L'avanzamento tecnologico sta predisponendo le macchine a usi incredibilmente più intelligenti che in passato, per qualsiasi settore.
La gestione documentale non fa eccezione: la complessità che la caratterizza rende evidente il bisogno di innovazione. Per questo, sempre più, si incrocia con il concetto di Machine Learning.
Ma cosa si intende esattamente con questo termine? Cos'ha a che fare con l'Intelligenza Artificiale e come, questa innovazione, può realmente portare valore alle aziende che si occupano di gestire enormi quantità di dati e documenti?
In questo articolo iniziamo ad affrontare alcuni temi collegati al Machine Learning e al Digital Document Management, come primo approccio a questo universo complesso e affascinante.
Iniziamo con spiegare brevemente cos'è il Machine Learning e da dove ha origine.
Il Machine Learning (in italiano apprendimento automatico) è uno dei sottocampi di studio dell'Intelligenza Artificiale (IA).
L'Intelligenza Artificiale, a sua volta, consiste in una serie di sistemi, modalità, forme in cui la tecnologia può imitare l'intelligenza umana, assumerne caratteristiche, o comunque effettuare operazioni avanzate che diano l'impressione di possederla.
Il Machine Learning, invece, è l'insieme degli svariati mezzi attraverso cui la macchina può ottenere questa intelligenza. In modo più specifico, il Machine Learning si occupa di creare algoritmi che consentano alle macchine di apprendere e migliorarsi da sole, tramite l'acquisizione, la lettura e l'analisi autonome (quindi un uso a tutto tondo) dei dati.
Il termine Machine Learning si rileva per la prima volta nel 1959, a opera di Arthur Samuel, pioniere a IBM dell'IA e dei
videogiochi. Il tema dell'apprendimento da parte delle macchine, in ogni caso, era stato sollevato già alla fine degli anni '40 dallo stesso Samuel e da Alan Turing. Samuel spostò però il concetto da "macchine che possono pensare" a "macchine che possono fare ciò che facciamo noi in quanto entità pensanti".
Il Machine Learning è una disciplina estesa, che può essere approcciata in modi diversi. Vediamone alcuni, che ben si prestano al mondo digitale e dei documenti.
Secondo Tom Mitchell, un programma ha appreso da un'esperienza se, in seguito a essa, ha svolto meglio il suo compito. Utilizzando questa asserzione come base, capiamo che esso deve continuamente assorbire ed elaborare nuovi dati e nuove informazioni.
Dal punto di vista tecnico, la differenza principale rispetto alla tecnologia tradizionale è proprio l'immissione dei dati. Il vecchio software "statico" conosce solo dati e input forniti alla sua origine, e li usa per svolgere il compito. Il programma basato sul Machine Learning, al contrario:
Questo percorso può essere realizzato tramite svariate tecniche, assistite dall'uomo e non. Si possono fornire alla macchina molti dati in cui ricercare strutture logiche, oppure esempi di input e output, in modo che la macchina identifichi i criteri tra entrata e uscita per usarli in seguito a fronte del solo input.
Gli si possono sottoporre come moli di dati i comportamenti reali di persone nell'uso di altri software. Si può mettere la macchina in un ambiente dinamico – ad esempio di fronte alla reazione umana, in modo che essa cerchi la sua contro-reazione, o in un sistema di ricompense e punizioni per i successi e fallimenti.
E addirittura, in visioni ancor più futuristiche, gli si possono sottoporre le reti neurali (schemi ispirati alle reti biologiche) per cercare di raggiungere concetti di deep learning (apprendimento profondo, di livello ancor superiore).
Oggi il Machine Learning è utilizzato in moltissimi settori, tra i quali la Gestione Documentale Digitale →.
Un esempio pratico di come il Machine Learning può fare la differenza nel Document Management è nell'ambito della digitalizzazione dei documenti. Se di norma acquisiamo solo l'immagine e ne rileviamo i testi, un software IA con apprendimento automatico sa riconoscere e analizzare i diversi campi del documento. Così, può riportare da solo questi contenuti in metadati o titolazioni, rendendoli disponibili alle ricerche rapide.
Imparando i pattern di composizione di un documento, l'IA può riconoscere cosa stiamo scrivendo già mentre lo scriviamo, così da aiutare a compilare i futuri documenti (o compilarli automaticamente in più sezioni).
Tramite Machine Learning, il software può capire quando e come un documento deve essere versato in conservazione→ imparando a gestirne la durata di validità legale o elementi come firma digitale o marca temporale→.
Infine (anche se gli esempi potrebbero essere infiniti) il Machine Learning e l'Intelligenza Artificiale giocano un ruolo fondamentale in ambito di automation e flussi di lavoro→: tramite questa tecnologia il software auto-apprende i dati necessari a smistare e assegnare i documenti a chi deve gestirli.
Le opportunità dell'IA sono davvero molte e solo alcune sono state finora esplorate. Imparando e memorizzando cosa facciamo, un software può renderci la vita molto più semplice, rimuovendo tanti compiti manuali non indispensabili.