazione del linguaggio naturale con gli algoritmi di apprendimento profondo (deep learning), producendo risultati straordinari in differenti scenari applicativi.
Dal 2011, l’NLP fornisce soluzioni per analizzare la struttura sintattica del testo (es. nome, verbo, aggettivo), identificando entità e classificandole in categorie predefinite, ricostruendo la struttura sintattica e la semantica tramite il significato delle parole, anche relazionato al contesto e alle modalità di utilizzo (ad es. ironia, sarcasmo, sentimento, umore), classificandolo in categorie predefinite (ad es. sport, geografia, medicina) o sintetizzandone il contenuto. Differenti problemi di NLP sono stati affrontati mediante un algoritmo basato sul deep learning , mostrando prestazioni via via migliori rispetto ad altre modalità di approccio; tecniche di NLP basate su deep learning stanno trovando sempre più applicazione riguardo lo sviluppo di sistemi conversazionali in grado di emulare il dialogo umano, di rispondere a domande su diversi argomenti. [cit. www.agendadigitale.eu]

Nell'era dell'Internet of Things

(martedì 4 gennaio)

E’ di trent’anni fa la nascita di una nuova “dimensione” per l’informatica, il frutto di una stretta sinergia fra sviluppo di applicazioni, elaborazione e comunicazione fra apparati diversi – alla stregua di quanto avviene normalmente fra personal computer, tablet e smartphone -: l’era dell’Internet of Things (IoT o IoC), un settore che seppur agli albori tramite soluzioni mano a mano più specifiche sta interessando sempre più il nostro quotidiano e le nostre abitudini, aprendo così ad un campo di applicazioni che è molto vicino a noi.

Internet of Things estende a “dispositivi robotizzati” la capacità di raccogliere, elaborare e scambiare dati tra di loro azioni tipiche dei computer, permettendo di migliorare monitoraggio, controllo e automazione degli stessi.

L’Internet delle cose beneficia degli sviluppi nei campi dell’elettronica e della comunicazione wireless per abilitare le capacità digitali e di comunicazione di elettrodomestici, telecamere, termostati, sistemi di fabbrica, veicoli, dispositivi wearable, ausili e sanitari.

Anche se non ce ne accorgiamo, perlomeno per chi è al di fuori del settore, l’Intelligenza Artificiale (AI) – in combinazione con il machine learning – sta prendendo sempre più piede anche nella nostra quotidianità.

Così, accanto ad applicazioni sempre più specifiche e complesse, l’AI fra le diverse applicazioni è entrata pure fra le mura domestiche con gli Assistenti Vocali: piccole apparecchiature (‘apparecchiatura elettronica’ la definirebbe un non addetto ai lavori) in realtà dispositivi che, basandosi sui fondamenti dell’Intelligenza Artificiale e del machine learning, permettono alle persone di interagire semplicemente tramite la voce, impartendo comandi, facendo loro compiere specifiche operazioni (chiedere informazioni di vario genere – es. la temperatura di casa, che ora o che giorno è – come la riproduzione di musica).
I più comuni assistenti vocali sono Alexa, l’Assistente Google e Siri.

Tutto questo è possibile grazie all’intelligenza artificiale ed al machine learning mediante i quali progressivamente con la commistione con altri protocolli quali ad esempio le reti wireless si potrà contare su assistenti vocali sempre più precisi; progetto è ancora agli albori e non presumibilmente sbrigativo.

HTML Snippets Powered By : XYZScripts.com