Le tecnologie che si basano sull’intelligenza artificiale una volta applicate non sempre rappresentano un vantaggio competitivo per le aziende. La fondazione Bruno Kessler è un centro di ricerche con sede a Trento che effettua ricerche scientifiche su base teorica e le applica in progetti per enti o imprese in settori come health, wellness, manufacturing, industria 4.0 e cybersecurity con l’utilizzo di intelligenza artificiale. Non solo deep learning e machine learning ma anche tecniche di verifica e di pianificazione automatica e sistemi che integrano tecniche simboliche con tecniche numeriche. “Alla base di molti dei nostri progetti” spiega Paolo Traverso, direttore del centro ICT della Fondazione “ci sono due tipologie di approccio quello model based e quello dell’apprendimento: nel primo si definisce un modello e poi si studiano le proprietà, nel secondo il modello è costruito dai dati”. Nel machine learning spesso si analizzano risultati difficili da spiegare a differenza di quanto accade nelle tecniche di model checking e planning. Molti progetti cercano una spiegabilità, necessitano di dimostrare come una decisione è stata presa. Paolo Traverso è intervenuto al recente Richmond IT Director Forum, una convention di 3 giorni che solitamente raduna a Rimini decine di CIO, IT manager, Direttori IT e rappresentanti del mondo dell’offerta ma che quest’anno, a causa dell’emergenza sanitaria, si è tenuta interamente online. Un format necessariamente diverso dal solito, ma che non ha reso questa 10ma edizione meno interattiva delle precedenti: infatti la piattaforma online ha permesso ai partecipanti di intervenire e confrontarsi con i relatori nel modo più friendly possibile.
Le tecniche model based: i progetti Boeing e Castorone
Un primo esempio model based è l’applicazione realizzata in collaborazione con la Boeing, il colosso aerospaziale, sui sistemi di frenatura degli aerei in fase di atterraggio. Il centro ICT di FBK ha lavorato a stretto contatto con i reparti di ingegneria dell’azienda andando a prendere il sistema di frenatura sia nella parte software sia nelle altre parti di attivazione della meccanica per poi analizzare con modelli matematici tutti i possibili scenari in queste fasi di progettazione e procedere alla loro verifica.
Un modello di verifica delle applicazioni critiche per la safety che si affianca al lavoro ingegneristico implementando e aumentando il buon funzionamento dei sistemi. “Si tratta di tecniche spinte” afferma Paolo Traverso “con automi ibridi con variabili continue e variabili discrete diverse ed enormi quantità di possibilità, motivo per cui il progetto alla base ha visto piuttosto che machine learning l’utilizzo di una tecnica di model checking con la verifica del modello”.
Un secondo progetto di pianificazione automatizzata per il controllo intelligente è stato realizzato con Saipem il gruppo che opera nel settore petrolifero, sviluppato per la Castorone la nave varata nel 2012 e dedicata alla posa di condotte. La Castorone è una vera e propria fabbrica galleggiante con all’interno due linee di saldatura dei tubi dove tutto avviene in modo automatizzato. Il progetto ha utilizzato la tecnica del planning che ha permesso di capire esplorando lo spazio e utilizzando modalità di search quale operazione effettuare e in quale linea di saldatura.
AI per la cybersecurity: identità e legal compliance
Le soluzioni di cybersecurity migliorano lo stato di sicurezza delle organizzazioni o aziende e, allo stesso tempo, si integrano in ecosistemi bilanciando i compromessi fra sicurezza e privacy. Tra i progetti in ambito di cybersecurity, la fondazione Kessler per Telecom ha utilizzato tecniche di model checking per individuare falle di sicurezza nei sistemi sms già individuati nelle app di Google e Android e in collaborazione con l’Istituto Poligrafico e Zecca dello Stato si è occupata della sicurezza delle attività con carta d’identità elettronica in particolare nel settore bancario.
Un primo ambito è stato portare allo standard europeo le attività che si fanno con carta d’identità elettronica. “Attualmente” afferma Tavani “stiamo esplorando i temi legati alla self sovereign identity, l’identità secondo cui le persone dovrebbe possedere i propri dati di identità senza l’intervento dell’amministrazione. Un ultimo progetto di model based legato alla cybersecurity riguarda la legal compliance. La Fondazione ha creato un modello in grado di verificare la conformità legale del proprio sistema con le normative GDPR e la direttiva sui servizi di pagamento. Un modello che avvicina gli aspetti giuridici, le norme e la loro interpretazione con gli aspetti molto più tecnici della sicurezza.
Progetti di machine learning: Microsoft Azure
Un caso di utilizzo di puro machine learning è il progetto articolato in più fasi e sponsorizzato da Microsoft con l’utilizzo dei servizi cloud Azure. Nel 2018 è stato avviato un progetto di apprendimento profondo per la previsione dell’impatto specifico delle colture dovuto alle ondate di calore. Sono stati presi i dati meteo, i dati orografici che tengono conto del livello del terreno e quelli dal satellite Copernicus sull’area europea su tre anni dal 2014 al 2016 per poi verificare nei due anni successivi. È stata “addestrata” una rete ricorsiva in grado di prevedere a 300 metri cosa accadrà e se avrà effetto o meno l’ondata di calore con un alto valore di precisione.
Una seconda fase avviata nel 2020 e ancora in realizzazione riguarda un progetto molto più ambizioso e basato su puro deep learning per capire l’evoluzione della coltivazione su scala mondiale e poter intervenire con una previsione di crescita specifica sui dati meteorologici e satellitari. Esempi di applicazioni di machine learning per ottenere delle previsioni attraverso i dati sono stati poi effettuati sia in ambito finance e in particolare per la concessione del credito che per la previsione del costo delle case mettendo insieme dati standard come percezione della zona e presenza di aziende innovative.
Combinare le tecniche model based e machine learning
In molti casi, invece, è utile e conveniente combinare le tecniche di costruzione di un modello e di analisi dei dati. Sulla manutenzione predittiva che permette di intervenire in modo mirato e dove solitamente si utilizza l’analisi dei dati tramite machine learning, sono stati realizzati due progetti per due aziende non citabili, unendo al machine learning tecniche model basic sfruttando il fatto che nelle macchine complesse i componenti sono legati l’uno all’altro ed è quindi possibile, sfruttare gli effetti. Anche nelle applicazioni di digital sociality per heath, mobility, school o work, il machine learning permette l’analisi dei dati ma quando occorre prendere delle decisioni è utile la combinazione con una progettazione basata sul modello. Per spingere la mobilità più sostenibile, sono state utilizzate anche tecniche di persuasione e gamification e forme di nowcasting per la previsione di un ingorgo.
Health, wellbeing e indice Rt
In Trentino è stata introdotta la cartella clinica del cittadino, TreC, diversa dal fascicolo sanitario perché raccoglie dati gestiti dalla persona basandosi sull’empowerment ovvero il coinvolgimento nella propria salute per stimolare un atteggiamento proattivo a gestire la propria malattia. Attualmente il TreC che è facoltativo, viene utilizzato da oltre 130mila persone. Sono state realizzate delle applicazioni di virtual coaching personalizzato: le persone scaricano l’app che aiuta a gestire la malattia o mettere in contatto con il medico e promuovere stili di vita sani. Attualmente sono utilizzate da persone diabetiche, pazienti cardiovascolari, donne in gravidanza ma con la previsioni in due anni di una crescita sia numerica che di tipologia di persone. Un ultimo, attualissimo progetto legato alla Covid-19 vede Stefano Merler epidemiologo matematico di FBK, in prima linea nel monitoraggio del virus nelle regioni italiane per il calcolo dell’indice Rt. Il ricercatore che ha lavorato in passato su epidemie come Ebola e Sars ha costruito una conoscenza che gli permette di fare dei modelli dei sistemi stocastici ovvero probabilistici. Dove c’è un numero di casi c’è una probabilità che evolva e quindi si può calcolare il famoso Rt. Un modello che vede combinate tecniche data drive con tecniche model basic.
