|
ATTRARRE INVESTIMENTI AL SUD
UN DOCUMENTO PER IL MEZZOGIORNO
Intelligenza Artificiale
Tra mito e realtÀ
Intelligenza Artificiale
Tra mito e realtÀ
Quali le opportunità per la PMI manifatturiera e dei servizi
 Luigi Troiano
RCOST - Research Centre On Software Technology - Università del Sannio
troiano@unisannio.it
Quando si parla di intelligenza artificiale, immediatamente si pensa a un futuro ancora da addivenire, ispirato a film e romanzi di fantascienza come 2001: Odissea nello spazio, Blade Runner, AI, Io Robot. Eppure l'intelligenza artificiale pervade già la nostra quotidianità, anche se spesso in modo discreto e impercettibile. Ad esempio, in pochi riconosceranno che la qualità delle nostre foto al mare, la sicurezza della nostra autovettura, la protezione dei nostri risparmi, già dipendono da tecnologie di intelligenza artificiale. Ma serve davvero creare un essere artificiale senziente e consapevole? Sicuramente questo sogno serve d'ispirazione alla ricerca di frontiera, così come il sogno di Icaro ha condotto alla moderna avionica, senza però costringere un aeroplano a battere le ali per sostenersi in volo. Allo stesso modo, gli sforzi della ricerca in intelligenza artificiale hanno prodotto una serie di metodi e tecniche che trovano impiego industriale. Tali strumenti vengono spesso raccolti con il termine "computational intelligence". Le applicazioni industriali di computational intelligence vanno oltre la robotica o il controllo automatico. Oggi, la moderna impresa può accedere a una serie di soluzioni che possono contribuire al proprio vantaggio competitivo, sia in termini di prodotto che di processo, sia che essa operi nel settore manifatturiero che in quello dei servizi. La computational intelligence annovera innumerevoli strategie risolutive: algoritmi genetici, reti neurali artificiali, logica fuzzy, per citarne alcune tra le più note. Essi possono risolvere concreti problemi industriali. Gli algoritmi genetici possono affrontare con successo la pianificazione delle risorse aziendali, laddove le tecniche classiche di ottimizzazione trovano i propri limiti. Essi realizzano una competizione tra soluzioni al problema. Come avviene in natura, le soluzioni migliori hanno maggiori possibilità di generarne di nuove, mentre le peggiori sono destinate a estinguersi. Potremmo applicare questa tecnica al taglio del pellame nell'industria calzaturiera. Questo compito è oggi lasciato alla maestria dei tagliatori, che con occhio esperto distribuiscono al meglio le sagome per ottenere il minimo scarto. Una pianificazione del taglio assistita da algoritmi genetici consentirebbe di massimizzare l'uso del materiale, con una conseguente riduzione dei costi di produzione. In modo simile si può pensare alla loro applicazione alla gestione delle scorte di magazzino, della flotta dei vettori di trasporto, o degli asset finanziari d'impresa. Viceversa, le reti neurali artificiali riescono a individuare situazioni ricorrenti, apprendendo in modo autonomo, in analogia a quanto fatto dal nostro cervello. Dunque, esse possono servire per individuare e classificare i comportamenti di acquisto oppure i percorsi di visita in un centro commerciale. Allo stesso modo esse possono essere utilizzate per analizzare le modalità di interazione con un sito di e-commerce. In entrambi i casi, l'obiettivo è di prevedere il comportamento dell'utente, e quindi meglio organizzare l'offerta commerciale. In ambienti di produzione, possono essere impiegate nell'analisi dei dati delle linee al fine di individuare eventuali criticità e offrire un supporto alla loro risoluzione. Infine, la logica fuzzy offre meccanismi logico-deduttivi robusti, consentendo di esprimere concetti imprecisi o incerti pur mantenendo rigore matematico nella loro elaborazione. Con essa possiamo modellare le preferenze dei clienti per massimizzarne la soddisfazione, come potrebbe accadere in un centro arredamenti. Il cliente esprime le proprie preferenze in termini di colore, ingombro, disposizione. Le preferenze raccolte possono risultare non coerenti e talvolta in contraddizione. Un algoritmo di analisi basato su logica fuzzy sarebbe in grado di comporre una soluzione sulla base del catalogo, massimizzando le attese del cliente. La soluzione proposta sarebbe un ottimo punto di partenza per concretizzare l'idea di arredamento del cliente e concludere la vendita. Potremmo dilungarci in ulteriori esempi applicativi, ma presto scopriremmo che il solo limite è dato dalla nostra immaginazione. Ad esempio, in relazione al progetto Domotica (apparso in Costozero di Ottobre 2004), applichiamo la computational intelligence per identificare i pattern di comportamento dell'utente all'interno della casa, in modo da prevederne le intenzioni e predisporre opportunamente l'ambiente domestico. Possiamo allora parlare di intelligenza artificiale off-the-shelf pronta all'uso? Purtroppo no, e a ragione. Una soluzione di intelligenza artificiale viene concepita in relazione al problema che intende risolvere, e permea la struttura del software che la implementa, come il cervello pervade l'organismo attraverso il sistema nervoso centrale e quello periferico. Può anche darsi che in futuro avremo soluzioni standard che consentano un maggiore accesso a tali tecnologie e a costi più bassi. Tuttavia, una maggiore accessibilità comporterà necessariamente un minore vantaggio competitivo. Il mercato ha iniziato già da tempo a premiare un uso razionale di queste tecnologie, laddove esse producano un'effettiva semplificazione nell'uso dei prodotti, una riduzione dei tempi e costi di produzione, una maggiore qualità percepita e un migliore supporto alle decisioni d'impresa. Problema centrale resta quello di minimizzare il rischio d'investimento, che passa solo attraverso una piena condivisione di obiettivi tra partner industriale e partner di ricerca. In pochi si metterebbero alla guida di un prototipo senza aver letto le istruzioni d'uso e si fiderebbero ciecamente di quanto fatto da ingegneri e scienziati. Un progetto che intenda applicare con successo tecniche di intelligenza artificiale richiede collaborazione e formazione. La prima si ottiene attraverso un'attiva partecipazione del partner industriale sin dalla concezione dell'idea progettuale. La seconda si consegue fornendo agli ingegneri, futuro personale d'azienda, le competenze necessarie per partecipare alla realizzazione del progetto e gestirne la soluzione. Consapevole di questa necessità, RCOST ha dato vita al Computational Intelligence in Software Engineering Interest Group (CISE-IG), gruppo di ricerca con il duplice obiettivo di sperimentare la pratica applicabilità di tecniche di computational intelligence a problemi di rilevanza industriale, e di integrare la formazione degli ingegneri di domani. In relazione a questa seconda finalità, il Centro ha avviato dallo scorso anno un programma di formazione che consente ad alcuni studenti della Facoltà di Ingegneria dell'Università del Sannio di avvicinarsi alle problematiche di intelligenza artificiale attraverso attività di studio e laboratorio. Grazie a questa iniziativa essi hanno l'opportunità di approfondire tecniche e metodologie, applicandole a problemi concreti con difficoltà crescenti nel tempo. Un compito non facile, visto che a essi viene richiesto di mantenere elevati standard accademici. La ricerca in intelligenza artificiale sta producendo stimolanti scenari tecnologici, e pone nuove sfide all'impresa di domani. Resta al coraggio degli imprenditori coglierne le possibilità e trasformarli in reali opportunità di innovazione e vantaggio competitivo.
|
