Definire l’intelligenza umana è arduo. E’ fatta di memoria, intuizione, capacità logica, abilità nell’effettuare stime, misure, previsioni, riconoscimenti. Definire l’intelligenza artificiale è un pò meno complicato ma il nostro immaginario, basato sui luoghi comuni e proclami blasonati, può generare un pò di confusione sull’argomento. E se c’è confusione nel capire una certa cosa diventa difficile comprendere se e come questa può essere per noi importante. In parole semplici, cos’è l’Intelligenza artificiale?
C’è chi la chiama “cognitive computing”, chi “augmented intelligence”, in realtà questa cosa che chiamiamo intelligenza artificiale (AI) dovremmo chiamarla “intelligenza algoritmica.“ In termini tecnici, l’intelligenza artificiale è un ramo dell’informatica che permette, attraverso lo sviluppo di specifici algoritmi, di progettare sistemi e macchine dotate di abilità cognitive che vengono considerate tipicamente umane, quali per esempio la capacità di decision making e problem solving o di apprendere dall’esperienza.
A voler essere precisi, questa tecnologia è nota da diversi anni (il termine “intelligenza artificiale” fu coniato nel 1956) e da allora a continuato ad evolversi. Mentre l’industria del cinema e i romanzi di fantascienza descrivono l’AI come un robot simile a un essere umano che conquista il mondo, l’attuale evoluzione delle tecnologie di intelligenza artificiale ha decisamente un risvolto più propizio e orientato, già oggi, a risolvere alcuni problemi concreti delle persone e delle aziende.
L’AI è infatti già presente nella nostra vita di tutti i giorni anche se molti di noi ne hanno poca consapevolezza. Quando vedi i suggerimenti di NETFIX sui film che potrebbero piacerti, quando un social media ti propone una pubblicità che effettivamente ti interessa o quando ti negano un mutuo benchè tu pensi che il tuo stipendio attuale sia ampiamente sufficiente a coprire le rate (e ti chiedi: ma come fanno a prevederlo?), ebbene tu stai avendo a che fare con dei software equipaggiati con algoritmi di intelligenza artificiale.
Perchè, quindi, chi si occupa di formazione ed e-learning dovrebbe essere interessato ad essa?
Cosa rende speciale l’Intelligenza Artificiale
– L’intelligenza artificiale automatizza l’apprendimento attraverso i dati. L’AI esegue attività informatiche frequenti, ad alto volume e in modo affidabile. Per questo tipo di automazione, il contributo “umano” è ancora essenziale per impostare il sistema e porre le domande giuste.
– L’intelligenza artificiale si adatta attraverso algoritmi di apprendimento progressivo. L’intelligenza artificiale trova modelli e correlazioni nei dati in modo che l’algoritmo acquisisca l’abilità nel classificare o prevedere. Come può insegnare a sè stesso come giocare a scacchi, può anche insegnare a sè stesso quale corso e-learning raccomandare nella transazione successiva. I modelli alla base degli algoritmi si adattano quando ricevono nuovi dati andando a colmare sempre di più lacune conoscitive.
– L’intelligenza artificiale analizza dati in modo più approfondito utilizzando reti neurali che hanno molti “livelli nascosti”. La costruzione di un sistema di rilevamento delle frodi con cinque livelli nascosti era quasi impossibile alcuni anni fa. Tutto è cambiato con i Big Data e con l’incredibile potenza acquisita oggi dai computers. C’è bisogno di molti dati per addestrare i modelli di deep learning perché imparano direttamente dai dati. Più dati puoi fornire all’algoritmo AI, più accurato esso diventa.
– L’intelligenza artificiale raggiunge un’incredibile precisione attraverso reti neurali profonde, cosa che prima era impossibile. Ad esempio, le tue interazioni con Alexa o le ricerche su Google e Google Immagini sono tutte basate sul deep learning e continuano a diventare più accurate quanto più le usiamo. In campo medico, le tecniche di intelligenza artificiale provenienti dal deep learning , dalla classificazione delle immagini e dal riconoscimento degli oggetti possono ora essere utilizzate per trovare il cancro sulle risonanze magnetiche con la stessa precisione dei radiologi altamente qualificati.
– L’intelligenza artificiale ottiene il massimo dai dati. Quando gli algoritmi sono di autoapprendimento, i dati stessi possono diventare proprietà intellettuale. Le risposte sono nei dati; devi solo applicare l’AI per farli uscire. Poiché il ruolo dei dati è ora più importante che mai, può creare un vantaggio competitivo. Se disponi dei migliori dati in un settore competitivo, anche se tutti applicano tecniche simili, vinceranno i dati migliori.
L’importanza dell’Intelligenza Artificiale nella formazione
Nell’ambito della formazione lo scopo principale dell’intelligenza artificiale è quello di rendere più efficace l’esperienza di apprendimento adattandola ai bisogni e alle aspettative dei discenti. Dal punto di vista pratico possiamo già constatare gli effetti di questa all’interno di un numero variegato di strumenti digitali facenti parte, potenzialmente, dell’ecosistema formativo; di seguito le funzionalità principali e le conseguenti opportunità.
Auto-tagging e ricerca avanzata dei contenuti. Utilizzando algoritmi di ARS (Automatic Speech Recognition) l’AI è in grado di convertire frasi orali in testo, mentre con l’NLU (Natural Language Understanding) e l’analisi semantica riesce a comprendere il senso del contenuto partendo da un linguaggio umano destrutturato. In tal modo gli LMS che fanno uso di AI sono in grado di associare delle etichette (tag) agli oggetti formativi sulla base di parole chiave estrapolate dalla trama, qualsiasi sia la sua natura. Questi algoritmi consentono quindi di “catalogare” i contenuti e rendere più semplice trovare qualsiasi contenuto utilizzando la ricerca avanzata, funzione utile quando si hanno migliaia di “risorse” formative.
Raccomandazioni sui contenuti da vedere. Grazie all’uso combinato di tags e metadati (strutture dati che rappresentano informazioni di natura digitale relative alle attività dei singoli discenti) con l’AI è possibile supportare il discente offrendo un’esperienza d’uso semplice e personalizzata. Una Digital Learning Platform che implementa l’AI con questo scopo sta progressivamente acquisendo la capacità di suggerire contenuti e percorsi di apprendimento diversi da utente a utente basandosi sui suoi comportamenti (es. voti, feedback, punteggio nei corsi, ..) ricostruiti tramite i metadati dalla piattaforma digitale.
Chatbot e Virtual Coach. Anche nel mondo della formazione cominciano ad comparire software di chat dotate di intelligenza artificiale in grado di rispondere automaticamente ai bisogni espressi dai discenti (Chatbot) o in grado di attivarsi per dare suggerimenti, notificare dei promemoria o invitare il discente a guardare certi contenuti (Virtual Coach). Entrambi i sistemi fondano il proprio funzionamento su una specifica base di conoscenza, che cresce nel tempo grazie alla capacità dell’AI di apprendere continuamente (Machine Learning). Chatbot e Virtual Coach sono quindi differenti in quanto il primo è tipicamente reattivo, orientato a “deliziare” il “cliente”, transaction-driven, mentre il secondo è più proattivo, learner-oriented la cui finalità è quella di accrescere le competenze del discente (quindi goal-driven).
Da Machine learning a Machine Teaching. Oggi grazie all’AI sappiamo che siamo in grado di creare macchine che apprendono dal contesto in cui operano; in sostanza, abbiamo a disposizione una tecnologia capace, attraverso specifici algoritmi, di apprendere automaticamente e migliorare le sue conoscenze senza essere programmata o senza l’uso di istruzioni esplicite. Di norma questa opportunità viene colta per automatizzare/velocizzare un processo, implementato oggi da umano, delegandolo alla macchina; ma se ci poniamo nella prospettiva del formatore, questa opportunità può essere una straordinaria occasione per considerare la macchina come “formatore” (in Italia, per esempio, abbiamo il caso di FCA che usa macchine per la produzione, equipaggiate con algoritmi di machine learning, che fanno formazione ai nuovi operatori umani) trasferendogli non solo nozioni ma anche condividendo pratiche e modalità per risolvere problemi.
Analisi statistica dei big data. Come già accennato, l’AI è in grado di analizzare una grande massa di dati, provenienti da varie fonti e spesso destrutturate. Si stanno diffondendo sempre di più sistemi in grado di analizzare i tracciamenti della formazione ed individuare degli schemi significativi per la determinazione dei comportamenti del discente, delle sue preferenze, e dell’efficacia delle attività formative da lui svolte. Dati, metadati e AI si integrano quindi per trasformare tracciamenti in informazioni di valore per chi (al netto di eventuali problematiche legate alla privacy) progetta sistemi e modelli per la formazione.
Siamo entrando nell’era dell’ADAPTIVE LEARNING
La combinazione tra tecnologia, dati e progettazione didattica (Instructional Design) apre nuove, interessanti opportunità per la costruzione di un’esperienza di apprendimento dinamica, capace di adattarsi all’evolvere delle conoscenze e dei bisogni del discente. I metodi dell’Adaptive Learning sono pensati proprio per implementare ed automatizzare questa capacità di adattamento.
L’adozione di un approccio basato sul microlearning, ovvero sulla scomposizione delle risorse didattiche in unità brevi, multiformato, granulari e autoconsistenti, facilitano la personalizzazione in quanto permettono una ricombinazione in molteplici contenuti e forme, su misura per ciascuno.
I dati costituiscono la materia prima dell’Adaptive Learning. A quelli forniti solitamente dagli LMS – il completamento del corso, la durata, il punteggio conseguito – vanno integrati molti altri dati (strutturati e non, questi ultimi, per esempio, attraverso survey, interviste, mappatura learner-persona, ecc..) che permettono di avere una visione più ampia andando a scoprire quelle “variabili individuali” che caratterizzano il discente (età, livello di conoscenza, ruolo, stile di apprendimento preferito, livello di motivazione, ecc..). Tutte queste informazioni confluiscono nei cosiddetti Learning Analytics, che costituiscono il processo di raccolta, misura, analisi e comunicazione dei dati con l’intento di fornire informazioni di valore ai leader di L&D per ottimizzare l’esperienza di apprendimento.
La combinazione quindi tra “variabili individuali”, metodi di raccolta delle informazioni e approccio didattico permette di creare un contesto formativo personalizzato, che muta all’accrescere dei contenuti e al variare delle esigenze del discente. Immaginiamo, per esempio, di voler personalizzare un ambiente di apprendimento e i relativi contenuti formativi sulla base della variabile “stili di apprendimento” (per esempio: sensoriale/intuitivo, visuale/verbale, intuitivo/deduttivo, attivo/riflessivo, sequenziale/globale). Attraverso un test potremmo scoprire lo stile prevalente e, attraverso un sistema di “raccomandazione” opportunamente progettato, potremmo invitare l’utente a consultare risorse e contenuti adatti a quello stile.
Un ecosistema formativo in grado di adattarsi alle specifiche esigenze
del discente migliora esponenzialmente l’efficacia del suo operato.
Conclusioni
Nella prima fase dell’e-learning le imprese hanno costruito patrimoni formativi concentrandosi sull’oggetto della conoscenza, ovvero sui contenuti. Oggi, con i patrimoni formativi sostanzialmente consolidati, le aziende stanno iniziando a dedicare maggiore attenzione alla persona che apprende e ai suoi bisogni specifici con l’obiettivo di costruire esperienze formative su misura.
In tal senso l’AI diventa una risorsa imprescindibile. I progressi nel campo delle intelligenze artificiali e delle tecnologie formative svolgeranno un ruolo fondamentale nella distribuzione di contenuti ancora più efficaci, eliminando al contempo quelle attività amministrative a basso valore aggiunto, per consentire ai professionisti di Formazione e Sviluppo di ritornare a concentrarsi su ciò che è più importante: scegliere i giusti argomenti e creare materiali didattici sempre più coinvolgenti ed efficaci. Dobbiamo aspettarci un futuro (non troppo lontano) in cui il percorso formativo di ogni singolo individuo sarà personalizzato sulla base del proprio profilo e della propria storia.
Un ecosistema formativo in grado di adattarsi alle specifiche esigenze del discente migliora esponenzialmente l’efficacia del suo operato.
E’ in grado di sorprendere e coinvolgere il discente, nonchè facilita la sua comprensione e la memorizzazione dei concetti. In questo modo il discente si sente riconosciuto e supportato dal sistema.
– Lo sviluppo sempre più evoluto di piattaforme digitali per l’apprendimento conferma l’importanza dell’intelligenza artificiale nella formazione.
– L’Intelligenza artificiale non è un software da scaricare, bensì è un insieme complesso di algoritmi specializzati nell’emulare specifiche attività intellettive svolte normalmente dagli esseri umani.
– Cìò che rende l’Intelligenza artificiale è l’abilità di determinare automaticamente modelli e correlazioni all’interno di un set variegato ed eterogeneo di dati al fine di acquisire la capacità di comprendere, classificare e prevedere.
– Gli ambiti di applicazione dell’Intelligenza Artificiale nel campo della formazione sono molteplici e sempre più inseriti all’interno dei sistemi digitali progettati per l’apprendimento.
– Le funzionalità e le opportunità che derivano dall’Intelligenza Artificiale aumentano esponenzialmente l’efficacia e l’efficienza dell’ecosistema dell’apprendimento che ne fa un uso proficuo. I primi a trarne vantaggio sono i discenti in quanto è offerta loro l’opportunità di vivere un esperienza di apprendimento stimolante e sempre in linea con i bisogni che mutano nel tempo.
