AO_430

APRILE 2021 AUTOMAZIONE OGGI 429 15 AO IL PUNTO MAGGIO 2021 AUTO AZIONE OGGI 430 a parola automazione è da sempre asso- ciata tanto al concetto di progresso tecno- logico, quanto a quello di trasformazione sociale e culturale, evocando pertanto sia aspettativa e fiducia in un mondo sempre più efficiente sia paura nei confronti di quelle che possono essere le incognite in- site nel demandare ‘alle macchine’ quello che tradizionalmente ha svolto l’uomo. L’avvento di iniziative come Industria 4.0 ha segnato un ulteriore passo in questa direzione. Paradigmi come l’(Industrial) Internet of Things - (I)IoT - e l’Intelligenza Artificiale - AI, la cui convergenza è indi- cata con l’acronimo AIoT, sono molto più che argomenti di tendenza per l’automa- zione industriale. Se da una parte l’IIoT è il sistema nervoso digitale, l’AI rappre- senta il cervello che prende le decisioni che controllano l’intero sistema. Il cloud computing ha aperto le porte a una con- nettività dei dispositivi pervasiva e a una capacità di archiviazione e calcolo virtual- mente illimitate, ma è l’AI che, estraendo informazione dall’enorme mole di dati di telemetria, permette al sistema d’au- tomazione di intraprendere un’azione, affiancandosi, e magari sostituendosi, all’operatore umano nel processo deci- sionale. La strada tracciata sembra portare neces- sariamente a un futuro dell’automazione industriale basato sull’AIoT, nonostante molti temano che per ogni macchina, tele- camera o robot ‘intelligenti’ introdotti nel reparto di produzione alimentato dall’in- telligenza artificiale un lavoratore umano corra il rischio di perdere il posto di lavoro. Tuttavia, l’attuale pandemia di Covid-19 sta cambiando questa visione, visto che sono stati proprio i dispositivi basati sull’AI a permettere il lavoro a distanza e a evitare, quanto più possibile, le interruzioni della catena di fornitura e i fermi macchina, nono- stante il distanziamento sociale. Ne consegue che, anche in fabbrica, l’adozione dell’AIoT è destinata a crescere aprendo le porte a una nuova serie di problemi e dubbi, legati essenzialmente alla natura ‘black box’ delle tecnologie AI. In altre parole, ora che abbiamo superato il problema della necessità o meno dell’AI, con una risposta che è un deciso ‘sì’, le nuove domande urgenti sono ‘perché’ e ‘come’ l’IA prende le sue decisioni. In vista dell’affidamento a sistemi di AI di funzioni sempre critiche, in settori che spaziano dall’assistenza sanitaria alla produzione industriale, le aziende e gli operatori umani hanno bisogno di modi più intelligibili per caratterizzare come e perché l’AI prende una decisione ed eventualmente imparando da essa e sfrut- tando quanto ha appreso. L’AI spiegabile (o Explainable AI - XAI - per dirla con gli anglosassoni) è un’aggiunta abbastanza recente all’arsenale delle tecniche di intelligenza artificiale sviluppate negli ultimi anni. Essa mira a fornire informazioni destinate all’uomo su come determinati dati di ingresso si sono trasformati in una specifica decisione, permettendo tanto di evidenziare eventuali ‘bias’ nella scelta, così da poter suggerire opportune correzioni, quanto di apprendere cosa ha permesso di arrivare a quella decisione. Va da sé che, poiché sempre più operatori vengono affiancati da sistemi automatizzati, complice, come si diceva, l’esigenza di far fronte a una nuova normalità, l’AI non deve limitarsi a essere efficace, ma deve anche dimostrare di essere affidabile. Così come noi sviluppiamo fiducia nei nostri colleghi quando questi ci convincono di una loro decisione articolando in modo chiaro e intelligibile il modo in cui questa è stata presa, dobbiamo imparare a fidarci dell’AI e delle decisioni che questa suggerisce all’interno del processo produttivo. Stabilire questa fiducia sarà la base per permettere un nuovo passo nel cammino di evoluzione dell’automazione industriale. Ovviamente ‘scrutare’ all’interno di sistemi complessi come le reti di deep learning non è un’impresa da poco. Lo sviluppo di queste tecniche è in divenire e integrarle nei processi aziendali compor- terà molto probabilmente un notevole dispendio di tempo e capitale. Quindi, sebbene sia nata dalla necessità di comprendere i ‘pregiudizi’ delle decisioni prese da reti di AI, la XAI dovrà evolversi per essere applicata anche nei contesti produttivi, per garantire processi sempre più efficienti e sostenibili. L Possiamo imparare dall’intelligenza artificiale? Emiliano Sisinni Università di Brescia, Comitato tecnico Automazione Oggi e Fieldbus&Networks