Intelligenza artificiale/Applicazioni

Wikibooks, manuali e libri di testo liberi.
Jump to navigation Jump to search
Indice del libro

Le applicazioni dell'intelligenza artificiale sono molto varie. I sistemi a linguaggi formali vengono utilizzati in contesti dove le regole base sono chiare e certe. Diversi robot di ricerca utilizzano definizioni basate su linguaggi formali per definire gli scopi e gli obiettivi.

Gli alberi di ricerca vengono utilizzati quando è possibile organizzare la conoscenza chiaramente in modo da poterla utilizzare per risolvere in automatico i problemi.

I sistemi di apprendimento non supervisionato come il clustering e le regole di associazione vengono utilizzati per analizzare imponenti moli di dati alla ricerca di particolari associazioni o di particolari gruppi di utenti che deviano da un preciso profilo. Questi strumenti vengono molto utilizzati dalle società di analisi per classificare gli utenti e fornire pubblicità o prodotti personalizzati. Le società spesso utilizzano questi strumenti per individuare comportamenti devianti come utenti che stanno per diventare morosi o che sono probabilmente dei truffatori dato che normalmente questi utenti hanno un comportamento nettamente diverso rispetto alla maggioranza degli utenti e le tecniche di clustering riescono sovente ad individuarli o comunque definiscono un cluster dove vengono concentrati tutti gli utenti che hanno un'elevata probabilità di diventare utenti morosi.

I sistemi di apprendimento supervisionato vengono utilizzati per organizzare una base di conoscenza spesso fornita da un esperto umano in modo da poter risolvere problemi in automatico. Questi sistemi vengono utilizzati per esempio dalle compagnie petrolifere per effettuare analisi preliminari delle prospezioni petrolifere e dagli ospedali per fornire diagnosi preliminari.

I sistemi ad apprendimento con rinforzo come le reti neurali, gli algoritmi genetici e i classificatori sono utilizzati in ambienti incerti dove le condizioni sono soggette a continui mutamenti o dove i dati possono essere affetti da errori a volta anche molto rilevanti. Le reti neurali sono spesso utilizzate per riconoscere le immagini, la voce e i percorsi. Gli algoritmi genetici invece sono in grado di analizzare ampi spazi degli stati alla ricerca di soluzioni che se non sono le migliori spesso non prossime a quelle ottime. I classificatori cercano di riunire i vantaggi delle due precedenti tecnologie.