L\u2019intelligenza artificiale generativa \u00e8 indubbiamente l\u2019hype del 2023. Nessuna azienda, prodotto, evento o autore pu\u00f2 evitare di confrontarsi con questo tema e con il suo rappresentante pi\u00f9 noto: ChatGPT.<\/p>\n\n\n\n
Lanciato a novembre 2022, il chatbot di OpenAI ha catturato l\u2019attenzione del pubblico grazie alla sua straordinaria capacit\u00e0 di generare testi coerenti e contestualmente rilevanti, raggiungendo 100 milioni di utenti in soli due mesi e suscitando accesi dibattiti sulle implicazioni, le potenzialit\u00e0 e le sfide poste da questa tecnologia.<\/p>\n\n\n\n
Una delle applicazioni pi\u00f9 promettenti dei modelli generativi \u00e8 anche fra le meno note e discusse: si tratta della produzione di dati sintetici<\/strong>.<\/p>\n\n\n\n Siamo abituati a vedere i modelli di IA generativa messi alla prova in campi apparentemente creativi: creare nuove immagini, nuovi video, nuovi testi, nuova musica. Ma quello che fanno i modelli generativi come ChatGPT o Midjourney \u00e8 creare qualcosa che sia statisticamente simile all\u2019esistente<\/strong>: qualcosa di plausibile rispetto al dataset iniziale. <\/p>\n\n\n\n Perci\u00f2 le capacit\u00e0 delle Intelligenze Artificiali Generative si prestano ottimamente a risolvere un ostacolo davanti a cui si trovano molte aziende nel momento in cui vogliono avviare progetti di Data Science: l\u2019esigenza di avere un set di dati plausibili sufficientemente ampio<\/strong>.<\/p>\n\n\n\n In questo caso, la IA generativa viene usata per riprodurre dei dati con propriet\u00e0 statistiche che siano coerenti con quelle osservate nel dataset originale, senza per\u00f2 corrispondere a dati reali effettivamente osservati.<\/p>\n\n\n\n Immaginiamo ad esempio che due aziende di articoli di lusso desiderino allenare un modello di Intelligenza Artificiale per individuare e prevedere le tipologie di clienti che acquistano da entrambe. Il dataset disponibile ha un numero di righe relativamente basso, come ovvio per un settore che per definizione si rivolge a un\u2019elite di clienti. Inoltre, per entrambe le aziende \u00e8 molto importante garantire la privacy dei propri clienti e la riservatezza delle informazioni aziendali: una semplice pseudonimizzazione non sarebbe considerata sufficiente, mentre una completa anonimizzazione rischierebbe di diminuire la significativit\u00e0 delle informazioni<\/strong> rimuovendo le relazioni fra gli elementi.<\/p>\n\n\n\n Un modello generativo risolve il problema sintetizzando nuovi dati con propriet\u00e0 statistiche simili ai dati esistenti ma pi\u00f9 numerosi (data augmentation<\/em>) e totalmente privi di informazioni personali: su questo nuovo dataset possono essere svolte analisi o allenati modelli predittivi.<\/p>\n\n\n\n I dati sintetici non sono una novit\u00e0: l\u2019esigenza di generare dataset con determinate caratteristiche e l\u2019idea di farlo attraverso modelli \u00e8 molto diffusa in ambito scientifico. La qualit\u00e0 dei modelli generativi sviluppati nell\u2019ultima decade e le recenti norme introdotte per regolamentare la protezione dei dati, hanno fornito a questa pratica un nuovo slancio in ambito aziendale.<\/p>\n\n\n\n Una prassi, che prima riguardava soprattutto ricercatori che dovevano testare o sviluppare sistemi avanzati di analisi dati, oggi \u00e8 pronta a risolvere problematiche aziendali.<\/p>\n\n\n\n La possibilit\u00e0 di generare dati sintetici in ambito aziendale risulta decisiva quando i dati disponibili sono quantitativamente scarsi \u2013 ad esempio perch\u00e9 l\u2019oggetto dell\u2019analisi \u00e8 per definizione un evento raro all\u2019interno del dataset, come pu\u00f2 accadere per il riconoscimento delle frodi.<\/p>\n\n\n\n Un altro aspetto che rende utile il ricorso a dati sintetici \u00e8 quando sono inclusi dati sensibili – soggetti a restrizioni di privacy riservatezza o sicurezza – che per\u00f2 non possono essere semplicemente omessi senza inficiare l\u2019efficacia dell\u2019intero dataset.<\/p>\n\n\n\n Queste caratteristiche possono rendere inattuabili o inefficaci alcune analisi, lo scambio di informazioni fra diverse aree della stessa organizzazione e lo sviluppo di modelli di apprendimento automatico per la risoluzione di problemi di business – come ad esempio Churn Prevention, Propensity o Anomaly Detection.<\/p>\n\n\n\n L\u2019utilit\u00e0 dei dati sintetici per la tutela della privacy non \u00e8 sfuggita nemmeno al legislatore europeo, che li menziona espressamente nell\u2019AI Act come una soluzione per svolgere il training dei modelli senza dover ricorrere a dati reali di persone reali.<\/p>\n\n\n\n Un\u2019importante caratteristica dei dati sintetici \u00e8 la similarit\u00e0 con il dato originale. Questa caratteristica si quantifica con metriche che ne valutano la fedelt\u00e0<\/em>. Un dataset sintetico con un elevato livello di fedelt\u00e0 garantisce anche un\u2019elevata utilit\u00e0 <\/em>ovvero la possibilit\u00e0 di utilizzare il dato sintetico per i medesimi scopi per cui viene utilizzato anche il dato originale \u2013 perch\u00e9 la somiglianza \u00e8 molto elevata. Tuttavia, massimizzare fedelt\u00e0 e utilit\u00e0 potrebbe causare la violazione dei requisiti della privacy.<\/p>\n\n\n\n La generazione dei dati sintetici \u00e8 caratterizzata dalla tensione fra queste tre dimensioni<\/strong>: ogni volta che si genera un dataset \u00e8 necessario valutare come bilanciare queste dimensioni in base al fine e ai dati di partenza, cos\u00ec da ottenere dei dati utili, di qualit\u00e0 e conformi alle esigenze di riservatezza e privacy.<\/p>\n","protected":false},"excerpt":{"rendered":" L\u2019intelligenza artificiale generativa \u00e8 l\u2019hype del 2023, ma una delle sue applicazioni pi\u00f9 utili alle aziende \u00e8 anche fra le meno apparentemente creative. <\/p>\n","protected":false},"author":6,"featured_media":3634,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[120,121],"tags":[],"class_list":["post-3629","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-science","category-intelligenza-artificiale"],"acf":[],"yoast_head":"\nDati plausibili, e perci\u00f2 utili<\/h3>\n\n\n\n
Un esempio nel retail di lusso<\/h3>\n\n\n\n
Dati sintetici: dalla ricerca al business<\/h3>\n\n\n\n
Quando sono utili i dati sintetici?<\/h3>\n\n\n\n
Scarsit\u00e0<\/h4>\n\n\n\n
Privacy<\/h4>\n\n\n\n
Vincoli e potenzialit\u00e0<\/h4>\n\n\n\n
Il trade-off fra privacy, fedelt\u00e0 e utilit\u00e0.<\/h3>\n\n\n\n