fbpx

INTRO AI

La storia delle reti neurali e dell’apprendimento profondo è lunga e un po ‘confusa.

ISCRIVITI ALLA NEWSLETTER

Ti INVIEREMO DUE VOLTE A SETTIMANA ARTICOLI E RISORSE DEL MONDO HR.

By Tiziano Cianti

L’obiettivo centrale dell’intelligenza artificiale è quello di fornire una serie di algoritmi e tecniche che possono essere utilizzate per risolvere i problemi che gli esseri umani eseguono in modo intuitivo e quasi automatico, ma sono comunque molto impegnativi per i computer. Un grande esempio di una tale classe di problemi di intelligenza artificiale è l’interpretazione e capire il contenuto di un’immagine: questo compito è qualcosa che un umano può fare con poco sforzo, ma estremamente difficile da realizzare per le macchine. Mentre la AI incarna un insieme ampio e diversificato di lavori relativi al ragionamento automatico della macchina (inferenza, pianificazione, euristica, ecc.), il sottocampo ‘Machine Learning’ tende a essere specificamente interessato al riconoscimento di pattern e apprendimento dai dati. Le reti neurali artificiali (ANNs) sono una classe di algoritmi di apprendimento automatico da cui apprendere dati e specializzati nel riconoscimento di modelli, ispirati alla struttura e alla funzione del cervello. L’apprendimento approfondito appartiene alla famiglia degli algoritmi di ANN e, nella maggior parte dei casi, i due i termini possono essere usati in modo intercambiabile.

“La storia delle reti neurali e dell’apprendimento profondo è lunga e un po ‘confusa. “

Può sorprendere sapere che “l’apprendimento profondo” esiste dagli anni ’40 sotto vari nomi. Mentre sono ispirati dal cervello umano e come i suoi neuroni interagiscono tra loro, le ANNs non sono intesi per essere modelli realistici del cervello. Invece, sono un’ispirazione, che ci permette di disegnare paralleli tra un modello molto basilare del cervello e come possiamo imitare alcuni di questi comportamenti attraverso reti neurali artificiali. Oggi, l’ultima incarnazione delle reti neurali come la conosciamo è chiamata deep learning. Ora che abbiamo hardware più veloce e specializzato con più dati di allenamento disponibili possiamo addestrare reti con molti livelli nascosti, capaci di apprendimento gerarchico in cui vengono appresi concetti semplici negli strati inferiori, e altri modelli astratti negli strati superiori della rete.

Forse l’esempio per eccellenza dell’apprendimento profondo applicato all’apprendimento funzionale è il Convolutional Neural Network (LeCun 1988) si applicava al riconoscimento di caratteri manoscritti che impara automaticamente i pattern discriminanti (chiamati “filtri”) dalle immagini impilando sequenzialmente strati uno sopra l’altro. I filtri nei livelli inferiori della rete rappresentano i bordi e gli angoli, mentre i livelli più alti usano i bordi e gli angoli per imparare più concetti astratti utili per discriminare tra classi di immagini.
In molte applicazioni, le CNN sono ora considerate il più potente classificatore di immagini e lo sono attualmente responsabile di far avanzare lo stato dell’arte nei sottocampi di visione artificiale che fanno leva apprendimento automatico.

Secondo uno studio della Deloitte negli Stati Uniti il 38% degli Hr utilizza strumenti di Ai per la selezione del personale. Si stima che entro la fine del 2019 la quota arriverà al 68%. 

Il brand Unilever, a partire da Luglio 2016, ha rivoluzionato il proprio modo di fare recruiting, utilizzando le potenzialità del Intelligenza Artificiale per superare i tradizionali canali .

 In un’intervista a Business Insider Mike Clementi, VP of human resources for North America, ha dichiarato che “Unilever, con i suoi 170.000 dipendenti sparsi in tutto il mondo e con un portfolio di più di 400 brand, non poteva più continuare ad assumere in maniera tradizionale”. Andare nelle università, raccogliere ogni tipo di curriculum, scremare quelli non adatti alle posizioni aperte è sicuramente un’attività molto dispendiosa in termini di risorse, sia umane che temporali, con un’incerta efficienza per l’azienda e per i candidati.

Unilever,  quindi , ha eliminato del tutto il CV tradizionale: i candidati inviano solo il proprio profilo LinkedIn e come prima prova devono risolvere, dal proprio smartphone, 12 giochi basati sulle neuroscienze (Pymetrics, Hire Vue). Anche in questo caso la durata della selezione è diminuita drasticamente, mentre è molto aumentato il numero dei candidati che rispondono agli annunci di lavoro.

 

Il cambiamento è in corso ed è una tendenza con numeri interessanti anche nel nostro Paese.

Secondo una recente ricerca di AIDP, l’associazione italiana per la direzione del personale, negli ultimi tre anni il 58% dei responsabili delle risorse umane ha cominciato ad utilizzare sistemi digitalizzati ed automatizzati nei processi di reclutamento e selezione.

In particolare, più di 6 manager HR su 10 li utilizzano per la fase di pre-screening, e quasi la metà degli intervistati per analizzare i profili presenti nei database aziendali.

Italia si sta facendo avanti una startup innovativa Colloquio24.it che ha creato un software tecnologie AI che analizzano il comportamento del candidato ed attraverso l’unione di metriche psicologiche e algoritmi AI, realizziamo video test predittivi personalizzati centrati sul ruolo da svolgere.

Il  software si basa sul pattern delle reti neurali artificiali, modelli matematici composti da neuroni artificiali che si ispirano al funzionamento biologico del cervello umano.

Tramite una rete neurale profonda ( deep neural network ) ogni nodo sa come prendere un set di valori come input, applicare dei pesi ad essi, e calcolare un valore di output.

La rete è allenata su un Dataset di 1 milioni di immagini, permettendo così di leggere le espressioni facciali e tradurle nelle 7 emozioni universali. Colloquio24.it Innova  il processo di pre-screening fornendo ai recruiter più dati per scegliere, in meno tempo fornendo una nuova esperienza di selezione al candidato.

 

Suggerisci l'articolo su

Share on facebook
Share on google
Share on twitter
Share on linkedin
Share on whatsapp
Share on email
Share on print