Articles

La sfida piu’ grande per l’Intelligenza Artificiale? Varcare la soglia fra il mondo digitale e quello fisico

Era l’estate del 2012 quando Google, in tipico stile da splash madiatico, svelo’ al mondo che i suoi scienziati erano riusciti ad addestrare “una rete di 1.000 computer, organizzati similmente ad un cervello biologico, a riconoscere gatti in un video”. Nel 2012, le reti neurali, o il suo più recente rebranding, “Deep Learning”, erano state sviluppate da decenni da centinaia di ricercatori in tutto il mondo, ed erano già utilizzate in tante applicazioni pratiche. Ma nel 2012, anche il mondo dei non esperti in IA si è improvvisamente svegliato ed accorto del potenziale di questa tecnologia.

Le Reti Neurali sono il ramo dell’Intelligenza Artificiale (IA) all’intersezione tra le Neuroscienze Computazionali, l’Informatica, la Fisica, e la Matematica, incentrato sullo studio e la replica in software del funzionamento e architettura computazionale del cervello. Negli anni precedenti il 2012, le Reti Neurali sono cresciute in accuratezza grazie ad algoritmi migliori, all’enorme disponibilità di dati digitali, e al progresso della potenza di calcolo a disposizione (in primis, agli scienziati IA di colossi come Google).

Dal 2012 in poi, le applicazioni IA non solo sono aumentate esponenzialmente, ma sono diventate un nuovo fenomeno mediatico, accrescendo a dismisura la percezione della loro importanza e presenza capillare sia nel mondo aziendale, che nelle nostre case. Ad esempio, l’IA può essere oggi utilizzata per rendere più belle le immagini catturate dai nostri smartphone, eliminare le email di spam, riconoscere identità e espressioni emotive di volti, tradurre in tempo reale fra lingue diverse, creare videogiochi più divertenti e realistici, e ottimizzare i processi di vendita, tra le molte applicazioni.

Le applicazioni di cui sopra sono tutti esempi di una risorsa digitale (per esempio, una foto catturata da uno smartphone, o un paragrafo scritto in italiano) viene manipolata da un modello di Deep Learning per produrre un’altra risorsa digitale (es. una fotografia con un rendering “professionale”, o una traduzione di un testo dall’italiano all’inglese). Queste possono essere concepite come applicazioni dell’IA “da digitale a digitale”, vale a dire, l’IA ingerisce i dati/asset digitali per creare dati più utili, significativi o, occasionalmente, più belli per l’utente.

Sebbene queste siano applicazioni IA con un risvolto di utilità oggettiva, come scienziato/imprenditore IA, mi sono chiesto più volte se esistano applicazioni di questa tecnologia che consentano all’umanità di risolvere problemi estremamente difficili, importanti, e critici per il nostro progresso. Tutti noi, inclusi i professionisti dell’IA, abbiamo un numero limitato di risorse temporali e monetarie da dedicare alla soluzione di un problema, ed è quindi utile scegliere in maniera mirata il problema a cui dedicarsi.

Una classe di applicazioni molto importanti – e critiche – sono quelli in cui l’IA si “riversa”, o va a manipolare ed influenzare processi fisici. Questa classe di applicazioni dell’IA, “da digitale a fisica”, sono generalmente più impegnative in quanto la tecnologia ha a che fare con ambienti meno standardizzati, più “caotici” rispetto ai problemi normalmente affrontati dall’IA.

La prova che la migrazione dal digitale al fisico è irta di difficoltà è davanti agli occhi di tutti. Oggi l’IA può facilmente battere esseri umani – anche i nostri campioni – in giochi come scacchi, GO, Jeopardy e nei videogiochi, tutti caratterizzati da ambienti in cui e le azioni e le situazioni (una mossa in una partita di scacchi, o in un videogioco) possono essere complesse, ma ben definite e limitate a priori. Allo stesso tempo, nel 2021, i robot controllati dall’IA non sono in grado di aprire una semplice porta, le cui le maniglie, nel mondo reale, sono disponibili in varie forme, colori, e materiali… un compito semplicissimo per tutti noi, anche per chi, come me, non è un campione di scacchi.

Il mondo reale è bello, ma per l’intelligenza artificiale è di una complessità quasi insormontabile. Quasi…

A Neurala, l’azienda di IA che ho fondato con due colleghi, l’Americana Heather ed il Russo Anatoli, l’abbiamo imparato molti anni fa mentre lavoravamo con la NASA, con la quale abbiamo sviluppato cervelli artificiali per robot simili al Mars-Rover. L’obiettivo? Dotare i robot di cervelli artificiali con intelligenza e flessibilità simile a quella esibita dal cervello animale al fine consentire al Rover di navigare, e apprendere informazioni ambientali, in modo completamente autonomo.

Oggi, quando pensiamo alle applicazioni IA in grado di interagire con il nostro mondo fisico, pensiamo a robot umanoidi, droni, e autovetture a guida autonoma. Tuttavia, ci sono molte altre applicazioni reali che forse non colpiscono così fortemente l’immaginario collettivo, ma sono sicuramente più cruciali per vincere le sfide importanti nella nostra economia, ambiente, e nella nostra vita quotidiana. E, soprattutto, sono alla nostra portata tecnologica e di implementazione.

In questi mesi caratterizzati da un costante stato di crisi, una delle industrie più “fisiche” dove l’IA può avere un impatto cruciale è quella manifatturiera. Con fabbriche e centri di distribuzione in difficoltà, il settore è sotto pressione per garantire ai consumatori finali accesso a beni tal volta fondamentali.

Nell’industria manifatturiera, la domanda di nuove tecnologie, e in particolare di IA, è salita alle stelle negli ultimi mesi, e le aziende si stanno affrettando ad implementare iniziative “Industria 4.0” nelle linee di produzione.

Un esempio di una tipica funzione che richiede applicazioni fisiche dell’IA è il controllo di qualità, che da un’immagine catturata da una telecamera si traduce con l’espulsione (per esempio, attraverso un attuatore meccanico, o un braccio robotico) di un prodotto non conforme dalle linee produttive, prevendo che un prodotto difettoso finisca nelle mani dei consumatori, con ovvi problemi per utenti finali, e costi per l’azienda.

Fino ad oggi, il controllo di qualità è stato un compito svolto quasi esclusivamente da lavoratori umani. Da diversi mesi, la cronica carenza di manodopera nel settore è stata esacerbata da lockdown, distanziamento sociale, e dalla migrazione di lavoratori ad altre opportunità lavorative, spesso virtuali. Alcuni stimano che i controlli di qualità vengano eseguiti da 35 milioni di lavoratori in tutto il mondo, ovvero all’incirca la popolazione del Canada dedita a svolgere questa funzione di base nei nostri reparti produttivi, un numero che andrà a scemare nei prossimi anni.

L’attraversamento dell’IA della barriera digitale/fisica si traduce in ispezioni visive in grado di mitigare la crisi e la carenza di manodopera, e consente alle aziende Manifatturiere di superare una crisi acuta ed allo stesso tempo posizionarsi in modo competitivo – ed innovativo – in un’arena competitiva globale. Le ispezioni visive basate sull’intelligenza artificiale sono utilizzate oggi per ispezionare i difetti nei motori e controllare l’integrità dei rivestimenti dei sedili di autovetture, valutare se la carne da inscatolare ha contaminanti estranei (ad esempio, frammenti di plastica), controllare che i vassoi di cibi surgelati abbiano siano conformi al contenuto impresso sulla confezione, ispezionare la qualità dei prodotti da forno come panini e dolci, controllare la presenza di tutti i componenti dei circuiti integrati, e determinare l’integrità delle fiale di vaccini, fra le molte altre. Queste sono tutte applicazioni dell’IA che sono fuoriuscite dal mondo digitale, e risolvono problemi nel mondo reale.

Il valore delle applicazioni digitali e fisiche dell’IA è chiaro, così come il modo in cui possono essere applicate nell’industria manifatturiera. Cosa ci aspetta nei mesi a venire?

Sono due i passaggi chiave per le aziende in procinto di implementare iniziative IA nella propria organizzazione. Il primo passo è l’analisi dei flussi di lavoro specifici dell’organizzazione, e la determinazione di quali processi potrebbero realizzare un vantaggio concreto dall’IA. Il secondo passo è la selezione di un partner locale in grado di selezionare le migliori soluzioni AI – quelle più precise, facili da usare, ed economiche – per poi integrarle e supportarle nelle linee produttive.

Fra le tante sfide del 2022, l’AI attraverserà una fase cruciale in cui migrerà da applicazioni “carine” a “utili”. Questo rito di passaggio all’età “adulta” dell’IA è essenziale per realizzare le promesse di questa tecnologia in applicazioni che toccano – letteralmente – moltissimi aspetti della nostra vita, dal cibo, ai vestiti, ai mobili, alle autovetture, fino al processore e lo schermo del dispositivo elettronico su cui stiamo leggendo questo articolo!

L’intelligenza artificiale sta finalmente attraversando la barriera digitale per migliorare il nostro mondo fisico, nel momento in cui ne abbiamo più bisogno.