{"id":2248591,"date":"2025-05-22T12:01:27","date_gmt":"2025-05-22T10:01:27","guid":{"rendered":"https:\/\/www.varesenews.it\/?p=2248591"},"modified":"2025-05-22T16:35:53","modified_gmt":"2025-05-22T14:35:53","slug":"benvenuti-nellera-delle-macchine-che-apprendono","status":"publish","type":"post","link":"https:\/\/www.varesenews.it\/2025\/05\/benvenuti-nellera-delle-macchine-che-apprendono\/2248591\/","title":{"rendered":"Benvenuti nell\u2019era delle macchine che apprendono"},"content":{"rendered":"

Quando si parla di intelligenza artificiale<\/strong>, sembra di essere sulle montagne russe. Si oscilla continuamente dalle opportunit\u00e0 mirabolanti offerte da questa tecnologia al timore dei rischi nei confronti dell\u2019intero genere umano. Il dibattito pubblico \u00e8 spesso dominato da una radicalizzazione delle aspettative<\/strong>: visioni utopiche e scenari catastrofici si alternano, come se una normalit\u00e0 non esistesse.
\nPer fortuna, l\u2019accademia e la ricerca universitaria contribuiscono a riportare il confronto su binari pi\u00f9 realistici. Un esempio interessante \u00e8 la ricerca Radar IA<\/strong>, condotta dal Centro i-LOG<\/strong> dell\u2019Universit\u00e0 Liuc di Castellanza in collaborazione con Columbus Logistics.\u00a0<\/strong><\/p>\n

POCHE LE AZIENDE CHE IMPLEMENTANO L’IA<\/strong><\/p>\n

L\u2019indagine, realizzata sotto la supervisione del professor Fabrizio Dallari<\/strong>, direttore del Centro, e condotta dal ricercatore e dottorando Nicol\u00f2 Trifone<\/strong>, ha coinvolto oltre 600 direttori<\/strong> del settore logistico in Italia, offrendo una fotografia di una situazione ancora agli inizi. Secondo i dati raccolti, infatti, solo il 30% delle aziende interpellate dichiara di utilizzare soluzioni basate sull\u2019intelligenza artificiale<\/strong>, e appena l\u20198% ha implementazioni effettivamente operative.
\n<\/strong>L\u2019ambito pi\u00f9 maturo \u00e8 quello del s<\/strong>upply chain planning<\/strong><\/em>, storicamente terreno fertile per lo sviluppo di algoritmi predittivi<\/strong>. Tuttavia, l\u2019interesse crescente per applicazioni legate all\u2019efficienza di magazzino, come la tracciabilit\u00e0 dei materiali, l\u2019allocazione dinamica degli articoli e l\u2019automazione, segnala un\u2019evoluzione in corso<\/strong>.
\nLe principali barriere<\/strong> all\u2019adozione restano la mancanza di competenze intern<\/strong>e e le difficolt\u00e0 di integrazione con i sistemi IT<\/strong> gi\u00e0 esistenti. Tuttavia, la ricerca mette in luce come il confronto tra ci\u00f2 che le aziende desiderano e ci\u00f2 che hanno effettivamente implementato possa diventare una preziosa bussola strategica per manager e sviluppatori.<\/p>\n

UTILIZZIAMO IL TERMINE MACHINE LEARNING<\/strong><\/p>\n

Durante la giornata di presentazione di Radar IA, prima della sessione dedicata ai casi aziendali, \u00e8 intervenuto Luca Mari,<\/strong> professore della LIUC e tra i massimi esperti italiani di intelligenza artificiale. In un\u2019Aula Bussolati<\/strong> gremita di studenti, manager e imprenditori della logistica, Mari ha spiegato perch\u00e9 ci troviamo oggi davanti a un cambio di paradigma. Secondo il docente, Alan Turing anticip\u00f2 gi\u00e0 negli anni \u201950 i<\/strong>l concetto di machine learning: macchine che imparano dai dati<\/strong>, senza istruzioni esplicite. Un paradigma opposto a quello dominante nel recete passato, basato sui cosiddetti sistemi esperti<\/strong>, costruiti con regole codificate manualmente dagli sviluppatori. Un modello che si \u00e8 dimostrato fragile in contesti complessi<\/strong>, come la traduzione automatica, proprio perch\u00e9 incapace di gestire efficacemente eccezioni e ambiguit\u00e0.<\/p>\n

\"Economia<\/div>\n

IL CAMBIO DI PARADIGMA<\/strong><\/p>\n

Mari ha mostrato un documento tratto da Google Books Ngram Viewe<\/strong>r, in cui si parla di due approcci all\u2019IA: da un lato i sistemi \u201cAda\u201d<\/strong>, che incorporano conoscenze esplicite e seguono istruzioni predefinite; dall\u2019altro i sistemi \u201cAlan\u201d, che si basano sull\u2019addestramento su dati e su un comportamento emergente e adattivo<\/strong>.
\nOggi, grazie al machine learning e ai modelli neurali<\/strong>, viviamo una nuova fase dell\u2019intelligenza artificiale: non pi\u00f9 software rigidi, ma sistemi in grado di evolvere attraverso l\u2019esperienza.<\/strong> L\u2019arrivo di ChatGPT<\/strong> ha introdotto una novit\u00e0 decisiva: la possibilit\u00e0 di interagire verbalmente e in modo continuo con un\u2019intelligenza artificiale. \u00ab\u00c8 un vero cambio di paradigma<\/strong>: prima erano le regole, oggi sono i dati a guidare l\u2019intelligenza. Si dice intelligenza artificiale, si intende macchine che apprendono\u00bb, ha concluso Mari.<\/p>\n

Il pensiero agile di Pierre Louis Lions: “Non chiamatela intelligenza artificiale”<\/a><\/p><\/blockquote>\n