La LEGO lo aveva già intuito: la creazione di grandi oggetti passa per l’assemblaggio di tante piccole parti, perfettamente incastrate l’una con l’altra. Questo processo combinatorio, noto come “networked knowledge”, ha subito un notevole incremento con la diffusione dei social network e in particolare con la sempre più crescente tendenza delle testate giornalistiche politiche, scientifiche e di cronaca a utilizzare questi canali per la pubblicazione delle informazioni.
La cosa interessante è che lo stesso vale per il processo di apprendimento e in particolare nel processo di condivisione delle informazioni messo in atto dalla diffusione di internet: la conoscenza connettiva, derivata dalla creatività combinatoria, segue il principio secondo cui nulla è del tutto originale e tutto si basa sulla ricombinazione di ciò che già esiste. Questo principio riguarda in particolare il concetto di conoscenza: il processo di creazione della conoscenza può occasionalmente implicare lo sviluppo di idee e soluzioni da zero, ma più frequentemente equivale a una riconfigurazione e ricombinazione di conoscenze di base già esistenti.
Sia nella forma che nelle modalità di distribuzione, internet sta cambiando il nostro modo di costruire conoscenza e lo fa adattandosi a un concetto – quello della networked knowledge – che mira a rendere tali conoscenze sempre più complesse, ricche di dati e fedeli alla realtà.
Networked knowledge: l’AI al servizio della conoscenza combinatoria
Le capacità emergenti di intelligenza artificiale pervadono probabilmente quasi tutti i contorni e le attività organizzative, inclusa la gestione della conoscenza: nel processo di raccolta, archiviazione ed elaborazione dei dati, l’intelligenza artificiale diventa lo strumento chiave a supporto di questo processo di apprendimento e diffusione di conoscenza, già presente nelle pratiche dell’essere umano, poiché in grado di attuare quel processo ricombinante sulla base di big data. Il contributo dell’AI nel processo di costruzione di conoscenza, può inserirsi a diversi livelli: quello della creazione, dell’archiviazione e analisi o della condivisione.
Rispetto al momento di creazione di conoscenza, il potenziale dell’AI risiede nella possibilità di analizzare più dati ed elaborare analisi a una maggiore velocità di quella del cervello umano, scoprendo così corrispondenze tra elementi apparentemente lontani: un esempio di questa applicazione dell’AI è l’esperimento eseguito da studiosi dell’Università di Berkeley, California, che hanno impiegato un approccio di deep learning per calcolare le analogie tra vari termini in 3,3 milioni di abstract di articoli di ricerca sulla scienza dei materiali pubblicati in 96 anni (Tshitoyan et al., 2019). L’algoritmo non solo ha potuto acquisire in modo indipendente concetti complessi di scienza dei materiali (ad esempio, struttura della tavola periodica), ma ha anche identificato correlazioni inosservate di materiali con applicazioni funzionali promettenti (ad esempio composti con proprietà termoelettriche simili). Allo stesso modo, le capacità di intelligenza artificiale possono aiutare le organizzazioni a trovare connessioni e approfondimenti sconosciuti e imprevisti: un rapporto stima che dal 60 al 70 percento dei dati raccolti dalle imprese non venga utilizzato (Forrester, 2016, “Hadoop Is Data’s Darling For A Reason”).
L’AI per isolare le conoscenze prioritarie
Sul piano dell’archiviazione e rielaborazione, invece, il grande contributo dell’AI consiste nel recupero di tutti quei (grandi) dati ritenuti difficili da analizzare e per questo ingombranti; l’AI è in grado di isolare conoscenze prioritarie, riassumere precedenti legali utili per un nuovo caso o rilevare pattern di comportamento su cui costruire la pianificazione marketing, ambito in cui questo tipo di strumento apporta attualmente il suo più grande contributo: Google Gmail, ad esempio, è in grado di rilevare autonomamente gruppi sociali tra i contatti e permettere così una targetizzazione mirata per il mail marketing.
Come spiegato nei paragrafi precedenti, la condivisione della conoscenza permette un arricchimento della stessa. Tuttavia, vi sono spesso barriere fisiche e temporali che limitano tale condivisione. L’AI abbatte tali limitazioni, permettendo a persone separate da confini geografici importanti di ragionare su uno stesso tema o problema; oppure, creando sistemi di connessione tra dati, così da rendere questi ultimi meno frammentati e dispersivi.
Conclusioni
Se il principio che regola la formazione di una conoscenza approfondita è quello della ricombinazione di quante più informazioni possibili, grazie all’applicazione dell’AI possiamo immaginare un’evoluzione nell’utilizzo della conoscenza non solo più efficiente ed efficace, ma anche economico e inclusivo e che basa le sue fondamenta elaborative sulla condivisione.
