L'intelligenza artificiale

L’intelligenza artificiale non fa parte delle nove tecnologie abilitanti, tuttavia è fondamentale per l’industria 4.0 e per molte delle nove tecnologie.

Sono possibili diverse definizioni di Intelligenza Artificiale:

“L'intelligenza artificiale è lo studio delle idee per dare vita a macchine che rispondano a stimoli coerenti con le risposte tradizionali dell'uomo, data la capacità umana di contemplazione, giudizio e intenzione. Ciascuna di queste macchine dovrebbe impegnarsi nella valutazione critica e nella selezione di opinioni diverse all'interno di se stessa. Prodotte dall'abilità e dal lavoro umano, queste macchine dovrebbero comportarsi in accordo con la vita, lo spirito e la sensibilità, sebbene nell'irrealtà siano imitazioni”[1] (Minsky)

"L'abilità di una macchina di apprendere dall'esperienza ed eseguire compiti normalmente attribuiti all'intelligenza umana, ad esempio la risoluzione dei problemi, il ragionamento e la comprensione del linguaggio naturale”[2].

“Tools che esibiscono intelligenza e comportamento umano inclusi robot ad autoapprendimento, sistemi esperti, riconoscimento vocale, naturali e automatizzati”[3]

Tutte le definizioni precedenti concordano sul fatto che l’Intelligenza Artificiale debba essere in grado di agire e pensare come farebbe un essere umano, enfasi viene anche riposta sul concetto di comprensione e apprendimento.

L’Intelligenza Artificiale deve essere in grado di agire umanamente, pensare umanamente, pensare razionalmente ed agire razionalmente.

In analogia con le tre regole della robotica, l’Intelligenza Artificiale ha sei regole:

1. Deve essere progettata per aiutare l’uomo, deve lasciare autonomia all’uomo e deve utilizzare cobot per svolgere i lavori pericolosi.

2. Deve essere trasparente, gli uomini devono sapere in che modo la tecnologia lavora, pensa e agisce.

3. Deve massimizzare l'efficacia senza distruggere la dignità delle persone, preservando la cultura e non deve dettare i valori o le virtù del futuro.

4. Deve essere progettata per garantire la privacy.

5. Gli umani devono poter riparare agli errori commessi involontariamente, devono quindi esistere logaritmi che lo consentano.

6. Deve evitare pregiudizi e non deve poter essere usata per effettuare discriminazioni.

Possiamo sostanzialmente distinguere due tipologie di AI: l’Intelligenza Artificiale debole e l’Intelligenza Artificiale forte.

Nell’IA debole si utilizzano algoritmi per simulare una piccola parte delle funzioni cognitive dell’uomo, tuttavia l’IA non li comprende. Viene impiegata per il problem solving attraverso l’uso di metodi matematici, si parla solo di “intelligenza simulata”.

Nell’IA forte i sistemi (chiamati sistemi esperti) sono in grado di sviluppare una vera e propria intelligenza non limitandosi alla sola simulazione o imitazione.

Questa distinzione è alla base della distinzione Machine Learning – Deep Learning che sono entrambi metodi di apprendimento automatico.

Gli algoritmi collegati al ML vengono classificati in base al tipo di feedback ricevuto, possiamo distinguere:

- apprendimento con supervisione: vengono forniti esempi di input e di output (spesso nella forma corretto/non corretto) e l’algoritmo stesso cerca di estrapolare una regola generale, un caso tipico è quello legato alla classificazione di immagini per la visione artificiale.

- apprendimento senza supervisione: in questo caso gli input non vengono etichettati ma è il sistema stesso che dovrà operare scelte per cercare di capire come procedere effettuando delle analisi senza essere stata precedentemente “addestrata”, un caso tipico è quello legato al raggruppamento di elementi simili.

- apprendimento semi supervisionato: è una combinazione dei precedenti, l’AI considera un gruppo misto di elementi etichettati e non etichettati.

- reinforcement learning: l’IA riceve dei feedback dal mondo esterno riguardo alle scelte da lei compiute, quindi valuta queste risposte apprendendo da esse, segue un meccanismo simile al “trial and error”.

- apprendimento per trasduzione: è simile all’apprendimento supervisionato, ma la funzione non è creata esplicitamente, ma l’AI deve prevedere le categorie di esempi futuri sulla base degli esempi di input.

- apprendimento multitasking: l’AI deve usare ciò che ha appreso in precedenza per problemi simili e adattarli a quelli attuali.

Il Deep Learning è ispirato alla mente umana e rappresenta la più recente delle soluzioni, non si limita ad ‘allenare’ l’intelligenza Artificiale ma cerca di emulare la mente, ciò avviene attraverso l’uso di complesse reti neurali artificiali.

In un contesto di Industria 4.0 vengono generati tantissimi dati in maniera automatica e da molte fonti, l’Intelligenza Artificiale interviene dopo l’acquisizione e prima dell’applicazione di un’azione, oltre a suggerire una possibile azione l’AI può essere in grado di implementarla direttamente.

L’AI è già utilizzata e impiegata largamente nell’industria, possiamo ad esempio trovarla nel campo di riconoscimento immagini (ad esempio per il controllo qualità), della manutenzione predittiva ed è fondamentale, come già riportato, per i “Digital Twins”.

I margini di miglioramento e i settori applicativi sono in costante espansione, potrà infatti aiutare nel progettare o migliorare nuovi prodotti, a trovare e a sfruttare nuovi mercati o tipologie di business, sarà inoltre importante per aiutare a capire quali siano le strategie commerciali più vantaggiose.

Le applicazioni dell’AI e del Machine Learning coinvolgono più settori e possono essere utilizzati anche per scopi socialmente utili, ad esempio “Talenti & Imprese”[6] utilizza algoritmi di ML per trovare, catalogare e rappresentare graficamente i dati provenienti da più siti di offerte di lavoro per cercare sia di capire quali sono le figure attualmente richieste sia per cercare di predire possibili trend a breve /medio termine in Piemonte e Lombardia. Alcuni report generati con l’aiuto del ML: