INTELLIGENZA ARTIFICIALE: COSA BISOGNA SAPERE

L’irruzione dell’intelligenza artificiale nel mondo del business e della produzione industriale globale ha cambiato l’assetto e le prospettive dell’innovazione tecnologica. Per molti, però, resta ancora una materia nebulosa più mutuata dai film di fantascienza che da una formazione professionale e manageriale. Nel campo dell’innovazione l’AI ha un ruolo determinante nel futuro complessivo della crescita imprenditoriale del nostro paese.

Italia in difficoltà

L’Italia è in difficoltà a tenere il passo con il resto dei componenti della UE per non parlare dei grandi colossi stranieri come Cina, India, Russia e USA con prodotti già competitivi e strutturati nelle logiche imprenditoriali del loro tessuto aziendale. Capire e approfondire i temi dell’AI è fondamentale per il management italiano per comprendere un contesto all’interno del quale si sta già navigando, in certi casi, senza rendersene neppure conto.

Che cos’è l’Intelligenza Artificiale?

Intanto: l’intelligenza artificiale è una materia informatica di ultimissima generazione che si riferisce a un campo multidisciplinare. A questo si uniscono tecniche di programmazione basate sulla formulazione di algoritmi sempre più complessi e innovative tecniche di progettazione. L’AI è precisamente un ramo della “computer science” che si occupa dello sviluppo di sistemi hardware e software supportati da capacità tipiche dell’essere umano tra cui:

• pianificazione
• ragionamento
• apprendimento e adattamento
• interazione con l’ambiente

Caratteristica dei sistemi

La caratteristica peculiare di questi sistemi è quello di imparare in maniera autonoma e di creare conoscenze piuttosto che ripetere semplicemente le informazioni che ricevono. In che modo lo fanno? E quanto può essere sicura una macchina rispetto alla sensibilità e alla capacità di discernere di un uomo? Quanto è attendibile l’elaborazione delle informazioni raccolte da una macchina rispetto all’approccio e alla competenza di un manager?

Le funzionalità dell’AI

Innanzitutto, bisogna capire che rapporto c’è tra ciò che viene definito intelligenza e dall’altra parte ciò che si definisce come artificiale. Bisogna addentrarsi per far questo nella classificazione delle funzioni di tipo sintetico e di tipo astratto che si riferiscono ai principi cognitivi tipici dell’essere umano. Ragionamenti e meta-ragionamenti sono l’elemento ispirativo per ideare e costruire dei modelli computazionali capaci di simulare pensiero e azione simili a quelle umane. Quanto più il modello è avanzato, tanto più è in grado di integrare la componente cognitiva legata ai nostri 5 sensi.

AI e cervello umano

In sostanza, l’AI partendo dai meccanismi di funzionamento del cervello umano lavora in emulazione, permettendo alle macchine di:

• Agire umanamente: ovvero sollevare, tagliare, raccogliere, limare, verniciare, etc.
• Pensare umanamente: risolvere un problema con l’uso di algoritmi in grado di elaborare le informazioni così come succede attraverso i meccanismi cognitivi umani
• Pensare razionalmente: usare processi logici simili a quelli di un umano, selezionare scelte e tenere conto di più opzioni.
• Agire razionalmente: scegliere le informazioni a disposizione ai fini di attivare un processo che miri a ottenere il miglior risultato nello stesso modo in cui agirebbe un uomo.

Intelligenza Artificiale: debole e forte

L’Intelligenza Artificiale, a seconda della gestione dei programmi e della quantità di dati  viene classificata in due categorie fondamentali: quello dell’AI debole e quello dell’AI forte:

• L’AI debole è basata su sistemi tecnologici che riescono a simulare solo alcune funzionalità cognitive dell’uomo. In genere, si tratta di programmi matematici per la risoluzione di criticità funzionali, che consentono alle macchine di prendere alcune decisioni.
• L’AI forte si riferisce ai cosiddetti “sistemi sapienti” che, pur non emulando attività cognitive simili a quelle umane, sviluppano autonomamente una propria intelligenza.

Reti neurali e sistemi esperti

Cosa sono le reti neurali artificiali? Si tratta di modelli matematici composti da neuroni sintetici, che hanno lo scopo di emulare le reti neurali biologiche  siano queste umane o animali. Queste reti vengono utilizzate per trovare soluzioni in modo più aggressivo con l’Intelligenza Artificiale.

Un sistema esperto consiste in un’applicazione dell’AI che riproduce artificialmente le prestazioni di un umano particolarmente preparato in un certo dominio di conoscenza o ambito di attività. Per questa ragione si parla, in questo caso, di cognitive computing, facendo riferimento a tutti gli strumenti che permettono di simulare con efficacia il funzionamento del cervello umano, apprendendo e interagendo naturalmente con chi li usa.

Machine Learning e Deep Learning: che differenza c’è?

Se il Machine Learning può essere definito come il metodo che allena l’AI, il Deep Learning è invece il sistema che ha lo scopo di emulare la mente umana.

Il Machine Learning è un sottogruppo dell’AI grazie a cui le macchine hanno la capacità ricevere una serie di dati e di modificare gli algoritmi ricevendo progressivamente più informazioni su quello che stanno elaborando.  Si tratta di sistemi che hanno il compito di allenare l’AI che, apprendendo, mette in atto azioni correttive degli errori per migliorare progressivamente i propri compiti.

In questo senso, un sinonimo di machine learning può considerarsi “sistema di apprendimento automatico”. La macchina si adatta e migliora senza una riprogrammazione da parte dell’uomo, automatizzando la costruzione di un modello analitico, il Machine learning usa reti neurali, modelli statistici e ricerche operative per scovare informazioni nascoste nei dati, con la possibilità di rispondere così anche a nuovi input esterni. Perché si può dire che una macchina “autoapprende”? In base a una diversa applicazione degli algoritmi, declinata su diversi approcci.

Esempi di Machine Learning e Deep Learning

Machine Learning

Un classico esempio di machine learning è un sistema di visione artificiale, capace di riconoscere gli oggetti ripresi da una videocamera. L’algoritmo è in grado di distinguere tra animali, persone e cose, memorizzando nuovi scenari che vanno ad accrescere la sua competenza.

Deep Learning

ll Deep Learning, invece, è un ulteriore sottogruppo dell’AI riferito ai sistemi di apprendimento automatico. Si parla, in questo caso, di modelli di apprendimento che si ispirano alla struttura ed al funzionamento del cervello umano. Emulando l’interconnessione dei vari neuroni, questo tipo di programmazione include sistemi di logica induttiva, reti neurali e capacità elaborative potenti per reggere calcoli paralleli e analisi, analogamente a quanto avviene tra le connessioni neurali del cervello umano).

Un esempio di deep learning sono i cosiddetti chatbot. Questi sistemi, infatti, capaci di riconoscere e utilizzare il linguaggio naturale dell’uomo, comprese le capacità  dialettiche (Nlp – Natural Language Processing): in questo modo si esce dalla tipica modalità binaria del sì o no per interagire con sistemi capaci di instaurare un dialogo fondato su una serie di correlazioni.

Internet of Things e AI: verso l’AIIOT

L’AI rappresenta una trasformazione digitale pervasiva, che si intreccia con altri mega trend digitali come il cloud e la IoT.

Il cloud mette a disposizione un ecosistema di risorse che abilitano e accelerano l’analisi massiva dei dati.

La Iot attiva una serie di dispositivi e sensori connessi e comunicanti, che possono essere utilizzati come strumento di raccolta dati e come canali per veicolare servizi basati sull’Artificial Intelligence.

Contributo dell’AI

Grazie al contributo dell’Intelligenza Artificiale si stanno inaugurando tanti nuovi scenari.  I video, le immagini, il linguaggio, il traffico di rete e i dati provenienti da videocamere, tag RFID, NFC e sensori di ogni tipo sono materiale informativo prezioso che consente di elaborare nuovi algoritmi sempre più sofisticati e precisi.

Si pensi solo ai dispositivi indossabili (wearable technologies) applicati in ambito industriale. All’interno di una fabbrica (Smart Factory). E’ possibile raccogliere informazioni sull’ambiente di lavoro e, in maniera del tutto autonoma, comprendere se il lavoratore si sta esponendo a una situazione di pericolo, in modo da poterlo allertare tempestivamente.

Applicazioni dell’Intelligenza Artificiale nell’IoT

Quali sono le principali applicazioni:

Processi meccanici

1. Autonomous Vehicle. Qualunque mezzo a guida autonoma adibito a qualunque tipo di trasporto su strada, acqua o aria, come la self-driving car o il veicolo per le consegne dei pacchi a domicilio.
2. Autonomous Robot. Robot dotati di bracci meccanici antropomorfi, in grado di muoversi, manipolare oggetti ed eseguire azioni senza intervento umano, traendo informazioni dall’ambiente circostante e adattandosi a eventi non previsti o codificati.
3. Intelligent Object. Tutta quella oggettistica, dagli occhiali alla valigia, in grado di eseguire azioni e prendere decisioni senza richiedere l’intervento umano, interagendo con l’ambiente circostante tramite sensori (termometri, videocamere…) e attuatori e apprendendo dalle azioni delle persone che interagiscono con essi.

Processi cerebrali

1. Virtual Assistant e Chatbot. Espressioni più evolute, capaci di comprendere tono e contesto del dialogo, memorizzare e riutilizzare le informazioni raccolte e intrattenere una conversazione. Sono sistemi sono sempre più utilizzati come primo livello di contatto con il cliente.
2. Recommendation. Soluzioni orientate a indirizzare le preferenze, gli interessi, le decisioni dell’utente, sulla base delle informazioni fornite da questo, in maniera indiretta o diretta. (ad es.I suggerimenti di Amazon, Netflix e YouTube sono un esempio).
3. Imaging.  Processi pensati per effettuare analisi di immagini o video per il riconoscimento di persone, animali e cose. Il riconoscimento biometrico e, in generale, l’estrazione di informazioni dall’immagine/video. Sono in uso applicazioni per il monitoraggio dei locali tecnici da parte delle utility, o per la valutazione dei danni auto negli incidenti nelle assicurazioni.
4. Language Processing. Consente la capacità di elaborare il linguaggio, per comprendere il contenuto, la traduzione, fino a produrre testi autonomamente, partendo da dati o documenti.
5. Intelligent Data.  Comprendono tutte le soluzioni che utilizzano algoritmi di intelligenza artificiale su dati strutturati e non per estrarre informazioni: rientrano in questa casistica i sistemi per la rilevazione delle frodi finanziarie, la ricerca di pattern, i sistemi di monitoring e controllo, l’analisi predittiva.

L’AI è oggi il punto più avanzato della robotica industriale. Cos’è un robot industriale? Si tratta di un manipolatore programmabile multiscopo per la movimentazione di materiali, di attrezzi ed altri mezzi di produzione, capace di interagire con l’ambiente nel quale si svolge il ciclo tecnologico di trasformazione relativo all’attività produttiva.

La robotica industriale è una disciplina in cui convergono automazione, informatica, IoT unitamente a nuove tecniche di programmazione che utilizzano sistemi di Intelligenza Artificiale. Tra le caratteristiche dei robot industriali, grazie all’Intelligenza Artificiale  di nuova generazione, infatti, si evidenzia una maggiore:

• versatilità di impiego
• adattabilità a situazioni non note a priori
• precisione di posizionamento
• ripetibilità di esecuzione

Robot: ambiti di utilizzo

In che ambiti vengono utilizzati i robot industriali? ecco gli esempi più noti:

• montaggio (assemblaggio)
• verniciatura
• saldatura ad arco
• saldatura a punti con pistola pneumatica o servo-assistita
• saldatura e taglio laser
• incollaggio e sigillatura
• asservimento di presse
• manipolazione (pick-and-place)

Nei magazzini i robot si declinano in AGV (Automated Guidance Vehicle): si tratta di sistemi filoguidati o telepilotati attraverso una guida laser (che stabilisce l’assegnazione dei percorsi) o un sistema più intelligente di guida autonoma assistita. Grazie all’uso dei sensori e a sistemi legati ai cosiddetti Intelligent Transport Systems, all’interno e all’esterno dei magazzini circolano robot e droni che spostano pallet, carrelli e scatole. Si muovono in sicurezza, riducendo così la fatica della forza lavoro umana.

I dati italiani

L’Osservatorio “Artificial Intelligence” del Politecnico di Milano indica che in Italia soltano il 12% delle imprese ha portato a regime almeno un progetto di Intelligenza Artificiale. Attualmente un’azienda su due non si è ancora mossa, ma sta per farlo (l’8% è in fase di implementazione, il 31% ha in corso dei progetti pilota, il 21% ha stanziato del budget). Tra chi ha già realizzato un progetto, quasi 7 aziende su 10 (68%) afferma di essere soddisfatta dei risultati.

Le applicazioni più diffuse in Italia

Le applicazioni più diffuse in Italia sono quelle di Virtual Assistant/Chatbot. La maggioranza delle imprese italiane però ha una visione ancora confusa delle opportunità dell’AI. Il 58%, la associa una tecnologia non dissimile da quella tratta dai libri di Isaac Asimov. Il 35% a tecniche come il Machine Learning, il 31% ai soli assistenti virtuali, mentre solo il 14% ha compreso che l’AI mira a replicare specifiche capacità tipiche dell’essere umano (la visione prevalente nella comunità scientifica).

(*sintesi tratta dall’articolo di Laura Zanotti “Intelligenza artificiale: che cos’è, come funziona, applicazioni e sviluppi” su Internet4things.it)