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.

Verso il Web Semantico: il Knowledge Graph

(lunedì 4 febbraio)

Con l’avvento degli ultimi algoritmi supportati dai motori di ricerca (Hummingbird e RankBrain su tutti) la tendenza del settore è stata quella di fornire all’utente risultati sempre più specifici e attinenti alle query sottoposte (intento di ricerca). E questo sarà uno dei trend del settore nel 2019.

“Knowledge Graph”, questo sconosciuto

Lo scopo del Google Knowledge Graph (in Italiano “grafo”) fu fin dal principio quello di classificare le informazioni disponibili nel web secondo una serie di relazioni. Gran parte dei servizi tecnologici che utilizziamo poggiano su enormi grafi.

Tutto questo lo fa grazie alla ricerca semantica, mettendo in relazione la query effettuata dall’utente col suo intento di ricerca e le informazioni che potrebbero essere più interessanti.

Il primo cambiamento di Google è stato nell’adozione di un motore semantico che pertanto potesse essere in grado di rispondere alle nuove esigenze di ricerca: di qui il motore di ricerca assume un connotato di intelligenza artificiale.

Lo scopo del Google Knowledge Graph (in Italiano “grafo”) è da sempre quello di classificare le informazioni disponibili nel web secondo una serie di relazioni.

Con il supporto del Knowledge Graph Google è stato in grado di semplificare le ricerche affinando la ricerca semantica in senso stretto.

Come appare in una ricerca un Knowledge Graph

Schematicamente, il Knowledge Graph si presenta come una scheda informativa a destra nella SERP dove poter trovare informazioni su personaggi, luoghi famosi, città, opere d’arte, film, avvenimenti, eccetera (in funzione della query posta)… il tutto senza esplorarne i risultati.

Il pregio di questa soluzione è di ottenere ‘risultati migliori‘ incrociando informazioni provenienti da diverse fonti con altre da siti autorevoli individuati dal motore di ricerca.

Google Duplex


Recentemente, nel maggio del 2018, durante l’annuale conferenza di casa Google per gli sviluppatori, è stata presentata quella che passerà come una novità assoluta per il settore: “Google Duplex”, applicazione di machine learning deputata  a fare il lavoro.

Analizzando Google Duplex, si possono cogliere alcune peculiarità fondamentali: per la tonalità della voce, la capacità di interagire e di condurre la conversazione, Google Duplex sembra praticamente umano. Si comporta come un automa, cioè dietro al programma non c’è nessuno che suggerisce le risposte. L’assistente vocale è indipendente e risponde in maniera dinamica alle interrogazioni; non ha preregistrata nessuna serie di risposte da utilizzare bensì per ciò si basa sul “web visibile”. Potendo contare su un elevato numero di pagine web fornite dal motore di ricerca, di volta in volta è in grado di passare contenuti rilevanti in base a quella che è la ricerca.

In breve, Google Duplex è stato “allenato” ad utilizzare il linguaggio umano partendo da un elevato numero di conversazioni.

Il concetto di machine learning (in cui rientra come detto Google Duplex, che è strettamente correlato a quello di intelligenza artificiale, tecnologie valide che che si contraddistinguono per il fatto di riuscire a processare una mole enorme di dati in maniera velocemente.

Google Knowledge Graph, uno step oltre la parola chiave

16 Maggio 2012, Google annuncia per la prima volta ufficialmente il lancio di un enorme Knowledge Graph.

Prima ancora che Google nascesse, la ricerca era legata all’utilizzo di parole chiave: infatti, la parte di ricerca faceva uso di un semplice matching di parole chiave. Ma le parole chiave non sempre bastano.

Nel momento in cui sottopongo un termine cioé non è dato sapere con quale accezione (in che contesto) debba essere inteso ! ed è proprio qui che interviene la potenzialità del ‘knowledge graph’.

Cosa vuol dire “Knowledge Graph”

Knowledge Graph cambia le cose. Il “graph” sviluppato da Google, infatti, rende il motore di ricerca un elemento più vicino agli utenti e consente di ricevere risposte su cose, persone, luoghi, celebrità, squadre sportive, città, edifici, personaggi storici, opere d’arte. Tutto direttamente all’interno del motore di ricerca. Vengono annullate le ambiguità. Ora è in grado di riconoscere la differenza tra le diverse accezioni del termine e può proporre da subito le risposte alle possibili query.

Mentre maturava l’idea del “grafo”, un ulteriore passo in avanti lo si è fatto nel 2005 quando è stato introdotto il nuovo algoritmo RankBrain mediante cui a fronte di una ricerca è possibile ottenere i migliori risultati possibili, ciò utilizzando quella che viene definita “Intelligenza Artificiale”. Mediante questa, grossi volumi di info e dati vengono trasformati in entità matematiche (“vettori“) comprensibili all’elaboratore.

Web semantico e Reti Semantiche

(lunedì 28 gennaio)

Web Semantico e Reti Semantiche

La necessaria specializzazione degli algoritmi che è sotto gli occhi di tutti gli operatori di settore (e non conosce sosta !!) volta a a fornire risultati sempre più precisi e attinenti a quello che è l’intento di ricerca dell’utente ha determinato il passaggio al ‘Web Semantico’ mediante cui, oltre che ad una riorganizzazione. si realizza pure una revisione strutturale della pagina web.

Con il termine web semantico, termine coniato dal suo ideatore, Tim Berners-Lee, si intende ‘la trasformazione del World Wide Web verso un ambiente dove i diversi tipi di contenuti (dalle pagine HTML alle immagini) vengono semplificati e, tramite associazioni ad informazioni e dati (metadati), convertiti in un formato adatto ad essere compreso e interpretato da un motore di ricerca‘ (rif.: www.wikipedia.org).

In questo modo, saranno possibili ricerche più evolute delle precedenti, basate sulla presenza nel documento di parole chiave, e altre operazioni specialistiche come la costruzione di “reti di relazioni“.’

Per stare al passo con un mondo in cui il linguaggio è via via sempre più complesso (“termini neo-nati si accompagnano a vecchie parole le quali vengono tuttavia utilizzate per definire nuovi significati”), il World Wide Web ha trovato la sua “carta vincente” nel creare una associazione tra tutte le differenti informazioni, internet è stato in grado di rivoluzionare la possibilità di passare da un testo ad un altro grazie ai link, che permettono di cliccare su una parola per essere catapultati su altre pagine che ne possono spiegare il significato, dare informazioni.

Una Rete Semantica è una forma elementare di rappresentazione della conoscenza. Schematicamente, è un grafo formato da vertici, che rappresentano concetti, e archi, che rappresentano relazioni semantiche tra i diversi concetti‘ (rif.: www.wikipedia.org). Nate inizialmente come applicazione a supporto dei calcolatori per la traduzione “comprensibile” dei linguaggi naturali, dagli anni Sessanta le ‘Reti Semantiche’ hanno cominciato ad assumere rilevanza culminando nell’enunciato di un certo M. Ross Quillian.

In una definizione di fine anni Novanta, Tim Berners-Lee ammise come ‘i pionieri del web ricorderanno bene come fosse allora articolato effettuare ricerche, sulla meticolosità necessaria nello scegliere le keyword giuste e del pericolo che poi comunque i risultati non corrispondessero a quanto voluto’. ‘Nel web semantico, invece, a ogni documento – che sia un file, un’immagine, un testo – sono associate informazioni, metadati, che, fornendo un contesto semantico appunto, ne rendono più facile l’interrogazione e l’interpretazione automatica, da parte di un motore di ricerca.’


Il web semantico è un web a misura di utente


Ivano Di Biasi afferma che il web semantico è “un metodo per comunicare diversamente con il motore di ricerca, per dargli i dati già pronti ed evitargli di doverli capire da solo analizzando i testi. Un modo, ancora, per rendere più facile a Google acquisire informazioni rapidamente, dal momento che i contenuti aumentano a dismisura ogni giorno, e dare anche i risultati più rapidamente, avere le risposte esatte a ogni esigenza degli utenti“.

Il Web Semantico apre ad una nuova frontiera del web: Web 3.0. Si può pensare a un Web 3.0 dunque per indicare una serie di cambiamenti che di fatto assumono una rilevanza indiscutibile ed inedita se si pensa a come si intendeva il web in passato, a com’era concepito, per l’utente e le sue esigenze.

Intelligenza informatica e Web semantico

Nello specifico, nel mondo informatico, si parla di intelligenza semantica per indicare quelle tecnologie in grado di trasformare informazioni non strutturate, ad esempio i diversi contenuti di un sito web, in un insieme (database) di informazioni strutturate che può essere interpretato ed elaborato automaticamente… ciò è reso possibile dalla combinazione di analisi semantica e codici di mark-up. Dunque, esiste una analogia fra le cosiddette Reti Semantiche e Web Semantico.
Su di essa si basa il concetto di Web 3.0: il World Wide Web si trasforma in un ambiente dove i documenti pubblicati (pagine HTML, file, immagini e così via) diventano interpretabili, cioè vengono associati a informazioni e metadati che ne specificano il contesto semantico in un formato adatto all’interrogazione, all’interpretazione e, più in generale, all’elaborazione automatica.

Riferimenti e approfondimenti:

https://www.insidemarketing.it/web-semantico-caratteristiche/

http://www.x-manager.it/2097