“Come si progetta e sviluppa l’Intelligenza Artificiale?” è il tema del white paperCefriel che spiega i passi necessari ad assicurare una transizione di successo per imprese e PA Il testo – a cura di Diego Ragazzi, Davide Stenner e Manuel Vimercati di Cefriel – parte da un chiarimento circa il significato di Intelligenza Artificiale e dei diversi tipi di AI. Poi presenta le opportunità e gli ambiti di applicazione di questa tecnologia, per soffermarsi su un aspetto poco trattato. Ovvero il diverso approccio e le differenti competenze necessarie per affrontare la progettazione e lo sviluppo di soluzioni che utilizzano l’Intelligenza Artificiale.
White paper Cefriel, una guida per aziende e PA
Le imprese che desiderano sfruttare al massimo le opportunità offerte da questa tecnologia, realizzando applicazioni affidabili, sicure e robuste, devono infatti comprendere il ciclo di sviluppo dell’AI, che presenta alcune importanti differenze rispetto alle pratiche tradizionali di sviluppo del software.
Il ciclo di sviluppo dell’AI
Diego Ragazzi, Data Strategy Lead di Cefriel e autore del white paper
L’AI viene sempre più utilizzata dalle imprese per realizzare soluzioni concrete. Passando da una fase di sperimentazione a una di rilascio in produzione di applicazioni e sistemi basati su questa tecnologia. Perciò è importante innanzitutto avere chiara la metodologia di approccio alla progettazione di soluzioni di questo tipo. Poi dovranno anche tenere in considerazione la compliance con quanto stabilito di recente dell’AI Act.
Perché è necessario comprendere il ciclo di sviluppo dell’AI per utilizzarla con successo?
Secondo quanto riportato nel white paper, è fondamentale comprendere l’importanza che, nella realizzazione di soluzioni basate sulla Intelligenza Artificiale, assumono i dati. Lo sviluppo di un modello basato su apprendimento automatico non richiede allo sviluppatore di programmare un algoritmo per risolvere un dato problema. Ma di definire le modalità di apprendimento di modello di AI fornendo dati opportunamente selezionati e verificando i risultati ottenuti mediante una severa fase di test.
White paper Cefriel: Come si progetta e sviluppa l’Intelligenza Artificiale?
Lo sviluppo di modelli di Machine Learning è caratterizzato da un approccio maggiormente iterativo e sperimentale. Intrinsecamente fatto di tentativi ed errori come parte integrante del processo di apprendimento e ottimizzazione. Infine, se lo sviluppo software tradizionale è basato su algoritmi e regole prevedibili e ripetibili, i modelli di AI generano una risposta probabilistica. Inoltre richiedono anche la formazione degli utenti finali, per aumentarne la consapevolezza e la confidenza nell’utilizzo di questi sistemi.
Quali sono le peculiarità del ciclo di vita dell’AI?
Il ciclo di vita dell’AI si può definire, come il processo iterativo che porta da un problema di business a una soluzione basata su Intelligenza Artificiale che risolve quel problema. Il fatto di usare l’AI non stravolge le fasi fondamentali di qualsiasi sviluppo software, ancora identificabili in progettazione, sviluppo e rilascio in produzione. Tuttavia, l’AI introduce alcune importanti differenze. Applicazioni complesse, per esempio, necessitano di una valutazione generale del rischio prima di procedere allo sviluppo. L’obiettivo, in una fase preliminare alla realizzazione della soluzione, è identificare i principali fattori di rischio, che dovranno poi essere analizzati a fondo nelle fasi successive.
La valutazione del rischio
L’aspetto di valutazione del rischio assume ancor più importanza alla luce della nascente normativa europea sull’IA. Per quanto riguarda, poi, la fase di analisi, diventa fondamentale la selezione delle fonti dati, che sono alla base di qualsiasi soluzione di AI. Senza una chiara comprensione dei dati richiesti e della loro composizione, non è possibile realizzare nulla.
White paper Cefriel, come deve essere l’approccio
Davide Stenner, uno degli autori del white paper
Nella nostra esperienza in Cefriel l’approccio più efficace si basa su sessioni di lavoro strutturato che riuniscono rappresentanti del business e dell’IT. Con l’obiettivo non solo di identificare i dati, ma anche di strutturarli in un modello di alto livello che ne evidenzi le relazioni. Inoltre consenta di verificare se la base informativa esistente risponde alle domande di business che scaturiscono dal caso d’uso in esame.
Tante buone pratiche
La progettazione dell’architettura applicativa si basa sulle buone pratiche di ingegneria del software: in particolare, un’architettura “a strati” ben pensata. Per esempio l’isolamento del modello di AI dagli altri componenti applicativi, renderà più semplice la manutenzione in esercizio. Facilitando la determinazione della causa degli eventuali problemi e l’evoluzione applicativa. Tuttavia, un aspetto specifico delle applicazioni basate su AI è costituito dall’ambiente di sviluppo, in quanto l’addestramento dei modelli richiede spesso grandi risorse di memoria e di calcolo.
Manuel Vimercati,uno degli autori del white paper
Le aziende prive di un ciclo di sviluppo di AI consolidato devono definire anche l’ambiente di sperimentazione e sviluppo. Esso tipicamente ha requisiti tecnici diversi dall’ambiente di produzione dove verrà installata l’applicazione finale. Una volta creati uno o più modelli, si passa alla fase di verifica degli stessi, necessaria per testarli su nuovi dati.
