Due approcci a confronto Thinking is manipulation of symbols and Reasoning is computation. Thomas Hobbes I sistemi di AI simbolica sono stati alla base della ricerca sull’intelligenza artificiale dagli anni 50 fino alla fine degli anni 80, quando le nuove tecniche basate sulle reti neurali hanno conquistato la piazza. Le reti neurali e il machine…
Per aumentare l’overall equipment effectiveness è necessario agire su tutte e tre le voci che lo (la?) compongono, cercando di ridurre le principali cause di inefficienza. Da questo punto di vista, i sistemi di intelligenza artificiale possono essere di immenso aiuto. Vediamo nel dettaglio come.
AI mania Potrebbe sembrare fantascienza – l’AI nell’industria italiana? – , ma l’interesse sempre più ampio al tema e il grande investimento degli ultimi anni in IoT, impianti 4.0 e sistemi gestionali online ha gettato le basi per il passo successivo di adozione su larga scala dei sistemi AI-driven. L’intelligenza artificiale avrà un impatto ampio…
Si parla sempre di reti neurali. Reti neurali che vedono, che parlano, che scrivono. Ma cosa sono le reti neurali?
Sintetizzando tantissimo, le reti neurali sono delle combinazioni complesse di equazioni i cui coefficienti vengono ottimizzati per rappresentare al meglio i dati con cui la rete è allenata. E semplificando dalla sintesi, la rete neurale è quella famosa scatola nera in cui entrano dei dati ed esce una previsione.
Tanto per cambiare, i modelli che fanno riconoscimento immagini (le reti convoluzionali) sono ispirate al funzionamento del cervello animale. Infatti funzionano in modo simile alla nostra corteccia visiva: come a noi non servono tutti i dettagli per riconoscere un oggetto, anche loro operano una sintesi sulle immagini per riconoscerne l’essenza. Un’essenza di automobile.
L’AI online Il processo di sviluppo di un sistema di AI è un percorso lungo e tortuoso. Quando si conclude e si mette finalmente online, se tutto funziona come deve (la legge di Murphy qui si sfrega le mani), il team tira un sospiro di sollievo. In realtà, dopo che i modelli sono online, inizia…
Tutti spingono per semplificare. Deve essere più semplice, più chiaro, più diretto. Non mettere un range, metti un numero secco. Non mettere paroloni, che poi la gente non capisce. Non mettere le ipotesi, poi sembra complicato.
Ma – spoiler: le cose spesso sono complicate.
Per selezionare i dati giusti, è necessario chiedersi prima di tutto cosa si vuole ottenere. In base alla risposta, si seleziona il parametro target – il nostro output – e si analizza il sistema da modellare. L’analisi si basa sul perimetro, da cui entrano ed escono flussi, regolazioni ed interazioni.
Per valutare il ROI bisogna avere ben chiaro quanto stiamo spendendo oggi in energia, manutenzione, gestione di processo, risorse sprecate e tempo delle persone. A partire da questa fotografia, si valuta per ogni voce di costo cosa potrebbe migliorare con l’AI, oltre al costo del mancato investimento
L’AI è un potente strumento, in positivo e in negativo. Considerati i vari target degli SDG, le analisi dicono che quasi l’80% di questi vedrebbe positivamente l’utilizzo di sistemi di AI. Il 35% dei target sarebbero invece ostacolati da sistemi di intelligenza artificiale non regolamentati. Ecco perché è necessario nei prossimi anni introdurre una regolamentazione dedicata. L’obiettivo è proprio mitigare i rischi e fare sì che l’AI possa divetare un strumento decisivo per costruire un mondo più giusto, equo e sostenibile.