La gestione tecnologica nel settore bancario: il ruolo dell'intelligenza artificiale nel caso JP Morgan's

Lo studio dell'intelligenza artificiali affonda le sue radici concettuali nel dominio della computer science, ossia la disciplina accademica e la relativa ricerca collegate all'impiego dei computer per la risoluzione di problemi più o meno complessi mediante l'uso di linguaggi di programmazione e tecniche statistiche.
La computer science è un ambito di studi prettamente tecnico e si collega al funzionamento più basilare delle macchine ed alla possibilità di costruire, a partire da quest'ultimo, sistemi in grado di eseguire sequenze ordinate di comandi che nel loro insieme risultino idonee ad obiettivi di diverso genere.
I linguaggi di programmazione permettono di ordinare, mediante documenti di testo interpretabili dalla macchina, i comandi da eseguire ed eseguirli in sequenza ogniqualvolta l'utente voglia servirsene.
L'evoluzione dei linguaggi di programmazione ed il loro continuo perfezionamento, insieme alla crescita esponenziale del potere computazionale delle macchine (ossia, della capacità di queste ultime ad organizzare quantità di dati sempre più grandi), hanno permesso anche una maggiore sofisticazione dei comandi da eseguire, questi ultimi comandi, se organizzati in modo logico e finalizzato ad una determinata attività, possono essere considerati come algoritmi.
[...]
La sempre maggiore capacità di utilizzo e organizzazione dei dati, come pure i sempre più efficienti linguaggi di programmazione ed algoritmi che possono con questi ultimi essere sviluppati, hanno permesso un avanzamento notevole nell'intelligenza artificiale.
L'intelligenza artificiale consiste di tutti gli algoritmi organizzati e prodotti con lo scopo di riprodurre il comportamento umano e le relative scelte mediante un computer ed un software di qualche tipo.
Lo studio e l'applicazione dell'intelligenza artificiale sono state un fenomeno di nicchia relegato all'ambito della ricerca accademica quasi fino alla fine del secolo scorso, questa circostanza è direttamente riconducibile al fatto che il potere computazionale richiesto per risolvere determinati problemi è piuttosto ingente, ed i supporti necessari non sono stati immediatamente disponibili.
Con l'avanzare del progresso sui dispositivi e sui software è stato possibile applicare a dati reali algoritmi sempre più sofisticati di intelligenza artificiale, migliorandone l'efficacia e la robustezza in modo significativo e ad un ritmo crescente.
Tutti gli algoritmi di intelligenza artificiale sono accomunati da un principio basilare, che è quello dell'apprendimento della macchina sui dati utilizzati per risolvere il problema specifico. Tali processi di apprendimento possono essere quasi sempre ricondotti ad un problema matematico di ottimizzazione (vincolata o meno).
Originariamente, i processi di apprendimento basati su algoritmi di intelligenza artificiale erano manualmente impostati sulla base dei dati a disposizione e del problema da risolvere, questo comportava uno sforzo sistematico e sub-ottimale rispetto al fatto che i dati sono spesso soggetti a cambiamento, come pure i problemi stessi da risolvere.
Da qui nasce la necessità di pensare algoritmi che effettuino un percorso logico generalizzabile a prescindere da dati e problemi, e che automatizzino in qualche misura i processi di apprendimento.
Questi algoritmi si fondano sempre su basi matematiche e statistiche ben definite, nonché su teoremi e procedimenti di calcolo che non sempre ammettono una soluzione analitica in senso stretto. [...]