This is the Trace Id: 24a29fc41c3f64a195cd6e210e43465d
Passa a contenuti principali Esplora Visualizza tutti i prodotti (più di 200) Microsoft Foundry Azure Copilot GitHub Copilot Servizio Azure Kubernetes (AKS) Azure Cosmos DB Database di Azure per PostgreSQL Azure Arc Microsoft Fabric Macchine virtuali Linux in Azure Modelli di Fonderia Servizio Agente Fonderia Foundry IQ Foundry Tools Piano di controllo Foundry Osservabilità nel Piano di controllo Foundry Azure OpenAI in Modelli di Fonderia Voce di Azure in Foundry Tools Azure Machine Learning Visualizza tutti i database Azure Cosmos DB Azure DocumentDB Azure SQL Database di Azure per PostgreSQL Redis Gestito di Azure Microsoft Fabric Azure Databricks Macchine virtuali Linux in Azure Windows Server in Azure Funzioni di Azure Set di scalabilità di macchine virtuali di Azure Gestione API di Azure App contenitore di Azure Servizio Azure Kubernetes (AKS) Gestione flotta Kubernetes di Azure Registro Azure Container Azure Red Hat OpenShift Istanze di Azure Container Archiviazione di Container Azure Azure Arc Azure Locale Microsoft Defender per il cloud Monitoraggio di Azure Microsoft Sentinel Azure Migrate Visualizza tutte le soluzioni (più di 40) Soluzioni cloud semplici per piccole e medie imprese Centro per la modernizzazione e la migrazione cloud Analisi dei dati per l’intelligenza artificiale Database di Azure App e agenti IA Microsoft Marketplace Microsoft Sovereign Cloud App e agenti IA Intelligenza artificiale responsabile con Azure Infrastruttura IA Analisi dei dati per l’intelligenza artificiale MLOps (operazioni per l'apprendimento automatico) Sviluppo di applicazioni con poco codice in Azure Servizi di integrazione Elaborazione serverless DevOps Centro per la migrazione e la modernizzazione Migrazione app .NET Database in Azure Linux in Azure Oracle in Azure SAP su Microsoft Cloud Cloud adattivo High Performance Computing (HPC) Infrastruttura distribuita come servizio (IaaS) Resilienza Azure Essentials Frontier Accelerate per Azure FinOps su Azure Microsoft Marketplace Panoramica dei prezzi di Azure Crea un account Azure Servizi di Azure gratuiti Opzioni di acquisto flessibili Calcolatore di prezzi FinOps su Azure Massimizza il ROI dall'IA Piani di risparmio di Azure Prenotazioni di Azure Vantaggio Azure Hybrid Macchine virtuali Azure SQL Microsoft Foundry Microsoft Fabric Servizio Azure Kubernetes (AKS) Microsoft Defender per il cloud Visualizza di più Aziende di sviluppo software Microsoft Marketplace Trova un partner Risorse per i partner Azure Introduzione ad Azure Storie di clienti Report di analisti, white paper ed e-book Video Scopri di più sul cloud computing Documentazione Esplora il portale di Azure Risorse per gli sviluppatori Modelli di avvio rapido Risorse per le startup Developer Community Studenti Azure per i partner Blog Eventi e webinar Scopri Supporto Contatto vendite Introduzione ad Azure Accedi

Che cos'è l'intelligenza artificiale? 

Ottieni una panoramica dell'intelligenza artificiale (IA) e dei suoi numerosi casi d'uso. Inoltre, scopri come iniziare a creare, distribuire e gestire app basate su intelligenza artificiale usando i servizi di Azure.

Definizione di IA

L'intelligenza artificiale (IA) si riferisce a sistemi o modelli informatici progettati per svolgere attività che normalmente richiedono il pensiero umano, ad esempio comprendere il linguaggio, riconoscere schemi, risolvere problemi e prendere decisioni. I sistemi IA tradizionali seguono solo regole fisse, ma i sistemi IA più recenti, come l'IA cognitiva, possono apprendere dai dati e migliorare nel tempo, il che consente loro di diventare più accurati nel gestire nuove situazioni. 

L'IA viene usata in molti dei nostri strumenti di uso quotidiano, inclusi assistenti virtuali, sistemi di raccomandazione e chatbot. 

  • I modelli di IA identificano schemi e relazioni nei dati che possono essere usati per generare nuove previsioni, raccomandazioni e risposte.
  • Le organizzazioni di tutti i settori principali usano già l'IA per incrementare la produttività e favorire l'innovazione nei casi d'uso reali.
  • Guardando al futuro, si prevede che l'IA espanda le opportunità, contribuisca alla crescita economica e favorisca l'innovazione a lungo termine.

Come funziona l’IA

I modelli di IA basati sul trasformatore generativo pre-addestrato (GPT) usano il Machine Learning per analizzare grandi quantità di dati, ad esempio testo, immagini o numeri, identificando schemi e relazioni che possono essere usati per produrre output, come previsioni, raccomandazioni o risposte.

Il processo segue in genere un ciclo semplice:

  1. I dati vengono raccolti e preparati
  2. Il modello viene addestrato a riconoscere gli schemi
  3. I risultati vengono testati e migliorati tramite feedback

A ogni ciclo, il modello di intelligenza artificiale si adatta, diventando più accurato e in grado di gestire nuove situazioni in modo più efficace. Essenzialmente, l'IA funziona apprendendo continuamente dai dati, perfezionandone la comprensione e applicando quanto appreso per offrire risultati migliori nel tempo. 

Esempi di casi d'uso dell'IA

Man mano che le organizzazioni continuano a innovare, l'IA sta diventando uno strumento fondamentale per incrementare la produttività e favorire l'innovazione in tutti i team e settori. Gli esempi seguenti evidenziano alcuni comuni casi d'uso reali:

  • Automazione dei flussi di lavoro lungo tutto lo sviluppo di software: gli sviluppatori stanno già usando soluzioni basate su intelligenza artificiale, come GitHub Copilot, per aiutarli a scrivere codice, testare i software e automatizzare i flussi di lavoro. Di conseguenza, i team di sviluppo hanno più tempo ed energia per concentrarsi sul lavoro di maggior valore.
  • Riepilogo dei documenti: le organizzazioni in tutti i settori usano i GPT per generare brevi riepiloghi da report, trascrizioni delle riunioni ed email. Questo aiuta i colleghi a comprendere le informazioni dettagliate chiave senza dover approfondire materiali lunghi, aumentando così la produttività.
  • Ricerca e analisi per il settore sanitario: in campo medico, i dottori usano LLM multimodali per analizzare rapidamente immagini mediche e dati complessi dei pazienti. Questo consente loro di diagnosticare le malattia in modo più efficiente e di fornire piani di assistenza personalizzati in base al profilo del singolo individuo.
  • Vendita al dettaglio: gli operatori di vendita al dettaglio usano modelli di IA per prevedere la domanda, gestire l'inventario e personalizzare le raccomandazioni per i clienti che fanno acquisti online o nei negozi.
  • Sicurezza avanzata: verificando l'identità tramite caratteristiche facciali uniche, il riconoscimento facciale potenziato dall’IA impedisce l'accesso non autorizzato a dispositivi, strutture protette e dati sensibili. Questo ulteriore livello di protezione riduce il rischio di violazioni e rafforza la postura di sicurezza complessiva.

Tendenze future

Si prevede che il futuro dell'IA sarà trasformativo. Man mano che i servizi e gli strumenti di IA continueranno a evolversi, diventeranno più integrati nella vita quotidiana. L'intelligenza artificiale distribuita come servizio (AIaaS), ad esempio, offre ora a team e organizzazioni di tutti i settori l'accesso alle funzionalità di IA tramite API e servizi cloud, consentendo loro di lavorare in modo più intelligente, risolvere più rapidamente problemi complessi e sbloccare nuovi livelli di creatività e innovazione a un prezzo conveniente.

Fornendo agli esseri umani sistemi più efficienti, reattivi e accessibili, l'IA è pronta a espandere in modo significativo le opportunità per gli individui e la società nel suo complesso, fungendo da partner potente e collaboratore alla crescita economica e all'innovazione a lungo termine. 

Domande frequenti

  • L'IA viene usata per rendere il lavoro più veloce, intelligente ed efficiente in molti settori,  automatizzando le attività, analizzando grandi quantità di dati e aiutando le persone a prendere decisioni migliori. Può anche essere usata per migliorare le esperienze quotidiane alimentando cose come assistenti virtuali, chatbot e motori di raccomandazione .  
  • Un esempio di IA può essere un assistente virtuale come Siri, a cui può essere richiesto di rispondere a domande ed eseguire attività tramite voce o testo. Un altro esempio è un servizio di raccomandazione, come quelli usati dalle piattaforme di streaming o di acquisto, che può suggerire prodotti o contenuti in base al comportamento e alle preferenze dell’utente. 
  • L'IA è un campo ampio incentrato sui sistemi in grado di analizzare i dati, riconoscere schemi e prendere decisioni. L'IA generativa è un tipo specifico all'interno dell'IA, progettato per produrre nuovi output, ad esempio testo, immagini o codice, in base a quanto appreso.  
  • L'IA apprende studiando grandi quantità di dati e trovando schemi. Fa previsioni o prende decisioni, le confronta con le risposte corrette o con il feedback e si adatta per migliorare nel tempo. L'IA apprende attraverso un ciclo ripetuto: osservare i dati, fare un’ipotesi, ottenere feedback e migliorare con la pratica. 
Italiano (Italia) Privacy per l'integrità dei consumer Riferimenti societari Contatta Microsoft Privacy Gestisci i cookie Condizioni per l'utilizzo Marchi Informazioni sulle inserzioni EU Compliance DoCs