AES_8

Primo piano 29 DOSSIER Automazione e Strumentazione n Novembre - Dicembre 2021 rispondenza trovata e se sono soddisfatte specifiche condizioni per risolvere un problema”. Attualmente l’AI è ampiamente utilizzata in vari set- tori industriali e non ai quali si può estendere il tema del procedimento automatico controllato: dalla sanità alla finanza, dal manufacturing alla giurisprudenza, dall’istruzione alla tutela ambientale. Con l’aiuto del ML i medici possono diagnosticare le malattie più velocemente di prima; applicazioni come i chatbot aiu- tano a fissare gli appuntamenti e supportano i pazienti durante il processo di fatturazione. In ambito legale, l’AI ha reso più semplice per gli avvocati il gravoso lavoro della consultazione e analisi efficace e accurata di corposi documenti e normative. Nell’istruzione, l’In- telligenza Artificiale può fornire valutazioni automati- che e può supportare gli studenti nell’apprendimento e aiutarli a tenere il passo. Per non parlare dei robot industriali che, potenziati dall’AI, stanno rendendo il manufacturing più semplice ed efficiente anche solo di qualche anno fa; ma su questo punto ritorneremo. Intelligenza Artificiale e Automazione Seguendo la traccia suggerita da Shekhar e da molti altri autori, è opportuno far notare le differenze tra Intelligenza Artificiale e Automazione; il che non si contrappone all’osservazione della contiguità tra i due ambiti e all’intercambiabilità che spesso si verifica tra i due termini nella pratica operativa quotidiana. Le differenze sono essenzialmente a tre livelli. In ter- mini generali, se fare automazione significa realizzare un software o un hardware in grado di operare auto- maticamente e autonomamente, possiamo dire che l’Intelligenza Artificiale ha l’obiettivo di realizzare macchine intelligenti nel tentativo di imitare o addi- rittura sostituire l’intelligenza e il comportamento umani. Un secondo livello è quello dei dati: l’automazione può o non può essere basata sulla AI. L’automazione che conosciamo si basa sulla programmazione e su regole esplicite: per passare all’Intelligenza Artificiale bisogna utilizzare una grande quantità di dati e inse- rire nel software le reti neurali e il Machine Learning. In tal modo si può insegnare al sistema tutto ciò che già si sa, lasciando anche quel margine di incertezza, proprio come accade con l’operatore umano. Il terzo livello riguarda lo scopo. L’automazione può eseguire attività ripetitive liberando tempo prezioso che l’uomo può dedicare ai compiti più importanti che richiedono un giudizio razionale e ponderato. L’intel- ligenza artificiale è pensata non solo per cercare gli schemi e le operazioni corrette ed efficienti ma anche per imparare dall’esperienza così da poter autoselezio- nare le soluzioni appropriate per ogni situazione. Che i due approcci possano convivere è ormai sempre più dimostrato da numerosi esempi e in molti ambiti applicativi, tanto che alcuni hanno già trovato una denominazione caratteristica per questo abbinamento, che va al di là del manufacturing, e parlano di auto- mation continuum o di Intelligent Robotic Process Automation . I principali componenti dell’IA nel controllo Un sistema di automazione può funzionare utiliz- zando quattro componenti dell’Intelligenza Artificiale che, a seconda della necessità, verranno combinati oppure utilizzati separatamente per consentire una risposta completamente automatizzata alle specifiche esigenze. Il Machine Vision : ovvero quei sistemi in grado di riconoscere e comprendere gli input visivi. Utilizzano dei dati (cioè delle immagini) di “allenamento” come modelli fondamentali per costruire i meccanismi di identificazione e classificazione: si pensi ai sistemi di riconoscimento facciale di un iPhone X, o al lettore di etichette di una linea packaging. L’elaborazione del linguaggio naturale, cioè il Natural Language Processing che opera analogamente al pre- cedente ma applicandosi al linguaggio naturale al fine di comprendere la voce umana e gli input di testo. Oggi è possibile per le macchine comprendere il contesto sottostante una comunicazione in corso per poi intra- prendere azioni sulla base di un tipo di dati predefiniti e delle variabili contestuali in gioco. Esempi ben noti sono Siri di Apple, Amazon Alexa e simili ma iniziano a diffondersi applicazioni in vari ambiti industriali. Altro componente rilevante dei sistemi di AI è il Machine Learning : con questa denominazione ci si L’AI nelle macchine: l’approccio Omron