Investire nell’Intelligenza Artificiale (AI) – Tutto quello che devi sapere

Artificial Intelligence (AI) è un settore che non necessita di presentazione. L’AI ha cavalcato le code di Moore’s Law, che afferma che la velocità e la capacità dei computer dovrebbero raddoppiare ogni due anni. Dal 2012, la quantità di calcolo utilizzata nei più grandi addestramenti di AI è aumentata esponenzialmente, raddoppio ogni 3‑4 mesi, con il risultato finale che le risorse informatiche destinate all’AI sono cresciute di 300.000 volte dal 2012. Nessun’altra industria può compararsi a queste statistiche di crescita.

Esploreremo quali settori dell’AI stanno guidando questa accelerazione, quali aziende sono meglio posizionate per sfruttare questa crescita e perché è importante.

Tipi di Machine Learning

Apprendimento automatico è un sottoinsieme dell’AI che consiste essenzialmente nel programmare le macchine per apprendere. Esistono diversi tipi di algoritmi di apprendimento automatico; il più popolare di gran lunga è apprendimento profondo, che prevede l’alimentazione di dati in una Rete Neurale Artificiale (ANN). Un’ANN è una rete molto intensiva dal punto di vista computazionale di funzioni matematiche collegate tra loro in un formato ispirato alle reti neurali presenti nel cervello umano.

Più big data vengono alimentati in un’ANN, più precisa diventa l’ANN. Per esempio, se si tenta di addestrare un’ANN a riconoscere immagini di gatti, fornendo alla rete 1.000 foto di gatti la rete avrà un livello di accuratezza modesto, forse del 70 %; se lo si aumenta a 10.000 foto, il livello di accuratezza può salire all’80 %; se lo si aumenta a 100.000 foto, l’accuratezza della rete raggiunge il 90 % e oltre.

Qui risiede una delle opportunità: le aziende che dominano il settore dello sviluppo di chip per l’AI sono naturalmente pronte per una crescita.

Esistono molti altri tipi di apprendimento automatico promettenti, come apprendimento per rinforzo, che consiste nell’addestrare un agente attraverso la ripetizione di azioni e le relative ricompense. Utilizzando l’apprendimento per rinforzo, un sistema AI può competere contro se stesso con l’obiettivo di migliorare le proprie prestazioni. Per esempio, un programma che gioca a scacchi giocherà contro se stesso ripetutamente, e ogni partita migliorerà le prestazioni nella successiva.

Attualmente i migliori tipi di AI utilizzano una combinazione di apprendimento profondo e apprendimento per rinforzo, comunemente chiamata apprendimento profondo per rinforzo. Tutte le principali aziende AI al mondo, come Tesla, impiegano qualche forma di apprendimento profondo per rinforzo.

Pur esistendo altri importanti sistemi di apprendimento automatico in fase di sviluppo, come il meta‑learning, per semplicità gli investitori dovrebbero concentrarsi sull’apprendimento profondo e sul suo cugino più avanzato, l’apprendimento profondo per rinforzo. Le aziende in prima linea in questo avanzamento tecnologico saranno le meglio posizionate per sfruttare la enorme crescita esponenziale che stiamo osservando nell’AI.

Data Science e Big Data

Se c’è un fattore distintivo tra le aziende che avranno successo e diventeranno leader di mercato e quelle che falliranno, è il big data. Tutti i tipi di apprendimento automatico dipendono fortemente dalla data science, che può essere descritta come un processo di comprensione del mondo attraverso i pattern nei dati. In questo caso l’AI apprende dai dati e, più dati ci sono, più precisi sono i risultati. Ci sono alcune eccezioni a questa regola, dovute a quello che si chiama overfitting, ma è una preoccupazione di cui gli sviluppatori di AI sono consapevoli e per cui prendono precauzioni.

L’importanza del big data è il motivo per cui aziende come Tesla hanno un chiaro vantaggio di mercato nella tecnologia dei veicoli autonomi. Ogni singola Tesla in movimento che utilizza l’auto‑pilota invia dati al cloud. Questo consente a Tesla di utilizzare l’apprendimento profondo per rinforzo e altre ottimizzazioni algoritmiche per migliorare il sistema complessivo dei veicoli autonomi.

Questo è anche il motivo per cui aziende come Google saranno così difficili da spodestare. Ogni giorno che passa è un giorno in cui Google raccoglie dati dalla sua moltitudine di prodotti e servizi, inclusi i risultati di ricerca, Google Adsense, i dispositivi Android, il browser Chrome e persino il termostato Nest. Google sta accumulando più dati di qualsiasi altra azienda al mondo. E ciò non include nemmeno tutti i progetti ambiziosi a cui partecipa.

Comprendendo perché l’apprendimento profondo e la data science sono importanti, possiamo dedurre perché le aziende qui sotto sono così potenti.

Aziende AI in cui Investire

Ci sono tre leader di mercato attuali che saranno molto difficili da sfidare.

Alphabet Inc (NASDAQ: GOOGL)

Alphabet Inc è la società madre di tutti i prodotti Google, compreso il motore di ricerca Google.  È necessaria una breve lezione storica per spiegare perché sono così leader di mercato nell’AI. Nel 2010, è stata lanciata la società britannica DeepMind con l’obiettivo di applicare varie tecniche di apprendimento automatico per costruire algoritmi di apprendimento a scopo generale.

Nel 2013, DeepMind ha conquistato il mondo con vari risultati, tra cui il titolo di campione mondiale in sette giochi Atari grazie all’uso dell’apprendimento profondo per rinforzo.

Nel 2014, Google ha acquisito DeepMind per 500 Million di dollari; poco dopo, nel 2015, AlphaGo di DeepMind è diventato il primo programma AI a sconfiggere un giocatore professionista di Go e il primo programma a battere il campione mondiale di Go. Per chi non conosce il Go, è considerato da molti il gioco più impegnativo esistente.

DeepMind è attualmente considerata un leader di mercato nell’apprendimento profondo per rinforzo e un candidato di primo piano per raggiungere l’Intelligenza Artificiale Generale (AGI), una forma futuristica di AI con l’obiettivo di raggiungere o superare l’intelligenza umana.

Dobbiamo ancora considerare gli altri tipi di AI in cui Google è attualmente coinvolta, come Waymo, leader di mercato nella tecnologia dei veicoli autonomi, seconda solo a Tesla, e i sistemi AI riservati attualmente utilizzati nel motore di ricerca Google.

Google è attualmente coinvolta in così tanti livelli di AI che sarebbe necessario un documento esaustivo per coprirli tutti.

Tesla (NASDAQ: TSLA)

Come detto in precedenza, Tesla sfrutta i big data della sua flotta di veicoli su strada per raccogliere dati dal suo autopilota. Più dati vengono raccolti, più può migliorare utilizzando l’apprendimento profondo per rinforzo; questo è particolarmente importante per i cosiddetti casi limite, ovvero scenari che non si verificano frequentemente nella vita reale.

Per esempio, è impossibile prevedere e programmare ogni tipo di scenario che può verificarsi sulla strada, come una valigia che rotola nel traffico o un aereo che cade dal cielo. In questi casi ci sono pochi dati specifici e il sistema deve associare dati provenienti da molti scenari diversi. Questo è un ulteriore vantaggio di disporre di una grande quantità di dati: anche se è la prima volta che una Tesla a Houston incontra uno scenario, è possibile che una Tesla a Dubai ne abbia già sperimentato uno simile.

Tesla è anche leader di mercato nella tecnologia delle batterie e nella tecnologia elettrica per veicoli. Entrambe si basano su sistemi AI per ottimizzare l’autonomia di un veicolo prima che sia necessaria una ricarica. Tesla è nota per i suoi frequenti aggiornamenti over‑the‑air con ottimizzazioni AI che migliorano di alcuni punti percentuali le prestazioni e l’autonomia della sua flotta di veicoli.

Come se non fosse già sufficiente, Tesla sta anche progettando i propri chip AI, il che significa che non dipende più da chip di terze parti e può ottimizzare i chip per funzionare con il suo software di guida autonoma completa fin dall’inizio.

NVIDIA (NASDAQ: NVDA)

NVIDIA è l’azienda meglio posizionata per sfruttare l’attuale aumento della domanda di chip GPU (Graphics Processing Unit), poiché attualmente è responsabile dell’80 % di tutte le vendite di GPU.

Sebbene le GPU fossero inizialmente utilizzate per i videogiochi, sono state rapidamente adottate dall’industria AI, in particolare per l’apprendimento profondo. Le GPU sono così importanti perché la velocità dei calcoli AI è notevolmente migliorata quando le operazioni vengono eseguite in parallelo. Durante l’addestramento di un’ANN di apprendimento profondo, sono necessari input e ciò dipende fortemente dalle moltiplicazioni di matrici, dove il parallelismo è fondamentale.

NVIDIA rilascia costantemente nuovi chip AI ottimizzati per diversi casi d’uso e requisiti dei ricercatori AI. È questa costante pressione all’innovazione a mantenere NVIDIA come leader di mercato.

Scegli un Broker Azionario

Il primo passo del tuo percorso dovrebbe essere scegliere un broker azionario. Un broker che consigliamo è Firstrade.

Riepilogo

È impossibile elencare tutte le aziende coinvolte in qualche forma di AI; ciò che è importante è comprendere le tecnologie di apprendimento automatico responsabili della maggior parte dell’innovazione e della crescita che l’industria ha registrato. Abbiamo evidenziato 3 leader di mercato, ma ne arriveranno molti altri. Per rimanere aggiornati sull’AI, dovresti seguire le notizie sull’AI, evitare il clamore sull’AI e capire che questo settore è in continua evoluzione.