AS_06_2019

Automazione e Strumentazione Settembre 2019 FOCUS approfondimenti 53 alla co-creazione di nuovo valore e innovazione. Per raggiungere questo obiettivo, Fujitsu, com- binando le proprie tecnologie proprietarie, Deep Tensor e Knowledge Graph, dichiara di aver rea- lizzato una explainable AI. In particolare, ci ha spiegato in un’intervista Yoshikuni Takashige, la tecnologia Knowledge Graph è in grado di visualizzare le relazioni tra i dati in rappresenta- zioni grafiche, in grado di illustrare perché la AI sia giunta a una determinata conclusione. E ciò è di fondamentale importanza in settori come la ricerca sul cancro, in cui i medici, prima di con- validare l’efficacia di un algoritmo nell’esecu- zione di una diagnosi, devono poter ricostruire in maniera trasparente perché e come quel risultato è stato ottenuto. Naturalmente, la explainable AI può diventare un prerequisito critico per l’applicazione del machine learning anche in vari altri settori: tra questi si può collocare il manufacturing, ambito in cui gli interventi di diagnosi, manutenzione e riparazione dei macchinari sono aspetti critici e all’ordine del giorno. Anche in questi casi, l’ope- ratore incaricato di eseguire l’intervento può non volersi fidare unicamente delle raccomandazioni- guida fornite dal sistema su come procedere, sulla base dei manuali, degli standard di manutenzione, dei dati storici, e delle informazioni rilevate dai sensori IoT: per ciascuna raccomandazione, il tecnico può anche necessitare di informazioni comprensibili, ad esempio, su quali dati di input sono stati usati per l’addestramento dell’algo- ritmo di ML, e sul perché venga fornito un deter- minato tipo di consiglio per eseguire quella data operazione. La statistica fornisce modelli e previsioni interpretabili