Whitepaper Artificial Intelligence

Scoprite di più sull'intelligenza artificiale nell'intralogistica nel nostro whitepaper

artificial intelligence, connection human and machine

Whitepaper Artificial Intelligence

Le macchine sono in grado di pensare?

Dal 2017 c'è molto fermento intorno all'intelligenza artificiale (AI) come branca dell'informatica. L'AI si è già dimostrata utile per un'ampia varietà di applicazioni: assistenti virtuali, applicazioni, giochi di intelligenza e molto altro ancora.

Ma torniamo alla domanda iniziale: le macchine sono davvero in grado di pensare? Ci troviamo subito di fronte a un problema: che cos'è esattamente il pensiero? Non esiste una definizione univoca e diretta del termine.

Ma cosa distingue l'intelligenza artificiale da quella umana?

La caratteristica unica degli esseri umani - almeno per il momento - è il pensiero creativo e innovativo. Le macchine, invece, possono scegliere tra le opzioni decisionali esistenti ed elaborare una quantità incredibilmente grande di dati e informazioni. Inoltre, hanno un'affidabilità, un'accuratezza e una continuità impressionanti: possono lavorare 24 ore su 24. Anche i compiti più complessi possono essere svolti autonomamente, se vengono fornite le istruzioni corrette. Gli algoritmi, l'elevata potenza di elaborazione e la crescita esponenziale dei dati da elaborare costituiscono la base dell'intelligenza artificiale.

Già da qui si capisce che l'intelligenza artificiale ha un enorme potenziale...

Blog Artificial Intelligence

L'intelligenza artificiale (AI) è solo una moda o c'è di più? Come intendiamo iniziare a sfruttare l'AI nei nostri progetti.

Per saperne di più
Artificial Intelligence

Concetti base relativi all'intelligenza artificiale

Innovations and Trends in material handling and logistics

Artificial intelligence (AI) è una branca dell'informatica che si occupa dell'automazione del comportamento intelligente. L'IA è il tentativo di programmare un computer in modo che sia in grado di elaborare i problemi in modo indipendente, come farebbe un essere umano con una formazione adeguata. Problem solving significa prendere decisioni che costituiscono una risposta appropriata al problema di fondo entro un tempo specifico, sulla base di dati provenienti da varie fonti (database, sensori, videocamere, ecc.).

artificial intelligence, brain with data streams, networking

Machine learning è un termine collettivo per indicare vari processi utilizzati per determinare un'interrelazione funzionale sconosciuta tra dati di input e di output. Oltre alle applicazioni tradizionali ancora importanti come la formazione di cluster, la regressione, le analisi dei fattori e delle serie temporali, integra anche metodi più complessi come le reti neuronali, gli approcci evolutivi e le macchine vettoriali di supporto.

Analisi predittiva

L'uso delle tecnologie Big Data consente di elaborare quantità gigantesche di dati, di rappresentare tempestivamente il mondo reale e di prendere decisioni accurate. Leggete nel nostro white paper quali sono i prerequisiti da soddisfare per l'analisi predittiva.

Simulazione

La simulazione svolge un ruolo fondamentale nella pianificazione dei sistemi logistici. Il nostro white paper descrive come l'AI viene utilizzata per la pianificazione e dimostra i vantaggi che ne derivano.

Cognitive Computing - Intelligenza artificiale

Cognitive Computing - gli assistenti automatici al posto degli esseri umani si occupano di compiti o prendono decisioni. Guardate il nostro video e scoprite le aree di applicazione più importanti in cui le macchine supportano l'uomo.

Deep Learning

Deep learning è una tecnologia che consente ai computer di acquisire una capacità naturale per gli esseri umani: imparare dall'esperienza. Viene utilizzata, ad esempio, nel riconoscimento delle immagini e della voce. Scoprite qui cos'è il deep learning e come si è evoluto negli ultimi anni.

Strategie di apprendimento

Le strategie di apprendimento - un elevato numero di ripetizioni e una buona qualità dei dati giocano un ruolo fondamentale per l'apprendimento! Ma quali tipi di strategie di apprendimento vengono applicate?

Machine Learning

La pubblicità on-line personalizzata o il filtraggio automatico delle e-mail di spam sono possibili grazie all'apprendimento automatico. Il video spiega come funziona.

Artificial Intelligence

Scoprite di più sull'intelligenza artificiale

Intelligenza artificiale in logistica

Parliamo di opportunità...

Gli autori del whitepaper

... ha studiato matematica alla Vienna University of Technology (TU Wien), specializzandosi in simulazione, ricerca operativa e statistica. Dopo aver completato gli studi, ha trascorso un periodo a Glasgow, dove ha svolto ricerche sui metodi kernel. Nel 2001 è entrato a far parte del centro di ricerca di Seibersdorf, prima come project manager, poi come responsabile del gruppo di lavoro "Ottimizzazione dei processi", dove ha condotto e gestito progetti di ricerca nazionali e internazionali sulla logistica dei trasporti, sulla logistica specifica delle località e sulle supply chain globali. Oltre a svolgere la sua attività di ricerca, insegna in diversi istituti di istruzione superiore in Austria.

Markus Klug fa parte di SSI SCHÄFER IT Solutions GmbH dal 2013. Inizialmente era responsabile dello sviluppo dell'analisi dei dati e della simulazione all'interno dell'azienda, ruolo che poi è cresciuto fino a comprendere Data Science e artificial intelligence/machine learning. In qualità di esperto per la logistica delle forze  militari di riserva, è anche consulente per l'esercito austriaco, fornendo consulenze sullo sviluppo di modelli e processi matematici nel settore militare. Markus Klug ha una vasta conoscenza ed esperienza, come dimostrano le sue varie pubblicazioni accademiche, le conferenze, l'appartenenza a comitati accademici, la presidenza di sessioni di conferenze accademiche e il suo ruolo di revisore per riviste specializzate internazionali.

Autor Georg Rief

Georg Rief ha conseguito una laurea in scienze computazionali e un master in fisica. Si è concentrato principalmente sulla simulazione e sulla Data Science, in quanto l'intelligenza artificiale non era un argomento particolarmente importante all'epoca e quindi non era centrale nei suoi studi. Ha maturato 8 anni di esperienza nello sviluppo di software in altri settori prima di approdare in SSI SCHÄFER nel marzo 2014. Inizialmente ha lavorato come sviluppatore W4 per i progetti dei clienti, prima di passare al reparto di Data Science/simulazione nel dicembre 2016.

New Content Item (1)

Karina Konrath ha studiato matematica presso la Graz University of Technology e lavora per SSI SCHÄFER dal novembre 2017. In qualità di data scientist, è in gran parte responsabile dell'analisi e della preparazione dei dati, che richiede un uso intensivo della statistica e della matematica.

Innovations and Trends in material handling and logistics

Trends

Come possiamo aiutarti?