Api AI, ultima frontiera della programmazione. Per sfruttare appieno l’intelligenza artificiale, gli sviluppatori devono prima decidere quale tipo di funzionalità desiderano aggiungere alle proprie applicazioni. In che modo? Analizzando quali API e quali servizi AI sono disponibili presso i fornitori di cloud pubblici per sfruttare al meglio le potenzialità associate a un nuovo modo di gestire le risorse.
API AI: esempi e casi d’uso nel cloud
Gli esperti stilano la lista, illustrando un orizzonte potenzialmente infinito di possibilità.
Chatbot
I chatbot sono diventati il più classico esempio di come l’AI possa essere integrata anche nelle più comuni applicazioni attualmente in uso. L’alberatura delle funzioni è molto varia: è possibile, ad esempio, richiamare altre API AI, come Amazon Echo, in grado di comprendere i comandi vocali per cercare musica. Un uso comune dei chatbot consiste nell’incorporare interfacce testuali su siti Web per accogliere e assistere i clienti. Un chatbot può anche utilizzare le API di elaborazione del linguaggio naturale per migliorare la comprensione e le capacità di conversazione.
Tra i provider di cloud pubblici che offrono servizi di chatbot, ci sono Amazon Lex, il servizio bot di Azure, Google Dialogflow e IBM Watson Assistant.
Riconoscimento delle immagini
Trovare un’immagine specifica all’interno di una vasta collezione di repository può diventare un compito molto arduo. Se le immagini non sono meticolosamente etichettate con sistemi di codifica che contengono anche una descrizione del contenuto, infatti, può essere difficile trovare un’immagine basata esclusivamente su una query di testo. Le API AI associate ai servizi in cloud come Amazon Rekognition, Microsoft Azure Computer Vision API o Google Cloud Vision API offrono ai programmatori la possibilità di analizzare le immagini e identificare automaticamente gli elementi, anche se le immagini non hanno metadati o descrizioni utili. Queste API AI riescono a gestire l’elaborazione delle immagini a un livello più evoluto, aiutando gli sviluppatori a definire servizi più funzionali ed efficienti come, ad esempio, app per il rilevamento di determinati oggetti (utili, ad esempio, nell’ambito del visual merchandising o della geolocalizzazione dei prodotti nel retail). Sempre nell’ambito dell’immagine recognition va citato il riconoscimento facciale che è diventata una funzione estremamente popolare nell’ecosistema applicativo dei social media. Ma, come avvertono gli esperti, questa è ancora solo la punta dell’iceberg.
Interfacce utente basate sul linguaggio
Per inserire i dati una tastiera può non essere sempre il modo migliore. Soprattutto quando si interagisce con le app mobili, infatti, la mancanza di una tastiera fisica rende più complesso digitare sui tastini virtuali e passare da una selezione all’altra per rispettare la punteggiatura. Specie se l’utente si trova nella condizione di non avere entrambe le mani libere… Gli sviluppatori possono integrare le API AI del cloud, come Amazon Transcribe, Azure Speech in Text e Google Cloud Speech-to-Text per convertire la sintesi vocale in testo, evitando agli utenti di inserire manualmente i dati. Gli utenti sono già abituati ai servizi speech-to-text in determinati tipi di app. Queste API AI possono abilitare i comandi vocali, riconoscendo il linguaggio naturale.
Motori di raccomandazione
Ormai la maggior parte dei consumatori ha familiarità con siti Web e applicazioni che formulano raccomandazioni. Questi siti utilizzano la cronologia degli acquisti e i profili utente per suggerire prodotti o servizi. In passato, solo le aziende con siti Web più grandi, come Amazon e Netflix, potevano creare motori di raccomandazione basati sui dati. Oggi, tuttavia, le API AI e i servizi in cloud hanno ridotto notevolmente la barriera per l’integrazione dei motori di raccomandazione nelle applicazioni. AWS offre Amazon Personalize, un servizio di machine learning che crea consigli personalizzati, ricerche e notifiche. Per Microsoft, non esiste un servizio di raccomandazione immediato, ma gli sviluppatori possono creare un’API di raccomandazione in tempo reale con vari servizi di Azure, inclusi i Databrick. Lo stesso può essere fatto su Google Cloud con App Engine, Cloud SQL, Apache Spark e altri componenti.
