Un nuovo traguardo nel campo dell’intelligenza artificiale grazie ad Expert System e ai progressi legati all’integrazione di knowledge graph e machine learning. Gli ultimi risultati delle attività di ricerca e sviluppo portate avanti dall’azienda sono stati pubblicati sulla rivista Semantic Web. Avvallati dal più ampio studio empirico sull’argomento realizzato fino ad oggi, definiscono un nuovo stato dell’arte delle tecnologie di intelligenza artificiale, da cui emerge un’ulteriore conferma sull’unicità dell’approccio di Expert System.
Pur essendo estremamente diffusi, ad oggi machine learning e deep learning non consentono di risolvere i problemi legati alla capacità di comprendere automaticamente il linguaggio naturale (Natural Language Understanding).
Per questo, la comunità legata al mondo dell’intelligenza artificiale ha forti perplessità circa i limiti di questi approcci, soprattutto in termini di “Artificial Intelligence explainability”, cioè la possibilità di comprendere i meccanismi e i “ragionamenti” che consentono alle tecnologie di intelligenza artificiale di ottenere determinati risultati.
Nel caso di machine learning e deep learning, infatti, il processo di elaborazione dei testi eseguito dagli algoritmi non è esplicito ed è perciò difficile definire il motivo per cui si arrivi a un esito piuttosto che a un altro.
Al contrario, il knowledge graph fornisce descrizioni esaustive, efficaci e fruibili del dominio di interesse, garantendo completa trasparenza sul funzionamento dei sistemi cognitivi. Ciò significa che qualsiasi tipo di testo non strutturato può essere compreso e processato in modo più rapido e accurato, consentendo ai sistemi di intelligenza artificiale basati sul Natural Language Understanding (NLU) e il Natural Language Processing (NLP) di gestire in modo efficiente qualsiasi processo basato sulla gestione della conoscenza.
“L’apprendimento automatico da solo non è in grado di risolvere i problemi legati alla comprensione del linguaggio naturale. Unendolo invece con il knowledge graph, si ottengono solide prestazioni”, ha dichiarato Marco Varone, Presidente e CTO di Expert System. “L’aspetto innovativo del nostro approccio permette di fondere al meglio le potenzialità del deep learning con l’enorme quantità di conoscenza del knowledge graph, consentendo di ottenere risultati migliori con meno lavoro di preparazione e di messa a punto finale”.
In particolare, la tecnologia proprietaria di Expert System (Cogito) si differenzia per l’utilizzo del knowledge graph che, secondo Gartner, è fra le tecnologie emergenti più promettenti nel mercato dell’IA. Un riconoscimento che certifica il costante impegno dell’azienda nelle attività di R&D, volta a potenziare Cogito e a confermare il posizionamento di assoluta avanguardia dell’azienda nell’arena globale delle tecnologie di intelligenza artificiale e comprensione del linguaggio.
La tecnologia del knowledge graph, utilizzata anche da colossi come Google, Facebook e Microsoft, si basa sulla realizzazione di “grafi che permettono di descrivere in maniera molto ricca qualsiasi concetto, oggetto, attività, persona o processo e associargli un attributo. Di fatto è la base perché le macchine possano passare dal livello delle informazioni a quello della conoscenza e collaborare con gli umani”.
Il problema legato allo sviluppo di applicazioni intelligenti basate sul knowledge graph è la quantità di lavoro manuale necessario all’implementazione del knowledge graph stesso. Oggi, grazie ai progressi di Expert System, è possibile rendere questa attività più semplice e veloce applicando automaticamente i modelli di machine learning e deep learning alla conoscenza ampia, approfondita e strutturata del knowledge graph di Cogito.
Il tutto, con l’obiettivo di aiutare aziende e organizzazioni nel miglioramento dei processi di business basati sulla comprensione di linguaggio e conoscenze.
###
Resta sempre aggiornato sul tuo titolo preferito, apri l'Insight dedicato a Expert.Ai
