{"id":696,"date":"2024-04-20T12:04:02","date_gmt":"2024-04-20T10:04:02","guid":{"rendered":"https:\/\/oreste.parlatano.org\/wp\/?p=696"},"modified":"2024-04-20T12:04:03","modified_gmt":"2024-04-20T10:04:03","slug":"intelligenza-artificiale-approccio-tecnico","status":"publish","type":"post","link":"https:\/\/oreste.parlatano.org\/wp\/?p=696","title":{"rendered":"Intelligenza artificiale, approccio tecnico."},"content":{"rendered":"

L\u2019argomento \u00e8 molto pi\u00f9 ampio, ma occorre iniziare attraverso un apparente semplice lavoro al fine di inquadrarlo. A questo scopo si propone la soluzione del problema di predizione dei vocaboli durante la stesura di testi con l\u2019ausilio del telefono cellulare o smartphone, che dir si voglia.
\nIl problema della predizione dei vocaboli durante la stesura di testi con l’ausilio del telefono cellulare \u00e8 complessa perch\u00e9 riguarda sia l’interazione uomo-macchina sia il trattamento automatico del linguaggio naturale.
\nLe lingue naturali sono ricche di parole omografe, che si scrivono allo stesso modo ma hanno significati diversi, e omofone, che si pronunciano allo stesso modo ma hanno significati diversi. Ci\u00f2 rende difficile per il sistema di predizione capire il contesto e suggerire la parola corretta.
\nLa comprensione del contesto semantico \u00e8 fondamentale per fornire suggerimenti pertinenti. Tuttavia, i sistemi di predizione potrebbero non essere in grado di cogliere le sottigliezze del linguaggio umano, come ironia, sarcasmo, gergo e riferimenti culturali specifici.
\nOgni utente ha un proprio stile di scrittura, un vocabolario e delle preferenze lessicali. Un sistema di predizione efficace dovrebbe adattarsi all’utente e imparare dalle sue abitudini di scrittura, ma la personalizzazione richiede tempo e l’analisi di grandi quantit\u00e0 di dati.
\nL’apprendimento delle abitudini di scrittura di un utente solleva questioni legate alla privacy e alla sicurezza dei dati. Gli utenti potrebbero non voler condividere i propri dati personali o essere preoccupati per l’uso improprio delle informazioni da parte di terzi.
\nGli errori di digitazione sono comuni durante la stesura di testi su dispositivi mobili. Un sistema di predizione deve essere in grado di riconoscere e correggere gli errori, ci\u00f2 richiede algoritmi avanzati di rilevamento e correzione degli errori.
\nMolti utenti utilizzano pi\u00f9 di una lingua durante la scrittura di testi, si pensi per esempio all\u2019uso spropositato di termini dalla lingua inglese in testi di lingua italiana. Un sistema di predizione deve essere in grado di gestire il passaggio da una lingua all’altra e di fornire suggerimenti accurati in tutte le lingue presenti nel testo.
\nA fini di comprensione pratica si riduce il problema ai soli aspetti linguistici ed alla predizione di un solo vocabolo che segue il vocabolo appena digitato.
\nLa predizione deve necessariamente basarsi su un corpo di dati preesistenti, i quali sono fondamentalmente testi reali, vale a dire prodotti nel passato recente da esseri umani nello stesso contesto nel quale la predizione si inserisce. Il contesto pi\u00f9 probabile che conviene scegliere \u00e8 quello della trasmissione di messaggi brevi, ci\u00f2 che comunemente viene chiamato \u201cchat\u201d. Il corpo di dati sar\u00e0 dunque rappresentato da messaggi chat precedentemente scritti da utenti umani. Maggiore \u00e8 la quantit\u00e0 di messaggi, maggiore sar\u00e0 l\u2019accuratezza della predizione. A tal fine si utilizzano i cos\u00ec detti corpus, che oramai si intendono elettronici. Per chi si voglia cimentare nella ricerca in rete di corpora, plurale di corpus, noter\u00e0 quanto sia difficile trovarli in lingua italiana e, al contrario, quanto sia facile trovarli in lingua inglese. Da qui si pu\u00f2 collezionare un primo elemento che concorre all\u2019opinione sull\u2019efficacia degli istituti italiani che curano la lingua italiana.
\nTrovato uno o pi\u00f9 corpus, deve iniziare un lavoro di rappresentazione statistica, si immagina per esempio il vocabolo x, lo si cerca nel corpus e si annota la frequenza del vocabolo successivo all\u2019interno del corpus. Per semplicit\u00e0 si denotano i vocaboli con lettere dell\u2019alfabeto. Per esempio si ha che il vocabolo a ricorre n volte dopo x, il vocabolo b m volte e cos\u00ec via fino a formare una tabella di frequenza per ogni vocabolo, ad esempio:
\nTermine: “vado”
\nFrequenza di ricorrenza dei vocaboli successivi nel corpus:<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n
1<\/td>\na casa:<\/td>\n\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588<\/td>\n<\/tr>\n
2<\/td>\na vedere:<\/td>\n\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588\u2588<\/td>\n<\/tr>\n
3<\/td>\nal lavoro:<\/td>\n\u2588\u2588\u2588\u2588\u2588\u2588\u2588<\/td>\n<\/tr>\n
4<\/td>\ndal dottore:<\/td>\n\u2588\u2588\u2588\u2588\u2588\u2588<\/td>\n<\/tr>\n
5<\/td>\nal supermercato:<\/td>\n\u2588\u2588\u2588\u2588\u2588<\/td>\n<\/tr>\n
6<\/td>\nin vacanza:<\/td>\n\u2588\u2588\u2588\u2588<\/td>\n<\/tr>\n
7<\/td>\na fare:<\/td>\n\u2588\u2588\u2588\u2588<\/td>\n<\/tr>\n
8<\/td>\nal mare:<\/td>\n\u2588\u2588\u2588\u2588<\/td>\n<\/tr>\n
9<\/td>\nin biblioteca:<\/td>\n\u2588\u2588\u2588<\/td>\n<\/tr>\n
10<\/td>\na scuola:<\/td>\n\u2588\u2588\u2588<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Dal diagramma si proporr\u00e0 il primo termine poi il secondo e cos\u00ec via.
\nSi ha dunque un lavoro di raccolta dati (corpus), un lavoro di elaborazione dei dati (statistica), quindi la realizzazione di una applicazione che ricerca il termine e la tabella di frequenza del termine.
\nConcettualmente semplice, ma oneroso nella sua realizzazione quando i dati non sono immediatamente disponibili.
\nNotare che il nucleo dell\u2019applicazione \u00e8 l\u2019elaborazione statistica, la statistica \u00e8 dunque centrale alla creazione di una intelligenza, che in questo caso si limita a predire il vocabolo successivo ad un vocabolo scritto.
\nNotare anche quanto sia importante il contesto, infatti la ricerca di corpus appartenenti ad altri contesti diversi da quello in esame, non produrrebbe risultati efficaci.
\nDunque, approssimando, il contesto come elemento fenomenologico e la statistica come elemento funzionale. Il contesto si presta ad analisi qualitative, dove l\u2019osservazione e l\u2019interpretazione sono essenziali alla raccolta dei dati, mentre il calcolo della frequenza dei termini \u00e8 un lavoro essenzialmente quantitativo, la qualit\u00e0 del dato raccolto non \u00e8 presa in considerazione.<\/p>\n","protected":false},"excerpt":{"rendered":"

L\u2019argomento \u00e8 molto pi\u00f9 ampio, ma occorre iniziare attraverso un apparente semplice lavoro al fine di inquadrarlo. A questo scopo si propone la soluzione del problema di predizione dei vocaboli durante la stesura di testi con l\u2019ausilio del telefono cellulare o smartphone, che dir si voglia. Il problema della predizione dei vocaboli durante la stesura […]<\/p>\n","protected":false},"author":1,"featured_media":699,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[20,11],"tags":[],"class_list":["post-696","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai","category-italiano"],"_links":{"self":[{"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=\/wp\/v2\/posts\/696","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=696"}],"version-history":[{"count":2,"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=\/wp\/v2\/posts\/696\/revisions"}],"predecessor-version":[{"id":698,"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=\/wp\/v2\/posts\/696\/revisions\/698"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=\/wp\/v2\/media\/699"}],"wp:attachment":[{"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=696"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=696"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/oreste.parlatano.org\/wp\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=696"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}