Le frontiere dell’Intelligenza Artificiale e il tessuto produttivo dell’Emilia-Romagna
- 20 Dicembre 2021

Le frontiere dell’Intelligenza Artificiale e il tessuto produttivo dell’Emilia-Romagna

Scritto da Rita Cucchiara

11 minuti di lettura

Rita Cucchiara, autrice di questo articolo, è Professoressa ordinaria di Sistemi di elaborazione delle informazioni presso il Dipartimento di Ingegneria Enzo Ferrari dell’Università di Modena e Reggio Emilia dove inoltre dirige il laboratorio di ricerca AImageLab.


L’Intelligenza Artificiale oggi

L’Intelligenza Artificiale è una vasta disciplina informatica che è giunta ormai ai primi traguardi di maturità. In tutto il mondo ne sono state riconosciute le enormi possibilità di sfruttamento, sia come prodotto specifico, attraverso la realizzazione di sistemi e servizi intelligenti per gli utenti finali (si pensi ad esempio alle interfacce conversazionali, da Alexa a Google Home), sia come tecnologia abilitante per l’ottimizzazione dei processi produttivi e la nuova progettazione di prodotti, di manufatti fisici e virtuali. Sistemi robotici di nuova generazione, sistemi mobili autonomi – dalle auto ai droni –, sistemi di ottimizzazione logistica o di predizione dei guasti, sono tutti esempi di sistemi che fondano la loro innovazione tecnologica nei risultati scientifici dell’Intelligenza Artificiale dell’ultimo decennio.

È indubbio infatti che, malgrado i primi studi sull’Intelligenza Artificiale (AI d’ora in poi, da artificial intelligence) affondino nella “notte dei tempi” e specificatamente nel secondo dopoguerra, l’AI moderna di oggi ha subito il salto da pura speculazione ad oggetto di uso comune soltanto nell’ultimo decennio, con l’avvento di sistemi di apprendimento automatico data-driven. Le ricerche dell’ultimo decennio hanno infatti stabilizzato le metodologie di apprendimento automatico (machine learning), soprattutto in ambito di classificazione e di riconoscimento di forme (pattern recognition) e hanno determinato i risultati eclatanti dei sistemi basati sull’apprendimento profondo (deep learning), fondato su modelli di reti neurali sempre più complessi ed evoluti.

Ora appunto si adotta generalmente la definizione europea di AI moderna, firmata da tutti gli Stati membri nel 2018[1]: l’AI si occupa di realizzare sistemi che possono acquisire e comprendere i dati dall’ambiente esterno (valori sensoriali, testo, immagini, ecc.), esibire un comportamento “intelligente” (sia nell’apprendimento, sia nel ragionamento, sia nelle capacità immaginative/predittive) e compiere azioni, siano esse virtuali, come nel caso di un sistema di raccomandazione sul web, che fisiche, come nel movimento di un veicolo a guida autonoma. I sistemi intelligenti sono pensati per attività e compiti specifici e sono caratterizzati, anzi devono essere caratterizzati, nell’ottica di una trustworthy AI, di un grado limitato di autonomia, in modo da essere dotati di caratteristiche come quella della supervisione umana (oversight and human agency), di trasparenza e di garanzia di asservimento ai diritti fondamentali dell’uomo[2].

I sistemi di AI di oggi, soprattutto basati sul machine learning, stanno iniziando a dare risposte concrete direttamente impiegabili nel mondo produttivo e, anzi, sono essi stessi “prodotto”. A chi ancora si chiede se davvero l’AI sia una tecnologia che presenti un buon rapporto tra rischio di investimento e risultato, si deve ricordare il successo economico e l’impatto delle aziende produttrici di AI. Non si può nascondere che secondo la classifica delle aziende più grandi del mondo dai dati PWC del 2021, tra le prime dieci aziende ben otto sono produttrici di sistemi di AI (Apple, Microsoft, Amazon, Alphabet, Facebook-Meta, Tencent, Tesla e Alibaba), a cui si aggiunge Saudi Aramco, produttore di idrocarburi e – come decima azienda – Berkshire Hathaway, famosa holding fintech che a sua volta fa grandissimo uso di tecnologie di AI. La strettissima connessione tra produzione, adozione e ricerca in AI ha fatto sì che le grandi aziende sopracitate comprendano ora anche i più grandi centri di ricerca e supportino la ricerca in tutti i poli accademici internazionali specializzati verso le nuove frontiere AI, diffondendo così la conoscenza e l’uso di queste tecnologie anche in tutti gli altri ambiti produttivi.

Fortunatamente, anche l’Italia ha una buona tradizione di ricerca in AI e i centri di ricerca anche nel nostro Paese e nella Regione Emilia-Romagna sono impegnati sia nella ricerca fondazionale, sia nel trasferimento tecnologico. Un esempio è il Centro interdipartimentale di ricerca AIRI (AI Research and Innovation) del Tecnopolo di Modena, accreditato per la rete ad Alta Tecnologia della Regione Emilia-Romagna, che fin dal 2011 attraverso l’AI Academy, la scuola di perfezionamento e molte iniziative di ricerca industriale, collabora in modo continuo e proficuo con il tessuto produttivo regionale. Grazie alla costante sinergia tra ricerca e industria, tra offerta e domanda di nuove tecnologie in AI, si sta creando nel nostro territorio un ecosistema di produzione in AI o di adozione di sistemi in AI che ha pochi uguali in Italia e in Europa.

 

Le frontiere dell’AI: opportunità di adozione e produzione

Mai come negli ultimi anni il time-to-market della ricerca informatica sta diventando estremamente compresso: se la frontiera della ricerca in information technologies, e specificatamente in AI, anni fa necessitava di decine di anni per diventare prodotto o tecnologia abilitante in applicazioni concrete, ora si assiste sempre di più ad una diretta adozione dei risultati scientifici in termini di pochi anni o addirittura di mesi. Anzi, si può affermare senza dubbio che non esiste in AI una catena diretta ricerca-produzione- adozione che stabilisce una sinergia programmatica tra chi si occupa di ricerca, chi deve produrla e adottarla in ambito produttivo o nelle sfide della società. Chi conosce le esigenze dei problemi ed è esperto di dominio deve necessariamente lavorare a stretto contatto con chi produce soluzioni di AI o chi ricerca nuovi modelli, come fornitore di dati, o come supervisore, anche per supportarne la diretta valutazione. Facciamo un esempio concreto: i modelli di deep learning vengono ora strettamente impiegati in visione artificiale per la ricerca di anomalie o di difettosità nella produzione, affiancando o sostituendo approcci tradizionali con modellazione esplicita dei difetti. In quest’ambito è assolutamente necessario che l’esperto informatico scelga il modello di rete neurale, la funzione di apprendimento e i dati da impiegare nel training a stretto contatto con gli esperti di dominio, chi si occupa di progetto e di produzione del bene. Questa esigenza di trans-disciplinarità è certamente un aspetto caratterizzante dell’AI e delle tecnologie di informatica avanzata del prossimo futuro, come la prossima integrazione nel metaverso, il neologismo che ora identifica l’integrazione di modelli di apprendimento, nuova conoscenza digitale, realtà aumentata o virtuale ed esperienze immersive attraverso il web.

Questo è anche il motivo per cui nel futuro sarà sempre più necessario in ambito aziendale definire nuove strategie di adozione consapevole o ancor meglio di co-produzione di AI, per innovare ma mantenere internamente il know-how di produzione, garantire i propri asset aziendali e velocizzare il processo di trasformazione digitale. La transizione digitale non va intesa soltanto nel processo di digitalizzazione della conoscenza industriale, ma anche nel processo di estrazione di conoscenza dai dati digitalizzati, o nativi digitali, che siano essi i dati progettuali, i dati sensoriali misurati in un paradigma di Internet of Things dai macchinari di produzione, i dati di logistica o di customer experience, fino ai dati finanziari e di sensibilità sociale ed ecologica. Questa co-produzione, nella adozione e stretta collaborazione con la ricerca universitaria, va nella direzione di non perdere la consapevolezza di quali sono i nuovi trend nell’AI e quali sono le frontiere che si stanno esplorando. Queste sono molteplici e difficilmente riassumibili con una lista esaustiva, ma se ne vuole elencare alcuni ambiti di interesse internazionale e nazionale.

La comprensione dei dati digitali dalla Computer Vision al Natural Language Processing: La Computer Vision (Visione Artificiale) è sicuramente uno degli ambiti di maggior successo dell’AI e soprattutto del deep learning attraverso la coniugazione di modelli ottici, geometrici e di elaborazione “tradizionale” dei segnali con modelli di apprendimento automatico supervisionato e semi-supervisionato. È indubbio che i sistemi di riconoscimento di oggetti in immagini e video (object detection), di riconoscimento delle parti della scena (semantic segmentation) e di identificazione e tracciamento di oggetti in movimento (multiple target tracking) stiano diventando sufficientemente robusti da poter essere impiegati in casi reali. La produzione di self-driving car si basa fortemente sul riconoscimento in tempo reale della scena stradale, i sistemi di mapping 2D e 3D (per esempio servizi di street view) si basano su modelli di ricostruzione e di neural SLAM (simultaneous localization and mapping), la robotica avanzata sul riconoscimento dei manufatti per la presa e la manipolazione, i sistemi di videosorveglianza per la sicurezza degli individui sulla comprensione di eventi da video. Questi successi nel riconoscimento sono estesi al mondo del web e dei Big Data multimediali per tutte le applicazioni di ricerca di similarità e di retrieval da immagini, da dati audio o testuali (come keyword e richieste in linguaggio naturale). Ad essi si aggiungono i risultati della ricerca in NLP (natural language processing) e NLG (natural language generation), basate su nuovi modelli self-attentivi e basati su transformer (BERT, GPT-3 ecc.) che si estendono ora anche all’elaborazione di immagini e video. Questi studi nella comprensione dei dati e in generazione di dati multimodali, ad esempio nell’image captioning (la descrizione di immagini in linguaggio naturale), rappresentano una frontiera della ricerca che presto avrà una sua applicazione diretta in molti sistemi di interazione anche industriale.

Dall’anomaly detection alla predictive analytics dei dati di produzione: La disponibilità di quantità di dati sufficienti in ambito di produzione industriale – anche se di dimensioni ben più limitate di quella del web – ha reso fattibile l’applicazione di modelli di apprendimento automatico anche nel contesto dell’ottimizzazione della produzione. Come prima accennato, uno dei temi di maggiore e più attuale interesse è l’individuazione di anomalie, intese sia come differenze rispetto alle corrette produzioni (ad esempio il riconoscimento in linea di difformità e difetti), sia come anormalità nel funzionamento standard della produzione. Spesso si utilizzano modelli di reti neurali che appartengono alla famiglia dei sistemi semi-supervisionati (con autoencoder e modelli derivati) per codificare le informazioni dei dati in modo compresso, ma sufficientemente informativo da ricostruire il dato originale nella sua normalità e verificare per differenza la presenza di elementi anomali. Riportate queste analisi nel tempo, su serie temporali (siano di dati di produzione o di dati sensoriali) si va nella direzione dell’analisi predittiva, fondamentale per la predizione di guasti o di necessità di manutenzione nella linea, fino ai sistemi di creazione di digital twin del processo produttivo. Certamente questi sono gli ambiti di maggiore interesse nel campo dell’industria manifatturiera.

L’AI generativa e il generative design: Gli stessi modelli che portano alla ricostruzione della normalità a partire da dati utilizzati per l’apprendimento sono stati estesi e si sono evoluti nella concezione di nuovi modelli generativi, capaci di creare sinteticamente nuovi dati con caratteristiche simili, ma non identiche, ai dati originali. Questi modelli nati solo recentemente (le prime proposte di generative adversarial network sono del 2015) come proposte di ricerca per la generazione di dati visuali e sociali, di immagini e testo ora sono stati estesi a modelli più complessi, anche come strumenti di ausilio alla produzione e al design di nuovi prodotti, fino allo studio di nuovi modelli ergonomici o nell’esplorazione di nuovi modelli aerodinamici.

L’interazione uomo-AI: La frontiera dell’AI si rivolge moltissimo all’individuo, alla società e alla interazione della persona con sistemi di AI, siano essi servizi web, singoli computer (dai laptop agli smartphone) o interfacce uomo-macchina e uomo-veicolo. Tutti questi sistemi si basano sui risultati della ricerca in human behavior understanding, per la comprensione dei gesti, della postura, delle espressioni e delle azioni della persona, fino ai sistemi biometrici e di identificazione precisa. In questi ambiti l’AI sta ottenendo risultati così eclatanti, e spesso migliori delle prestazioni umane, da diventare fonti di preoccupazione per un possibile uso non corretto, o inconsciamente incapace, di gestire pregiudizi (bias). Si pensi ai sistemi di riconoscimento del volto per limitare manifestazioni democratiche, il cui uso può inficiare il rispetto dei diritti fondamentale dell’uomo. Questi sistemi sono catalogati come sistemi “ad alto rischio”, per i quali la Comunità europea suggerisce una forte regolamentazione e in alcuni casi ne limita l’adozione, ma pur tuttavia sono di estremo interesse per la società di oggi e di domani. Si pensi alle interfacce per le prossime generazioni di robotica personalizzata e sociale, alle interfacce uomo-macchinari in industria e uomo-veicolo per una interazione sempre più naturale con oggetti intelligenti.

L’AI federativa e continua: Esistono molte altre frontiere dell’AI che dalla ricerca sono, e saranno presto, di uso massivo in ambito industriale e di produzione. Tra i vari trend non si possono omettere la ricerca in continual learning, per sistemi capaci di apprendere da flussi continui di dati modificando le proprie inferenze in base ai dati presenti e passati, e la ricerca in explainable AI, ossia in soluzioni per rendere comprensibile all’utilizzatore del sistema i modelli di ragionamento utilizzati (si pensi ad esempio ai sistemi di classificazione di immagini mediche in cui è necessario un ausilio non solo del cosa, ma anche del perché si propone una certa diagnosi). Inoltre, vanno ricordati i nuovi studi sul federated AI, ossia in sistemi distribuiti di apprendimento, in cui si possano mantenere la località dei dati originali e lo scambio di informazione solo su dati elaborati compressi, utili per mantenere la privacy o genericamente la proprietà dei dati, pur condividendone i risultati finali. Questi aspetti della frontiera della ricerca sono sempre più connessi alle esigenze di adozione, di produzione e di co-produzione di AI in tutti i Paesi del mondo.

 

Le frontiere dell’AI per il tessuto produttivo dell’Emilia-Romagna

Tutti gli aspetti sopraccitati trovano diretta implicazione economica e sociale nel tessuto produttivo della Regione Emilia-Romagna, tessuto estremamente diversificato, ma comunemente ben disposto alla forte innovazione e alla sostenibilità.

L’AI per la industria manifatturiera: Molte delle realtà produttive in Emilia-Romagna, in ambito manifatturiero meccanico, in ambito ceramico e in molte altre filiere di produzione stanno già da alcuni anni guardando con interesse al mondo dell’AI e delle soluzioni di apprendimento automatico dai dati. Pur rilevando ancora alcune sacche di scetticismo, spesso dovute alla carenza di una cultura specifica, soprattutto in ambito non tecnico ma manageriale, si pone l’attenzione sul fatto che molte grandi aziende del territorio stanno dotandosi di divisioni interne per l’AI, anche in collaborazione con le Università del territorio. Un esempio per tutti è il progetto pluriennale SENECA, cofinanziato dal MISE e dalla Regione Emilia-Romagna ad IMA, per nuove soluzioni di predictive analytics co-sviluppate internamente e in collaborazione con AImagelab dell’Università di Modena e Reggio Emilia. L’industria del territorio sta interessandosi sempre di più anche a modelli estremamente innovativi di generative design, ad esempio per la generazione di nuove texture ceramiche. L’industria manifatturiera “vive di robotica” e quindi gli aspetti di robotica collaborativa e di robotica cognitiva che si avvalgono delle nuove soluzioni di AI diventano sempre più appetibili per il mercato regionale interno, così tutti i sistemi di logistica avanzata (si pensi ai veicoli di smistamento industriale a guida autonoma). Altissimo è l’interesse per l’adozione di sistemi di AI per la gestione dei dati digitali, anche per un migliore sfruttamento nell’e-commerce. Su questo certamente molte imprese del territorio, soprattutto nell’ambito del luxury fashion, si avvantaggiano di sistemi di retrieval di immagini e di generazioni, come nel caso del virtual try-on di vestiti e accessori da proporre sul web. Anche in questo caso la collaborazione tra Università, aziende produttrici e giovani startup emiliano-romagnoli è un aspetto cruciale e di grande dinamicità. Non va dimenticata l’industria del food che da sempre, dal packaging alla produzione, necessita di tecnologie avanzate per la sostenibilità della produzione e si avvale, e si avvarrà ancor più in futuro, di sistemi intelligenti. Un discorso a parte meriterebbe l’industria automobilistica, dove l’AI interviene sicuramente nella guida autonoma, ma anche in tutta la supply chain di produzione e su tutti i sistemi ADAS (advanced driver assistance systems).

L’AI per la industria dei servizi: Il tessuto economico emiliano-romagnolo è certamente centrato sulla produzione manifatturiera, ma non va dimenticata la crescente industria dei servizi e in particolare l’industria informatica: sempre più startup tecnologiche e aziende affermate di servizi informatici sono attive per produrre soluzioni digitali per l’industria locale e per l’esportazione in Italia e nel mondo. L’industria IT si basa ora fortemente sull’AI e le competenze dei giovani ingegneri – in ambito machine learning, visione artificiale, NLP – sono direttamente impiegabili negli spin-off universitari, nelle startup e nelle aziende anche di grandi dimensioni che certamente si avvalgono delle infrastrutture della Digital Valley, tra cui non si possono non ricordare le straordinarie risorse computazionali HPC del CINECA. Certamente l’industria dei servizi come produttori di AI e produttori di nuovi servizi cloud ed edge che si basano sull’AI, come tutti i sistemi di robotic process automation per l’ufficio rappresentano il futuro più promettente della nostra Regione.

L’AI per l’industria culturale e creativa: La Regione Emilia-Romagna ha una alta densità anche di industrie e società di servizi rivolte alla cultura, al turismo e alle digital humanities. Questo settore delle industrie culturali e creative si basa sempre di più sul web, sui dati digitalizzati, sui servizi personalizzati per i fruitori di arte e di biblioteche digitali e sulle moderne interfacce informatiche. Inoltre si avvale, e si avvarrà sempre di più in futuro, delle potenzialità dell’AI. Attualmente diverse aziende del territorio si specializzano in augmented reality e visione artificiale, in comprensione ed elaborazione di dati musicali e in servizi di raccomandazione turistica, sviluppando sistemi avanzati di machine learning.

L’AI per il fintech: Sicuramente l’analisi dei dati finanziari, bancari e assicurativi in modo automatico rappresenta un asset importante con grandi potenzialità di ritorno economico degli investimenti in AI. Non è un caso che molte aziende nel territorio si stanno specializzando in data science e in metodologie avanzate di AI. Alcune società di consulenza e di servizi per le banche, da decenni leader in ambito di business intelligence e di modellazione manuale dei fenomeni bancari, stanno sviluppando una grande divisione interna in AI, sia per il mondo bancario che assicurativo, così come emergono nuove startup specializzate in analisi automatica dei rischi finanziari. Questo è uno degli ambiti più vincenti dell’AI a livello mondiale e di grande interesse per la nostra Regione.

 

Conclusioni e visioni future

La Regione Emilia-Romagna ha una grande tradizione nella ricerca in Intelligenza Artificiale in tutte le Università del territorio e nei centri di ricerca nazionali che si sono stabiliti nella Data Valley. La presenza da decenni ormai di corsi universitari all’avanguardia nell’ambito dell’Intelligenza Artificiale, della visione artificiale, del machine learning ha creato generazioni di ingegneri, di esperti e ora di imprenditori competenti che sono ben pronti alla trasformazione digitale verso sistemi intelligenti. C’è però ancora molto da fare per aumentare la consapevolezza diffusa dell’opportunità economica dell’adozione di questa tecnologia assieme alla comprensione della sua sostenibilità.

È certo necessaria un’opera di formazione continua di chi già lavora e non ha potuto mantenere un perfetto grado di aggiornamento in un ambito, come questo, in continua e velocissima evoluzione: questo è uno dei motivi alla base degli sforzi che la Regione ha fatto, e sta facendo, nel promuovere scuole di specializzazione e di perfezionamento in tecnologie emergenti e altre iniziative di formazione in collaborazione col sistema dell’istruzione e della ricerca a livello regionale. Un ulteriore aspetto preoccupante riguarda la formazione la ritenzione di talenti nel nostro territorio, spesso attratti da destini economicamente più allettanti all’estero o nelle grandi aziende multinazionali.

È necessaria un’opera corale per l’attrattività tecnologica dei giovani, anche attraverso nuove iniziative per il lavoro a distanza o per l’attrazione di talenti; iniziative che compaiono nel Patto per il Lavoro e per il Clima della Regione Emilia-Romagna, ma che dovranno presto essere attuate con la collaborazione di tutti gli attori: sistemi di formazione e di alta formazione, imprese – dalle grandi industrie manifatturiere alle giovani startup – enti pubblici e il sistema regionale nel suo complesso, al fine di favorire la crescita sostenibile, la consapevolezza dei rischi e dei benefici delle nuove tecnologie e la coesione sociale, anche in ottica di uguaglianza di genere, opportunità di crescita lavorativa e di soddisfazione sociale.


[1]https://digital-strategy.ec.europa.eu/en/library/communication-artificial-intelligence-europe

[2]https://ec.europa.eu/info/sites/default/files/commission-white-paper-artificialintelligence-feb2020_en.pdf

Scritto da
Rita Cucchiara

Professoressa ordinaria di Sistemi di elaborazione delle informazioni presso il Dipartimento di Ingegneria Enzo Ferrari dell’Università di Modena e Reggio Emilia dove dirige il laboratorio di ricerca AImageLab. È stata inoltre Direttrice del CINI – Consorzio Interuniversitario Nazionale per l’Informatica. Tra le sue pubblicazioni ricordiamo: “L’intelligenza non è artificiale. La rivoluzione tecnologica che sta già cambiando il mondo” (Mondadori 2021).

Pandora Rivista esiste grazie a te. Sostienila

Se pensi che questo e altri articoli di Pandora Rivista affrontino argomenti interessanti e propongano approfondimenti di qualità, forse potresti pensare di sostenere il nostro progetto, che esiste grazie ai suoi lettori e ai giovani redattori che lo animano. Il modo più semplice è abbonarsi alla rivista cartacea e ai contenuti online Pandora+, ma puoi anche fare una donazione a supporto del progetto. Grazie!

Abbonati ora

Seguici