Microsoft fa avanzare la scoperta dei materiali con MatterGen
La scoperta di nuovi materiali è fondamentale per risolvere alcune delle più grandi sfide dell’umanità. Tuttavia, come evidenziato da Microsoft, i metodi tradizionali di scoperta di nuovi materiali possono sembrare come “trovare un ago in un pagliaio” Storicamente, la ricerca di nuovi materiali si è affidata a esperimenti di prova ed errore, laboriosi e costosi. Più di recente, lo screening computazionale di vasti database di materiali ha aiutato a velocizzare il processo, ma è rimasto un processo che richiede molto tempo. Ora, un nuovo potente strumento di intelligenza artificiale generativa di Microsoft potrebbe accelerare questo processo in modo significativo. Denominato MatterGen, lo strumento si allontana dai metodi di screening tradizionali e progetta direttamente nuovi materiali in base ai requisiti di progettazione, offrendo un approccio potenzialmente rivoluzionario alla scoperta dei materiali. Pubblicato in un articolo su Nature, Microsoft descrive MatterGen come un modello di diffusione che opera all’interno della geometria 3D dei materiali. Mentre un modello di diffusione delle immagini potrebbe generare immagini da messaggi di testo modificando i colori dei pixel, MatterGen genera strutture di materiali modificando elementi, posizioni e reticoli periodici in strutture randomizzate. Questa architettura su misura è stata progettata appositamente per gestire le esigenze uniche della scienza dei materiali, come la periodicità e la disposizione in 3D. “MatterGen consente un nuovo paradigma di progettazione generativa dei materiali assistita dall’intelligenza artificiale che permette un’esplorazione efficiente dei materiali, andando oltre l’insieme limitato di quelli conosciuti”, spiega Microsoft. Un salto oltre lo screening I metodi computazionali tradizionali prevedono lo screening di enormi database di potenziali materiali per identificare quelli con le proprietà desiderate. Tuttavia, anche questi metodi sono limitati nella loro capacità di esplorare l’universo dei materiali sconosciuti e richiedono ai ricercatori di vagliare milioni di opzioni prima di trovare candidati promettenti. MatterGen, invece, parte da zero e genera materiali in base a specifiche richieste di chimica, caratteristiche meccaniche, proprietà elettroniche, comportamento magnetico o combinazioni di questi vincoli. Il modello è stato addestrato utilizzando oltre 608.000 materiali stabili provenienti dai database del Materials Project e di Alexandria. Nel confronto che segue, MatterGen ha superato in modo significativo i metodi di screening tradizionali nel generare nuovi materiali con proprietà specifiche, in particolare un modulo di massa superiore a 400 GPa, che significa che sono difficili da comprimere. Mentre lo screening ha mostrato rendimenti decrescenti nel tempo, man mano che il pool di candidati noti si esauriva, MatterGen ha continuato a generare risultati sempre più innovativi. Una sfida comune incontrata durante la sintesi dei materiali è il disordine compositivo, il fenomeno per cui gli atomi si scambiano casualmente la posizione all’interno di un reticolo cristallino. Gli algoritmi tradizionali spesso non riescono a distinguere tra strutture simili quando si tratta di decidere che cosa conta come materiale “veramente nuovo”. Per risolvere questo problema, Microsoft ha ideato un nuovo algoritmo di corrispondenza delle strutture che incorpora il disordine compositivo nelle sue valutazioni. Lo strumento identifica se due strutture sono semplicemente approssimazioni ordinate della stessa struttura disordinata sottostante, consentendo definizioni più solide di novità. Dimostrare che MatterGen funziona per la scoperta dei materiali Per dimostrare il potenziale di MatterGen, Microsoft ha collaborato con i ricercatori dello Shenzhen Institutes of Advanced Technology (SIAT) – parte dell’Accademia delle Scienze cinese – per sintetizzare sperimentalmente un nuovo materiale progettato dall’intelligenza artificiale. Il materiale, TaCr₂O₆, è stato generato da MatterGen per raggiungere un modulo di massa di 200 GPa. Sebbene il risultato sperimentale sia stato leggermente inferiore all’obiettivo, misurando un modulo di 169 GPa, l’errore relativo è stato solo del 20%, una discrepanza minima dal punto di vista sperimentale. È interessante notare che il materiale finale presentava un disordine compositivo tra gli atomi di Ta e Cr, ma la sua struttura era strettamente allineata alle previsioni del modello. Se questo livello di accuratezza predittiva può essere tradotto in altri settori, MatterGen potrebbe avere un impatto profondo sulla progettazione di materiali per batterie, celle a combustibile, magneti e altro ancora. Oggi su @Nature: Il nostro modello MatterGen rappresenta un cambiamento paradigmatico nella progettazione dei materiali, applicando l’intelligenza artificiale generativa per creare nuovi composti con proprietà specifiche con una precisione senza precedenti. pic.twitter.com/RpnphXUY0c – Satya Nadella (@satyanadella) 16 gennaio 2025 Microsoft posiziona MatterGen come strumento complementare al suo precedente modello di intelligenza artificiale, MatterSim, che accelera le simulazioni delle proprietà dei materiali. Insieme, gli strumenti potrebbero fungere da “volano” tecnologico, migliorando sia l’esplorazione di nuovi materiali che la simulazione delle loro proprietà in cicli iterativi. Questo approccio è in linea con quello che Microsoft definisce il “quinto paradigma della scoperta scientifica”, in cui l’intelligenza artificiale va oltre il riconoscimento dei modelli per guidare attivamente esperimenti e simulazioni. Microsoft ha rilasciato il codice sorgente di MatterGen con licenza MIT. Oltre al codice, il team ha reso disponibili i dataset di addestramento e di messa a punto del modello per supportare ulteriori ricerche e incoraggiare un’adozione più ampia di questa tecnologia. Riflettendo sul più ampio potenziale scientifico dell’IA generativa, Microsoft fa un parallelo con la scoperta dei farmaci, dove questi strumenti hanno già iniziato a trasformare il modo in cui i ricercatori progettano e sviluppano i medicinali. Allo stesso modo, MatterGen potrebbe rimodellare il modo in cui ci approcciamo alla progettazione dei materiali, in particolare per settori critici come le energie rinnovabili, l’elettronica e l’ingegneria aerospaziale. Leggi di più su www.artificialintelligence-news.com
Rendere i cosmetici sostenibili con l’intelligenza artificiale generativa
L’Oréal sfrutterà la tecnologia generativa AI (GenAI) di IBM per creare prodotti cosmetici innovativi e sostenibili. La partnership prevede lo sviluppo di un modello di fondazione AI su misura per potenziare i team di ricerca e innovazione (R&I) di L’Oréal nella creazione di formulazioni ecologiche che utilizzano materie prime rinnovabili. A sua volta, questa iniziativa è pensata per ridurre gli sprechi di energia e di materiali. Descritta come il primo modello di intelligenza artificiale dell’industria cosmetica incentrato sulla formulazione, questa iniziativa rappresenta un’anticipazione di un futuro in cui la tecnologia all’avanguardia guida soluzioni attente all’ambiente. Stéphane Ortiz, Head of Innovation Métiers & Product Development di L’Oréal R&I, ha dichiarato: “Nell’ambito del nostro Programma di Trasformazione Digitale, questa partnership amplierà la velocità e la scala della nostra pipeline di innovazione e riformulazione, con prodotti che raggiungeranno sempre standard più elevati di inclusività, sostenibilità e personalizzazione” AI e bellezza: Un connubio perfetto Unendo l’esperienza di L’Oréal nella scienza cosmetica con le tecnologie di intelligenza artificiale di IBM, le aziende mirano a sbloccare nuovi percorsi sia nell’innovazione cosmetica che nella sostenibilità. Il ruolo dell’intelligenza artificiale nella personalizzazione dei prodotti è ormai consolidato, ma l’approfondimento del suo ruolo nella creazione di formulazioni rinnovabili e di origine sostenibile sottolinea una missione ecologica più ampia. Matthieu Cassier, Chief Transformation & Digital Officer di L’Oréal R&I, ha commentato: “Basandoci su anni di esperienza unica nella scienza della bellezza e nella strutturazione dei dati, questa importante alleanza con IBM apre una nuova entusiasmante era per il nostro processo di innovazione e sviluppo” I modelli Foundation costituiscono la spina dorsale tecnologica di questa collaborazione. Questi sistemi di intelligenza artificiale vengono addestrati su vasti set di dati, consentendo loro di svolgere vari compiti e di trasferire gli apprendimenti in diverse applicazioni. Sebbene questi modelli siano noti soprattutto per aver rivoluzionato l’elaborazione del linguaggio naturale (NLP), IBM ha ampliato i loro casi d’uso al di là del testo, includendo applicazioni nella chimica, nei dati geospaziali e nell’analisi delle serie temporali. In questo contesto, il modello AI personalizzato che si sta sviluppando per L’Oréal elaborerà un enorme database di formule cosmetiche e componenti di materie prime. Dalla creazione di nuovi prodotti alla riformulazione di quelli esistenti e alla scalabilità per la produzione, il modello accelererà le attività critiche per i team di ricerca e sviluppo dell’azienda. “Questa collaborazione è un’applicazione davvero efficace dell’IA generativa, che sfrutta la potenza della tecnologia e delle competenze per il bene del pianeta”, ha dichiarato Alessandro Curioni, IBM Fellow e VP per l’Europa e l’Africa, nonché Direttore di IBM Research Zurich. “In IBM crediamo nel potere dell’IA personalizzata e costruita ad hoc per aiutare a trasformare le aziende. Utilizzando la più recente tecnologia AI di IBM, L’Oréal sarà in grado di ricavare informazioni significative dai suoi ricchi dati sulle formule e sui prodotti per creare un modello AI su misura che la aiuterà a raggiungere i suoi obiettivi operativi e a continuare a creare prodotti di alta qualità e sostenibili.” Una delle dimensioni più affascinanti di questa collaborazione è la possibilità di approfondire la comprensione del comportamento degli ingredienti rinnovabili nelle formulazioni cosmetiche. Guilhaume Leroy-Méline, IBM Distinguished Engineer e CTO di IBM Consulting France, ha dichiarato: “Questa alleanza tra competenze altamente specializzate nel campo dell’intelligenza artificiale e della cosmetica mira a rivoluzionare la formulazione dei cosmetici. Incarna lo spirito della ricerca potenziata dall’intelligenza artificiale, ponendo l’accento sulla sostenibilità e sulla diversità” Per IBM, questa partnership riflette la sua più ampia strategia di estendere le applicazioni dell’IA ai settori che richiedono soluzioni personalizzate. Come ha sottolineato Curioni, l’IA personalizzata ha il potenziale per rimodellare le aziende a più livelli. Sviluppando insieme questo modello di formulazione su misura, IBM e L’Oréal stanno ponendo le basi per un settore della bellezza che premia sia la sostenibilità che l’innovazione all’avanguardia. In caso di successo, questa partnership potrebbe fungere da modello per altri settori che desiderano sfruttare il potenziale di trasformazione dell’IA per gli sforzi di sostenibilità. Leggi di più su www.artificialintelligence-news.com
Proteggere le imprese nell’era dell’intelligenza artificiale
Man mano che l’IA diventa sempre più parte integrante delle operazioni aziendali, emergono nuovi problemi di sicurezza e minacce alla sicurezza a un ritmo senza precedenti, che superano le capacità delle soluzioni di cybersecurity tradizionali. La posta in gioco è alta e le ripercussioni potenzialmente significative. Secondo il 2024 AI Readiness Index di Cisco, solo il 29% delle organizzazioni intervistate si sente pienamente equipaggiato per rilevare e prevenire manomissioni non autorizzate delle tecnologie AI. Convalida continua dei modelli DJ Sampath, Head of AI Software & Platform di Cisco, ha dichiarato: “Quando parliamo di convalida del modello, non si tratta di una cosa una tantum, giusto? La convalida del modello avviene su base continua. quindi, man mano che si verificano cambiamenti nel modello – se si sta effettuando un qualsiasi tipo di messa a punto, o si scoprono nuovi attacchi che iniziano a manifestarsi e da cui i modelli devono imparare – stiamo costantemente apprendendo tutte queste informazioni e riconvalidando il modello per vedere come si comportano i modelli in caso di nuovi attacchi che abbiamo scoperto”. “L’altro punto molto importante è che disponiamo di un team di ricerca sulle minacce davvero avanzato che esamina costantemente questi attacchi dell’intelligenza artificiale e capisce come questi attacchi possano essere ulteriormente migliorati. Infatti, stiamo contribuendo ai gruppi di lavoro all’interno di organizzazioni standard come MITRE, OWASP e NIST” Oltre a prevenire gli output dannosi, Cisco affronta le vulnerabilità dei modelli di intelligenza artificiale alle influenze esterne dannose che possono modificarne il comportamento. Questi rischi includono gli attacchi di tipo prompt injection, il jailbreak e l’avvelenamento dei dati di formazione, ognuno dei quali richiede misure preventive rigorose. L’evoluzione porta nuove complessità Frank Dickson, Group VP for Security & Trust di IDC, ha espresso la sua opinione sull’evoluzione della cybersecurity nel tempo e su cosa significhino i progressi dell’IA per il settore. “La prima tendenza macro è stata il passaggio dall’on-premise al cloud, che ha introdotto una serie di nuovi problemi da affrontare. Poi, con il passaggio dalle applicazioni monolitiche ai microservizi, abbiamo assistito a una serie di nuovi problemi. “L’intelligenza artificiale e l’aggiunta dei LLM… la stessa cosa, una serie di nuovi problemi” Le complessità della sicurezza dell’IA aumentano quando le applicazioni diventano multi-modello. Le vulnerabilità possono sorgere a vari livelli, dai modelli alle applicazioni, coinvolgendo diverse parti interessate come sviluppatori, utenti finali e fornitori. “Una volta che un’applicazione si spostava dall’on-premise al cloud, in un certo senso rimaneva lì. Sì, abbiamo sviluppato applicazioni su più cloud, ma una volta che hai messo un’applicazione su AWS, Azure o GCP, non l’hai spostata da un ambiente all’altro con cadenza mensile, trimestrale o settimanale, giusto? “Una volta che si passa dallo sviluppo di applicazioni monolitiche ai microservizi, si rimane lì. Una volta che metti un’applicazione in Kubernetes, non salti di nuovo in un altro ambiente. “Quando cerchi di assicurarti un LLM, la cosa importante da notare è che il modello cambia. E quando parliamo di cambiamento di modello, non si tratta di una revisione… questa settimana forse [gli sviluppatori] usano Anthropic, la prossima settimana potrebbero usare Gemini. “Sono completamente diversi e i vettori di minaccia di ciascun modello sono completamente diversi. Tutti hanno i loro punti di forza e tutti hanno le loro drammatiche debolezze” A differenza delle misure di sicurezza convenzionali integrate nei singoli modelli, Cisco offre controlli per un ambiente multi-modello attraverso la sua nuova AI Defense. La soluzione si auto-ottimizza, utilizzando gli algoritmi di machine learning proprietari di Cisco per identificare i problemi di sicurezza e protezione dell’intelligenza artificiale in continua evoluzione, informati dalle informazioni sulle minacce di Cisco Talos. Adattarsi alla nuova normalità Jeetu Patel, Executive VP e Chief Product Officer di Cisco, ha condiviso la sua opinione sul fatto che i grandi progressi in un breve periodo di tempo sembrano sempre rivoluzionari, ma in breve tempo diventano normali. “Waymo è, come dire, l’auto a guida autonoma di Google. Sali, non c’è nessuno seduto nell’auto e ti porta dal punto A al punto B. È una sensazione incredibile, come se vivessimo nel futuro. La seconda volta ci si abitua. La terza volta, inizi a lamentarti dei sedili. “Anche per la rapidità con cui ci siamo abituati all’intelligenza artificiale e al ChatGPT negli ultimi due anni, penso che qualsiasi progresso importante si sentirà eccezionalmente progressista per un breve periodo di tempo. Poi si verifica una normalizzazione in cui tutti iniziano ad abituarsi” Patel ritiene che questa normalizzazione avverrà anche con l’AGI. Tuttavia, osserva che “non si possono sottovalutare i progressi che questi modelli stanno iniziando a fare” e, in ultima analisi, il tipo di casi d’uso che riusciranno a sbloccare. “Nessuno pensava che avremmo avuto uno smartphone con una capacità di calcolo superiore a quella di un computer mainframe a portata di mano e in grado di fare migliaia di cose in qualsiasi momento e ora è solo un altro modo di vivere. Mia figlia di 14 anni non ci pensa nemmeno. “Dovremmo fare in modo che le aziende si adeguino molto rapidamente a questa situazione” Leggi di più su www.artificialintelligence-news.com
Il governo britannico firma un vasto piano d’azione per l’intelligenza artificiale
L’intelligenza artificiale è destinata a diventare una pietra miliare della visione di rinnovamento economico e sociale del Regno Unito grazie a un vasto piano d’azione presentato oggi dal Primo Ministro Keir Starmer. Il governo si è impegnato a seguire tutte le 50 raccomandazioni delineate nell’ambizioso Piano d’azione per le opportunità dell’IA creato da Matt Clifford CBE, imprenditore tecnologico e presidente dell’Advanced Research and Invention Agency. “Il nostro piano farà della Gran Bretagna un leader mondiale”, ha dichiarato Starmer. “Questo significa più posti di lavoro e investimenti nel Regno Unito, più soldi nelle tasche dei cittadini e servizi pubblici trasformati. Questo è il cambiamento che questo governo sta portando avanti” Il piano pone l’IA come motore fondamentale del progresso nazionale, con l’obiettivo di rivoluzionare i servizi pubblici, aumentare la produttività e affermare il Regno Unito come leader globale nel settore. Chris Lehane, Chief Global Affairs Officer di OpenAI, ha dichiarato: “Dalla locomotiva al computer Colossus, il Regno Unito ha una ricca storia di leadership nell’innovazione tecnologica e nella ricerca e sviluppo dell’IA. “Il piano d’azione sull’IA del governo, guidato dal Primo Ministro e dal Segretario Peter Kyle, riconosce la direzione dello sviluppo dell’IA e mette il Regno Unito sulla strada giusta per beneficiare della sua crescita. Il Regno Unito ha un’enorme risorsa nazionale nel talento delle persone, delle istituzioni e delle imprese che insieme possono sfruttare l’IA per promuovere l’interesse nazionale del Paese” Un piano per sbloccare il potenziale economico I vantaggi economici dell’adozione dell’IA costituiscono un elemento centrale della strategia del governo. Il Fondo Monetario Internazionale stima che l’adozione dell’IA potrebbe aumentare la produttività di 1,5 punti percentuali all’anno. Nell’arco di un decennio, secondo i calcoli del Tesoro, questo potrebbe portare a un guadagno economico di 47 miliardi di sterline all’anno. La strategia non mira solo a far crescere l’economia, ma anche a creare benefici tangibili per i cittadini. Il dottor Jean Innes, CEO dell’Alan Turing Institute, ha dichiarato: “Questo piano offre un’entusiasmante tabella di marcia e accogliamo con favore la sua attenzione all’adozione di un’IA sicura e responsabile, alle competenze in materia di IA e all’ambizione di sostenere la leadership globale del Regno Unito, mettendo l’IA al servizio della crescita e dei benefici per la società”. “Condividiamo queste ambizioni e non vediamo l’ora di lavorare con il governo, le università, l’industria e la società civile per plasmare il futuro di queste tecnologie a sostegno del successo del Regno Unito e per migliorare la vita delle persone” Tre grandi aziende – Vantage Data Centres, Nscale e Kyndryl – si sono già impegnate a investire complessivamente 14 miliardi di sterline, creando 13.250 posti di lavoro in tutto il Paese e rafforzando la fiducia nel potenziale dell’IA del Regno Unito. Questo va ad aggiungersi ai 25 miliardi di sterline di impegni presi in occasione dell’International Investment Summit dello scorso anno. Vantage Data Centres investirà oltre 12 miliardi di sterline in progetti di data center nel Regno Unito, tra cui uno dei campus di data center più grandi d’Europa in Galles. Nel frattempo, Kyndryl stabilirà un nuovo polo tecnologico a Liverpool, creando fino a 1.000 posti di lavoro legati all’intelligenza artificiale. Nscale ha in programma di sostenere l’infrastruttura dei data center del Regno Unito con un investimento di 2,5 miliardi di dollari, che comprende la costruzione del più grande data center di AI sovrano della nazione nell’Essex entro il 2026. Alison Kay, VP per il Regno Unito e l’Irlanda di Amazon Web Services (AWS), ha dichiarato: “Noi di AWS abbiamo visto in prima persona i benefici che le tecnologie digitali come l’IA possono portare, ed è per questo che abbiamo annunciato l’intenzione di investire 8 miliardi di sterline nei prossimi cinque anni per la costruzione, la gestione e la manutenzione di data center nel Regno Unito”. “Mettendo al centro dell’agenda del governo una stretta collaborazione tra industria e partenariato pubblico-privato, ogni cittadino, comunità e azienda in ogni regione del Regno Unito avrà l’opportunità di sfruttare i vantaggi dell’IA e di prosperare e crescere.” Zahra Bahrololoumi CBE, CEO di Salesforce UK e Irlanda, ha aggiunto: “Le aziende del Regno Unito sono in una posizione privilegiata per sfruttare appieno le opportunità dell’IA, grazie a una forte cultura dell’innovazione e a leggi basate sul rischio. Ecco perché Salesforce ha scelto il Regno Unito come sede del suo primo centro AI, sulla base del nostro impegno a investire 4 miliardi di dollari nelle nostre attività nel Regno Unito per sfruttare il potere di trasformazione dell’AI” Trasformare i servizi pubblici L’intelligenza artificiale viene già impiegata negli ospedali del Regno Unito, aiutando a modernizzare il servizio sanitario nazionale con diagnosi più rapide di patologie come il cancro al seno, migliorando l’assistenza ai pazienti non verbali e accelerando le dimissioni dei pazienti. “I dati del Servizio Sanitario Nazionale potrebbero essere preziosi per le innovazioni dell’IA nel settore sanitario”, ha dichiarato il dott. Bilal, professore di IA applicata e di etica tecnologica presso la Birmingham City University. “Ma rimangono in gran parte inaccessibili a molti ricercatori a causa dei costi proibitivi e degli ostacoli logistici” iniziative come gli NHS Secure Data Environments sono un ottimo inizio, ma devono essere rese più accessibili, o idealmente gratuite, per le istituzioni accademiche”. Oltre all’assistenza sanitaria, il governo scommette sul fatto che un’adozione più ampia dell’IA potrebbe portare a efficienze simili in altri settori pubblici. Ad esempio, il piano sottolinea il potenziale dell’IA nel ridurre il carico di lavoro amministrativo degli insegnanti, nell’accelerare le consultazioni urbanistiche per facilitare la costruzione di nuovi alloggi e persino nell’identificare le buche sulle strade tramite telecamere potenziate dall’IA per accelerare le riparazioni. La nuova strategia introduce le AI Growth Zones, progettate per accelerare lo sviluppo di infrastrutture critiche. Queste zone non solo accelereranno i permessi di pianificazione, ma garantiranno anche connessioni energetiche dedicate per alimentare i progetti di intelligenza artificiale. La prima zona di questo tipo sarà istituita a Culham, nell’Oxfordshire. Costruire infrastrutture per l’IA Per sostenere le aspirazioni del Regno Unito in materia di IA sono necessari investimenti significativi nelle infrastrutture. Il piano prevede: Un aumento
La funzione Gen AI di Amazon Marketing Cloud consente agli inserzionisti di costruire e indirizzare facilmente pubblici personalizzati
Amazon Marketing Cloud sta aggiungendo un pizzico di intelligenza artificiale generativa alla sua piattaforma, sotto forma di una nuova funzione, presentata mercoledì al CES di Las Vegas, che consente agli inserzionisti di inviare query in linguaggio strutturato (SQL) per creare e indirizzare il pubblico. La nuova funzionalità, che sarà disponibile per tutti gli inserzionisti di Amazon Marketing Cloud all’inizio di quest’anno, fornisce un’interfaccia in linguaggio naturale in cui gli inserzionisti possono inviare query SQL per il caso d’uso del pubblico desiderato, invece di dover creare tali codici manualmente. L’esecuzione di queste query in Amazon Marketing Cloud genera e attiva il nuovo pubblico personalizzato nella piattaforma demand-side e nella console annunci di Amazon, dove può essere utilizzato nelle campagne Amazon Ads attraverso l’intero funnel di marketing, via audio, canali digitali e televisione in streaming. “Con il generatore SQL, stiamo portando la potenza della gen AI per aiutare gli inserzionisti a sbloccare più rapidamente il valore dei loro dati e dei nostri segnali di shopping e streaming per eseguire strategie pubblicitarie davvero full-funnel”, ha dichiarato Paula Despins, vicepresidente di Amazon Ads, gestione delle campagne, pianificazione e Amazon Marketing Cloud, in un comunicato. Ad esempio, un inserzionista può inserire: “Crea un pubblico di clienti che hanno visitato le pagine dei nostri prodotti e visto i miei annunci televisivi in streaming ma non hanno acquistato negli ultimi 30 giorni”, secondo l’esempio dell’azienda. Il generatore SQL utilizza quindi algoritmi avanzati per creare la query SQL per creare il pubblico, che può essere utilizzato per campagne di retargeting su vari canali, dalla sensibilizzazione dell’upper-funnel sulla TV in streaming alle tattiche di conversione del lower-funnel sugli annunci di prodotti sponsorizzati. Il nuovo generatore SQL consente inoltre agli inserzionisti di porre domande del tipo: “Come posso creare un pubblico di clienti che hanno ascoltato i nostri annunci audio, ma non hanno ancora effettuato un acquisto?” Il generatore genera quindi il codice necessario per creare questo pubblico cross-canale con istruzioni passo-passo. “Questa funzionalità non solo ha aumentato la produttività, ma ha aiutato gli inserzionisti a esplorare nuovi casi d’uso e segmenti di pubblico, aiutandoli a far crescere il loro marchio e a ottimizzare la spesa mediatica attraverso la TV in streaming, l’audio e i canali digitali”, ha aggiunto Despins. Leggi di più su www.adweek.com
Il ruolo degli iperparametri nella messa a punto dei modelli di IA
Hai una grande idea per un’applicazione basata sull’intelligenza artificiale. Pensa alla messa a punto come se dovessi insegnare a un modello di intelligenza artificiale pre-addestrato un nuovo trucco. Certo, sa già molte cose grazie all’addestramento su enormi set di dati, ma tu devi adattarlo alle tue esigenze. Ad esempio, se hai bisogno che rilevi anomalie nelle scansioni o che capisca il vero significato dei feedback dei tuoi clienti. È qui che entrano in gioco gli iperparametri. Pensa al modello linguistico di grandi dimensioni come alla tua ricetta di base e agli iperparametri come alle spezie che usi per dare alla tua applicazione il suo “sapore” unico In questo articolo esamineremo alcuni iperparametri di base e la messa a punto del modello in generale. Che cos’è la messa a punto? Immagina che una persona bravissima a dipingere paesaggi decida di passare ai ritratti. Ha capito le basi – teoria del colore, pennellata, prospettiva – ma ora deve adattare le sue abilità per catturare espressioni ed emozioni. La sfida consiste nell’insegnare al modello il nuovo compito, mantenendo intatte le sue abilità esistenti. Inoltre, non vuoi che diventi troppo “ossessionato” dai nuovi dati e che si perda il quadro generale. È qui che la regolazione degli iperparametri salva la situazione. La messa a punto dei LLM aiuta i LLM a specializzarsi. Prende le loro ampie conoscenze e li allena a svolgere un compito specifico, utilizzando un set di dati molto più piccolo. Perché gli iperparametri sono importanti nel fine-tuning Gli iperparametri sono ciò che separa i modelli “abbastanza buoni” da quelli veramente eccellenti. Se li spingi troppo in là, il modello può adattarsi troppo o non trovare le soluzioni chiave. Se invece li rendi troppo facili, il modello potrebbe non raggiungere mai il suo pieno potenziale. Pensa alla regolazione degli iperparametri come a un tipo di flusso di lavoro di automazione aziendale. Stai parlando con il tuo modello; lo aggiusti, lo osservi e lo perfezioni fino a quando non funziona. 7 iperparametri chiave da conoscere per la messa a punto fine Il successo della messa a punto dipende dalla modifica di alcune impostazioni importanti. Può sembrare complesso, ma le impostazioni sono logiche. 1. Tasso di apprendimento Controlla quanto il modello cambia la sua comprensione durante l’addestramento. Questo tipo di ottimizzazione degli iperparametri è fondamentale perché se tu, come operatore.. Se vai troppo veloce, il modello potrebbe saltare le soluzioni migliori, Se vai troppo piano, potrebbe sembrarti di guardare la vernice che si asciuga o, peggio, potrebbe bloccarsi del tutto. Per la messa a punto, di solito bastano piccole e attente regolazioni (come la regolazione dell’interruttore dimmer di una luce). In questo caso devi trovare il giusto equilibrio tra precisione e rapidità dei risultati. Il modo in cui determinerai il giusto mix dipende dall’andamento della messa a punto del modello. Dovrai controllarlo periodicamente per vedere come sta andando. 2. Dimensione del lotto Si tratta del numero di campioni di dati che il modello elabora contemporaneamente. Quando utilizzi un ottimizzatore di hyper tweaks, vuoi che le dimensioni siano giuste, perché.. I lotti più grandi sono veloci, ma potrebbero non considerare i dettagli, I lotti più piccoli sono lenti ma accurati. I lotti di medie dimensioni potrebbero essere l’opzione Goldilocks, quella giusta. Anche in questo caso, il modo migliore per trovare l’equilibrio è monitorare attentamente i risultati prima di passare alla fase successiva. 3. Epoche Un’epoca è un’esecuzione completa del set di dati. I modelli pre-addestrati sanno già molto, quindi di solito non hanno bisogno di un numero di epoch pari a quello dei modelli che partono da zero. Quante epoch sono giuste? Se sono troppe, il modello potrebbe iniziare a memorizzare invece di apprendere (ciao, overfitting), Troppo pochi e potrebbe non imparare abbastanza per essere utile. 4. Tasso di abbandono Pensa a questo come a forzare il modello a diventare creativo. Puoi farlo disattivando parti casuali del modello durante l’addestramento. È un ottimo modo per evitare che il modello faccia eccessivo affidamento su percorsi specifici e diventi pigro. Al contrario, incoraggia il LLM a utilizzare strategie di risoluzione dei problemi più diversificate. Come fare per ottenere questo risultato? Il tasso di abbandono ottimale dipende dalla complessità del tuo set di dati. Una regola generale è che il tasso di abbandono dovrebbe corrispondere alla probabilità di anomalie. Quindi, per uno strumento di diagnostica medica, ha senso utilizzare un tasso di abbandono più alto per migliorare l’accuratezza del modello. Se stai creando un software di traduzione, potresti ridurre leggermente la percentuale per migliorare la velocità di addestramento. 5. Decadimento del peso Questo parametro evita che il modello si affezioni troppo a una singola caratteristica, evitando così un overfitting. È un modo per ricordarti di “mantenere le cose semplici” 6. Programmi del tasso di apprendimento Regola il tasso di apprendimento nel tempo. Di solito si inizia con aggiornamenti audaci e radicali per poi passare alla modalità di regolazione fine, un po’ come se si cominciasse con delle larghe pennellate su una tela e si affinassero i dettagli in un secondo momento. 7. Congelare e scongelare i livelli I modelli pre-addestrati sono dotati di strati di conoscenza. Congelare alcuni strati significa bloccare l’apprendimento esistente, mentre scongelarne altri permette loro di adattarsi al nuovo compito. La scelta di congelare o scongelare dipende dalla somiglianza tra il vecchio e il nuovo compito. Sfide comuni alla messa a punto La messa a punto sembra fantastica, ma non indoriamo la pillola: ci sono alcuni ostacoli che probabilmente incontrerai: Overfitting: I piccoli dataset rendono facile per i modelli diventare pigri e memorizzare invece di generalizzare. Puoi tenere sotto controllo questo comportamento utilizzando tecniche come l’arresto anticipato, il decadimento del peso e il dropout, Costi computazionali: Testare gli iperparametri può sembrare una partita a briscola. Richiede molto tempo e può essere un’operazione che richiede molte risorse. Peggio ancora, è una specie di gioco a indovinelli. Puoi utilizzare strumenti come Optuna o Ray Tune per automatizzare parte del lavoro. Ogni attività è diversa: non esiste un approccio unico. Una tecnica che funziona bene per
Meta accusata di utilizzare dati piratati per lo sviluppo dell’intelligenza artificiale
I querelanti nella causa Kadrey et al. contro Meta hanno presentato una mozione in cui affermano che l’azienda ha utilizzato consapevolmente opere protette da copyright nello sviluppo dei suoi modelli di intelligenza artificiale. I querelanti, tra cui l’autore Richard Kadrey, hanno presentato la loro “Reply in Support of Plaintiffs’ Motion for Leave to File Third Amended Consolidated Complaint” presso la Corte Distrettuale degli Stati Uniti nel Distretto Nord della California. L’atto di citazione accusa Meta di aver sistematicamente effettuato il torrenting e di aver tolto le informazioni sulla gestione del copyright (CMI) da set di dati pirata, tra cui le opere della famigerata biblioteca ombra LibGen. Secondo i documenti recentemente presentati al tribunale, le prove rivelano pratiche altamente incriminanti che coinvolgono i dirigenti di Meta. I querelanti sostengono che l’amministratore delegato di Meta, Mark Zuckerberg, ha dato l’approvazione esplicita per l’uso del set di dati LibGen, nonostante le preoccupazioni interne sollevate dai dirigenti dell’azienda che si occupano di AI. Un promemoria del dicembre 2024, frutto di discussioni interne a Meta, riconosceva LibGen come “un set di dati che sappiamo essere piratato”, con dibattiti sulle ramificazioni etiche e legali dell’uso di tali materiali. I documenti hanno anche rivelato che gli ingegneri più importanti esitavano a utilizzare il torrent per i dataset, citando la preoccupazione di utilizzare i laptop aziendali per attività potenzialmente illegali. Inoltre, le comunicazioni interne suggeriscono che dopo aver acquisito il set di dati LibGen, Meta ha eliminato il CMI dalle opere protette da copyright contenute al suo interno, una pratica che i querelanti evidenziano come fondamentale per le denunce di violazione del copyright. Secondo la deposizione di Michael Clark – un rappresentante aziendale di Meta – l’azienda ha implementato degli script progettati per rimuovere qualsiasi informazione che identificasse queste opere come protette da copyright, incluse parole chiave come “copyright”, “ringraziamenti” o righe comunemente usate in questi testi. Clark ha testimoniato che questa pratica è stata fatta intenzionalmente per preparare il set di dati per l’addestramento dei modelli Llama AI di Meta. “Non mi sembra giusto” Le accuse contro Meta dipingono il ritratto di un’azienda che partecipa consapevolmente a un diffuso schema di pirateria facilitato dal torrenting. Secondo una serie di e-mail incluse tra gli allegati, gli ingegneri di Meta hanno espresso preoccupazione per l’ottica del torrenting di set di dati pirata all’interno di spazi aziendali. Un ingegnere ha osservato che “fare torrenting da un laptop aziendale [di proprietà di Meta] non mi sembra corretto”, ma nonostante le esitazioni, il rapido download e la distribuzione – o “seeding” – di dati pirata hanno avuto luogo. Il legale dei querelanti ha dichiarato che già nel gennaio 2024 Meta aveva “torrentato (scaricato e distribuito) i dati di LibGen” Inoltre, i documenti mostrano che centinaia di documenti correlati erano stati inizialmente ottenuti da Meta mesi prima, ma sono stati trattenuti durante i primi processi di scoperta. I querelanti sostengono che questa divulgazione ritardata equivale a un tentativo in malafede da parte di Meta di ostacolare l’accesso a prove vitali. Durante una deposizione del 17 dicembre 2024, lo stesso Zuckerberg avrebbe ammesso che tali attività avrebbero sollevato “un sacco di bandiere rosse” e ha dichiarato che “sembra una cosa negativa”, anche se ha fornito risposte dirette limitate riguardo alle pratiche più ampie di Meta per l’addestramento dell’intelligenza artificiale. Questa causa è nata originariamente come un’azione di violazione della proprietà intellettuale per conto di autori ed editori che lamentavano violazioni relative all’uso dell’IA sui loro materiali. Tuttavia, i querelanti stanno ora cercando di aggiungere due importanti rivendicazioni alla loro causa: una violazione del Digital Millennium Copyright Act (DMCA) e una violazione del California Comprehensive Data Access and Fraud Act (CDAFA). In base al DMCA, i querelanti affermano che Meta ha consapevolmente rimosso le protezioni del copyright per nascondere l’uso non autorizzato di testi protetti da copyright nei suoi modelli Llama. Come si legge nella denuncia, Meta avrebbe eliminato il CMI “per ridurre la possibilità che i modelli memorizzino questi dati” e la rimozione degli indicatori di gestione dei diritti avrebbe reso più difficile per i titolari del copyright scoprire la violazione. Le accuse del CDAFA riguardano i metodi utilizzati da Meta per ottenere il dataset LibGen, tra cui il presunto coinvolgimento nel torrenting per acquisire dataset protetti da copyright senza autorizzazione. La documentazione interna mostra che gli ingegneri di Meta hanno discusso apertamente la preoccupazione che il seeding e il torrenting potessero rivelarsi “legalmente non corretti” Il caso Meta potrebbe avere un impatto sulla legislazione emergente in materia di sviluppo dell’intelligenza artificiale Al centro di questa battaglia legale in espansione c’è la crescente preoccupazione per l’intersezione tra la legge sul copyright e l’IA. I querelanti sostengono che l’eliminazione delle protezioni del copyright dai dataset testuali nega il giusto compenso ai proprietari dei diritti d’autore e permette a Meta di costruire sistemi di IA come Llama sulle rovine finanziarie degli sforzi creativi di autori ed editori. La tempistica di queste accuse si inserisce nel contesto di un maggiore controllo globale sulle tecnologie di “IA generativa”. Aziende come OpenAI, Google e Meta sono finite sotto tiro per l’uso di dati protetti da copyright per addestrare i loro modelli. I tribunali di tutte le giurisdizioni si stanno attualmente occupando dell’impatto a lungo termine dell’IA sulla gestione dei diritti, con casi potenzialmente epocali decisi sia negli Stati Uniti che nel Regno Unito. In questo caso particolare, i tribunali statunitensi si sono dimostrati sempre più disposti ad ascoltare le denunce relative al potenziale danno dell’IA ai precedenti della legge sul copyright, ormai consolidati. I querelanti, nella loro mozione, hanno fatto riferimento a The Intercept Media v. OpenAI, una recente decisione di New York in cui è stato permesso di procedere con una richiesta di risarcimento DMCA simile. Meta continua a negare tutte le accuse del caso e non ha ancora risposto pubblicamente alle dichiarazioni di Zuckerberg riportate nella deposizione. Indipendentemente dal fatto che i querelanti riescano o meno a far valere le proprie ragioni, gli autori di tutto il mondo sono sempre più preoccupati per la gestione
Mentre gli studenti universitari si rivolgono all’intelligenza artificiale, Chegg cerca di riguadagnare terreno
Di fronte alla crescente concorrenza di strumenti di intelligenza artificiale come ChatGPT, l’azienda di tecnologia educativa Chegg ha lanciato una nuova campagna creativa, “Get a Grip”, che mira ad alleviare lo stress accademico degli studenti in vista del semestre primaverile. In collaborazione con lo studio Unentitled, il marchio ha anche svelato la sua nuova mascotte Ace, un polipo arancione che funge da compagno di studi per gli studenti e rappresenta la natura di giocoleria della vita studentesca. Con “Get a Grip” e Ace, Chegg cerca di creare un legame emotivo con gli studenti e con i potenziali abbonati, ha dichiarato la chief marketing officer Deena Bahri, che si è unita a Chegg nel marzo 2024. “Gli studenti si sentono soli, sopraffatti e impreparati ad affrontare il lavoro di studente universitario”, ha dichiarato ad ADWEEK. “Questa è l’intuizione chiave che ha guidato la nostra campagna e la strategia del marchio. [Ace] è un pezzo forte del puzzle per evocare questa sensazione di calore e connessione che è uno dei nostri obiettivi” L’effetto dell’AI su Chegg Chegg offre assistenza personalizzata, guida esperta, strumenti di apprendimento e risorse di studio complete per gli studenti universitari. L’azienda dispone anche di strumenti di intelligenza artificiale progettati per aiutare gli studenti a imparare al di là delle lezioni. Durante la pandemia, l’azienda ha registrato un record di abbonati e di quotazioni azionarie grazie al passaggio delle università all’apprendimento a distanza. Tuttavia, da quando ChatGPT è entrata in scena nel 2022, l’azienda ha perso oltre mezzo milione di abbonati e le sue azioni sono scese del 99% rispetto all’inizio del 2021. Nei suoi ultimi risultati finanziari, Chegg ha registrato perdite per oltre 212 milioni di dollari nel terzo trimestre del 2024, per un totale di 830 milioni di dollari di perdite per l’anno fino a settembre 2024. A novembre, inoltre, l’azienda ha annunciato l’intenzione di licenziare il 21% del personale, tagliando altri posti di lavoro dopo l’ondata iniziale di ristrutturazione per la riduzione dei costi avvenuta a giugno. Nel rapporto, l’amministratore delegato Nathan Schultz ha indicato strumenti come Google AI Overviews (AIO) e ChatGPT come cause del calo di abbonati e ricavi. “I recenti progressi nell’esperienza di ricerca dell’intelligenza artificiale e l’adozione di servizi di intelligenza artificiale generativa gratuiti e a pagamento da parte degli studenti hanno comportato delle sfide per Chegg”, ha dichiarato. “Questi fattori stanno influenzando negativamente le nostre prospettive di business e ci impongono di riorientare e modificare le dimensioni della nostra attività” Guardare al futuro Nel 2025, la strategia di marketing di Chegg si concentra sulla competizione con gli strumenti di intelligenza artificiale esterni e sulla priorità dell’esperienza del cliente e del prodotto. “Siamo concentrati sull’aiutare gli studenti ad avere successo nel loro percorso di apprendimento: non ci limitiamo a fornire loro una risposta rapida, ma li aiutiamo a padroneggiare veramente il materiale”, ha dichiarato Bahri. L’azienda intende continuare a lanciare campagne creative con Ace per entrare in contatto con i consumatori ed evidenziare le capacità del marchio. la campagna “Get a Grip” sarà diffusa attraverso la TV in streaming e i social media. Leggi di più su www.adweek.com
Due ore di conversazione con l’intelligenza artificiale possono creare un gemello digitale quasi perfetto di chiunque
I ricercatori di Stanford e Google DeepMind hanno creato un’intelligenza artificiale in grado di replicare le personalità umane con una precisione sorprendente dopo appena due ore di conversazione. Intervistando 1.052 persone di diversa provenienza, hanno costruito quelli che chiamano “agenti di simulazione”, ovvero copie digitali in grado di prevedere le convinzioni, gli atteggiamenti e i comportamenti delle loro controparti umane con notevole coerenza. Per creare le copie digitali, il team utilizza i dati di un “intervistatore AI” progettato per coinvolgere i partecipanti in una conversazione naturale. L’intervistatore IA pone domande e genera domande di follow-up personalizzate – in media 82 per sessione – esplorando qualsiasi cosa, dai ricordi d’infanzia alle opinioni politiche. Attraverso queste discussioni di due ore, ogni partecipante ha generato trascrizioni dettagliate con una media di 6.500 parole. La figura sopra mostra la piattaforma dello studio, che comprende l’iscrizione dei partecipanti, la creazione di avatar e un’interfaccia principale con moduli per il consenso, la creazione di avatar, l’intervista, i sondaggi/esperimenti e la ripetizione di sondaggi/esperimenti in autoconsistenza. I moduli diventano disponibili in sequenza man mano che vengono completati quelli precedenti. Fonte: ArXiv. Ad esempio, quando un partecipante menziona la sua città d’infanzia, l’IA potrebbe indagare più a fondo, chiedendo di parlare di ricordi o esperienze specifiche. Simulando il flusso naturale di una conversazione, il sistema cattura informazioni personali sfumate che i sondaggi standard non riescono a cogliere. Dietro le quinte, lo studio documenta quella che i ricercatori chiamano “riflessione esperta”: i modelli linguistici di grandi dimensioni analizzano ogni conversazione da quattro punti di vista professionali distinti: Come psicologo, identifica tratti specifici della personalità e modelli emotivi – per esempio, notando come una persona apprezzi l’indipendenza in base alle sue descrizioni delle relazioni familiari. Attraverso la lente di un economista comportamentale, estrae informazioni sul processo decisionale finanziario e sulla tolleranza al rischio, come ad esempio l’approccio ai risparmi o le scelte di carriera. Il punto di vista del politologo mappa le inclinazioni ideologiche e le preferenze politiche su vari temi. L’analisi demografica cattura i fattori socioeconomici e le circostanze di vita. I ricercatori hanno concluso che questa tecnica basata sulle interviste ha superato di gran lunga metodi analoghi, come l’estrazione dei dati dai social media. L’immagine qui sopra mostra l’interfaccia dell’intervista, che presenta un intervistatore AI rappresentato da uno sprite 2-D in un cerchio bianco pulsante che corrisponde al livello dell’audio. Lo sprite si trasforma in un microfono quando è il turno del partecipante. Una barra di avanzamento mostra un folletto che viaggia lungo una linea e sono disponibili opzioni per i sottotitoli e la pausa. Testare le copie digitali I ricercatori hanno sottoposto le loro repliche AI a una serie di test per valutare se avessero copiato accuratamente vari aspetti della personalità delle loro controparti umane. In primo luogo, hanno utilizzato il General Social Survey, una misura degli atteggiamenti sociali che pone domande su tutto, dalle opinioni politiche alle credenze religiose. In questo caso, le copie dell’IA hanno risposto alle loro controparti umane nell’85% dei casi. Nel test della personalità Big Five, che misura tratti come l’apertura e la coscienziosità attraverso 44 domande diverse, le previsioni dell’IA si sono allineate alle risposte umane circa l’80% delle volte. Il sistema è stato eccellente nel cogliere tratti come l’estroversione e il nevroticismo. I test sui giochi economici hanno però rivelato affascinanti limiti. Nel “Gioco del Dittatore”, in cui i partecipanti decidono come dividere il denaro con gli altri, l’IA ha faticato a prevedere perfettamente la generosità umana. Nel “Gioco della Fiducia”, che mette alla prova la disponibilità a cooperare con gli altri per ottenere un vantaggio reciproco, le copie digitali si sono adattate alle scelte umane solo per circa due terzi del tempo. Questo suggerisce che, sebbene l’intelligenza artificiale sia in grado di comprendere i nostri valori dichiarati, non riesce ancora a cogliere appieno le sfumature del processo decisionale sociale umano. Esperimenti nel mondo reale I ricercatori hanno anche condotto cinque classici esperimenti di psicologia sociale utilizzando le loro copie AI. In un esperimento che verificava come l’intenzione percepita influisce sulla colpa, sia gli esseri umani che le loro copie dell’IA hanno mostrato modelli simili di assegnazione di maggiore colpa quando le azioni dannose sembravano intenzionali. Un altro esperimento ha esaminato come l’equità influenzi le risposte emotive: le copie dell’IA hanno previsto con precisione le reazioni umane a un trattamento equo o ingiusto. Le repliche dell’IA hanno riprodotto con successo il comportamento umano in quattro esperimenti su cinque, il che suggerisce che possono modellare non solo le singole risposte topiche ma anche modelli comportamentali ampi e complessi. Cloni di IA facili: Quali sono le implicazioni? I cloni dell’IA sono un grande business: Meta ha recentemente annunciato l’intenzione di riempire Facebook e Instagram di profili IA in grado di creare contenuti e interagire con gli utenti. Anche TikTok si è buttato nella mischia con la sua nuova suite “Symphony” di strumenti creativi basati sull’intelligenza artificiale, che comprende avatar digitali che possono essere utilizzati da marchi e creatori per produrre contenuti localizzati su scala. Con gli avatar digitali di Symphony, TikTok offre ai creatori e ai marchi nuovi modi per affascinare il pubblico globale utilizzando l’intelligenza artificiale generativa. Gli avatar possono rappresentare persone reali con un’ampia gamma di gesti, espressioni, età, nazionalità e lingue. La ricerca di Stanford e DeepMind suggerisce che queste repliche digitali diventeranno molto più sofisticate e più facili da costruire e distribuire su scala. “Se puoi avere un gruppo di piccoli ‘tu’ che vanno in giro e prendono le decisioni che avresti preso tu, credo che questo sia il futuro”, spiega il ricercatore principale Joon Sung Park, dottorando in informatica a Stanford MIT. Park descrive i lati positivi di questa tecnologia, in quanto la creazione di cloni accurati potrebbe supportare la ricerca scientifica. Invece di eseguire esperimenti costosi o eticamente discutibili su persone reali, i ricercatori potrebbero testare come le popolazioni potrebbero rispondere a determinati input. Ad esempio, potrebbe aiutare a prevedere le reazioni ai messaggi di salute pubblica o a studiare come le comunità si adattano
Ecco come l’intelligenza artificiale influenzerà il settore televisivo nel 2025
Che tu ami o odi sentirne parlare, l’intelligenza artificiale è ovunque ed è destinata a rimanere. Nell’ultimo anno, l’intelligenza artificiale ha dominato ogni settore. Ma nel settore televisivo sembra che tutti stiano ancora cercando di capire come utilizzarla. Esperienze utente più personalizzate e un maggior numero di annunci e campagne generate dall’intelligenza artificiale sono solo alcuni dei modi in cui gli addetti ai lavori prevedono che la tecnologia possa avere un impatto sul panorama televisivo. Nell’ambito delle continue previsioni di ADWEEK sull’anno a venire, abbiamo chiesto a 15 dirigenti televisivi, leader delle vendite pubblicitarie e addetti ai lavori di condividere le loro previsioni più ardite su come l’IA influenzerà il settore televisivo nel 2025. (Uno di loro potrebbe anche aver usato l’IA per rispondere a questa stessa domanda) Ecco come l’IA potrebbe avere un impatto sulla TV in futuro: Jay Askinasi, svp e responsabile delle entrate e della crescita globale dei media, Roku: Con lo sviluppo dell’intelligenza artificiale, prevedo che l’esperienza televisiva si trasformerà per diventare più personalizzata per l’utente e, quindi, più vantaggiosa per l’inserzionista. Questo tipo di personalizzazione cambierà le carte in tavola per gli spettatori, aiutandoli a trovare i contenuti che cercano più velocemente che mai, ma consentirà anche agli inserzionisti di essere più pertinenti e coinvolgenti in modi mai visti prima. Dani Benowitz, presidente globale e statunitense di Magna: Tre previsioni per il 2025: Ci saranno più di tre annunci interamente generati dall’intelligenza artificiale nel Super Bowl, con un aumento rispetto al 2024. In secondo luogo, le piattaforme di streaming introdurranno chatbot in homescreen che consiglieranno i contenuti da guardare e che alla fine offriranno annunci pubblicitari. Poi, alcune piattaforme di streaming abbandoneranno del tutto le opzioni senza pubblicità e i livelli di abbonamento influenzeranno la frequenza degli annunci che gli spettatori vedranno. Infine, un network lancerà un reality show in cui i concorrenti riceveranno indicazioni e rimarranno o saranno espulsi dallo show in base all’interazione con un chatbot AI, senza sapere che stavano interagendo con un chatbot. David Cohen, CEO di IAB: Preparati alla prima campagna televisiva AI end-to-end al mondo: dalla pianificazione dei media alla creatività alla misurazione. I puristi si lamenteranno perché non è perfetta, ma anche i più scettici prenderanno appunti. Prevedo che nel 2025 l’intelligenza artificiale diventerà la nuova “sandbox” per l’innovazione televisiva su più fronti. Chi la abbraccerà sarà in vantaggio nel 2026. Rita Ferro, presidente del settore pubblicitario globale di Disney: La capacità di scalare la creatività, la creazione e la gestione attraverso le piattaforme di streaming e le impressioni ad un volume molto elevato. Non è possibile continuare a scalare e far crescere le attività di streaming sul mercato senza avere una creatività dinamica, quindi questo sarà un punto molto ovvio. Il secondo punto riguarda l’automazione dei processi aziendali. Da tempo utilizziamo l’apprendimento automatico, l’intelligenza artificiale e i nostri algoritmi all’interno del nostro stack tecnologico, ma anche in questo caso, con l’aumento dei volumi, la nozione di prezzo dinamico è in grado di sfruttare le opportunità e di scalare il mercato. Marcy Greenberger, Chief Investment Officer, UM: l’intelligenza artificiale porterà a progressi nel targeting contestuale in CTV. John Halley, presidente di Paramount Advertising: Ho posto questa domanda a un chatbot dell’intelligenza artificiale che ha parlato di “esperienze televisive iper-personalizzate”, tra cui lo storytelling interattivo, la creazione istantanea di contenuti e il targeting di micro-nicchie. Non sono sicuro che l’intelligenza artificiale abbia ragione su questo punto, almeno per il 2025. Ma l’intelligenza artificiale ha reso più facile per questo dirigente pubblicitario rispondere a un sondaggio di ADWEEK. Kim Kelleher, Chief Commercial Officer di AMC Networks: I marketer avranno accesso a contenuti di media e lunga durata che non sono mai stati supportati dalla pubblicità. L’intelligenza artificiale consentirà l’inserimento di annunci intelligenti in tutti i contenuti che verranno sviluppati o che sono stati sviluppati in passato, in modo che, mentre gli operatori del marketing continueranno a muoversi verso il performance marketing e l’hyper-targeting, l’intelligenza artificiale consentirà un migliore abbinamento tra il contenuto e lo spettatore desiderato, il tutto nel rispetto della privacy e in modo automatizzato. Kevin Krim, CEO e presidente di EDO: L’impatto dell’IA si farà sentire ovunque. L’IA generativa fa notizia, ma gli strumenti di IA verticale stanno già trasformando le capacità e l’economia dei media e della pubblicità, dall’automazione e scalabilità massiccia di flussi di lavoro come l’elaborazione dei dati, la pianificazione dei media e la misurazione, fino all’abilitazione di campagne ottimizzate algoritmicamente per l’audience e i risultati. Ma le previsioni secondo cui il ChatGPT sarà la morte di Google o della creatività umana sono altrettanto premature di quelle che per anni hanno predetto la scomparsa del cinema o del disco in vinile. Liz Leonard, evp, PMX Lift: L’intelligenza artificiale rappresenta un’interessante opportunità per migliorare il flusso di lavoro, con un potenziale crescente di cambiamento nel modo in cui costruiamo e negoziamo gli accordi tra i talenti e lo sviluppo/distribuzione dei contenuti, ma anche nel modo in cui identifichiamo nuove opportunità come la creazione di un pubblico strategico e conforme in tutte le categorie. Questo include alcuni dei settori più ristretti in cui è necessario evolvere la strategia per stare al passo con la legislazione e allo stesso tempo tenere d’occhio il miglioramento dei risultati di business. Mark Marshall, presidente, pubblicità globale e partnership, NBCUniversal: L’intelligenza artificiale accelererà il passaggio a un mercato multicurrency e sbloccherà nuovi livelli di precisione ed efficienza per i marketer. Kate Monaghan, evp, integrated investment & retail partnerships, Horizon Next: L’intelligenza artificiale continuerà ad aiutare il settore dei video a diventare iper-personalizzato, sia con i contenuti che con la pubblicità. Gli algoritmi miglioreranno sempre di più, offrendo contenuti sempre più personalizzati a ciascun individuo nella schermata iniziale dello streaming, in modo simile ai social media, e la pubblicità diventerà ancora più mirata e contestuale, con la funzione “Shop the Look” abilitata dall’intelligenza artificiale e basata sulle abitudini di visione e di acquisto degli utenti. Alan Moss, vicepresidente delle vendite pubblicitarie globali di Amazon Ads: La crescita e il cambiamento
