Un approccio innovativo basato sull’integrazione di machine learning e knowledge graph per migliorare i processi di business basati sulla comprensione di linguaggio e conoscenze
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, 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 consente 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, Cogito si differenzia per l’utilizzo del knowledge graph che, secondo Gartner, è fra le tecnologie emergenti più promettenti nel mercato dell’IA. Il problema legato alla 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.
