Intelligenza artificiale (IA) e il futuro della robotica e dell’automazione

Dal suo lancio negli anni ‘50, l’intelligenza artificiale (IA) ha fatto molta strada. Partendo dagli albori dei sistemi basati su regole, utilizzati per eseguire analisi e fare previsioni, fino ai più recenti progressi nell’apprendimento automatico e nelle reti neurali profonde che ne consentono l’uso in attività più creative e generative, l’IA oggi è molto più potente e offre possibilità entusiasmanti in numerosi settori.

Nei prossimi anni, l’IA cambierà probabilmente le nostre vite e quasi certamente il mondo intero; tuttavia, gli esperti non sono tutti esattamente concordi su come ciò avverrà. Nel presente approfondimento tematico analizziamo in che modo l’IA riuscirà a plasmare il futuro della robotica e dell’automazione, creare opportunità di crescita e sfide significative e rappresentare un potente motore secolare a lungo termine.
 

I robot industriali sono strumenti ad alte prestazioni che operano con grande precisione e velocità e spesso funzionano per più di dieci anni con tempi di inattività minimi, 24 ore al giorno, sette giorni alla settimana. Ciò li rende estremamente utili nella produzione su vasta scala, in cui possono essere programmati per eseguire lo stesso compito senza sosta e produrre un enorme volume di beni. Per gli esseri umani, questo tipo di lavoro sarebbe considerato noioso e ripetitivo, e spesso estenuante dal punto di vista fisico.

Questi robot trovano più spesso impiego nella produzione di automobili e di schermi piatti e nel settore alimentare e chimico, mentre la robotica più specializzata è diffusa nel settore dei semiconduttori. Tuttavia, in molti altri settori si riscontra una sorprendente assenza di robotica. La densità media di robot presenti nel manifatturiero, per esempio, è di soli 14,1 robot ogni 1000 operai.¹ Il motivo è che la maggior parte dei robot e dei sistemi di automazione segue una serie di istruzioni pre-programmate e la riprogrammazione dei robot per eseguire un compito diverso può richiedere settimane o addirittura mesi.

Per molti produttori, questa mancanza di flessibilità rappresenta un limite pratico. I produttori, infatti, essere in grado di passare velocemente dalla produzione di un articolo a un altro e non possono permettersi di sprecare tempo o competenze tecniche per riprogrammare una linea di robot. In effetti, i robot industriali sono adatti solo a un numero molto ridotto di settori caratterizzati da volumi elevati e bassa variabilità (settore automobilistico, alimentare, chimico, dei semiconduttori ecc.).

Andrea Thomaz, professore straordinario presso l’Università del Texas e cofondatore e CEO di Diligent Robotics, descrive i robot preprogrammati come “muti e bruti”² in quanto eseguono ripetutamente e silenziosamente una routine di compiti con grande efficienza e precisione, ma non sono consapevoli dell’ambiente circostante. Ciò li rende potenzialmente pericolosi per chiunque si trovi nelle vicinanze e, pertanto, vengono solitamente collocati in gabbie di sicurezza fisiche o virtuali per evitare incidenti. Tuttavia, poiché all’interno di una gabbia di sicurezza devono essere in grado di portare a termine i compiti senza aiuto esterno, la loro utilità si riduce notevolmente. Ciò significa che per la maggior parte dei compiti e nella maggior parte delle fabbriche del mondo, il lavoratore umano rimane molto più adattabile e utile rispetto alle sue controparti meccanizzate.

Ma le cose stanno iniziando a cambiare. Negli ultimi 20 anni, la potenza dei processori per computer è aumentata in modo esponenziale e, allo stesso tempo, le economie di scala e la legge di Moore hanno portato a un abbassamento dei costi. Anche le tecnologie di piattaforma si sono evolute. La velocità e l’estensione della copertura di Internet (per le linee mobili e fisse) continuano ad aumentare e i fornitori di servizi cloud come AWS, Azure, Google e Alibaba, offrono servizi di archiviazione dati e di calcolo on demand.

Sebbene le origini dell’IA risalgano a oltre 70 anni fa, il recente aumento della potenza di calcolo, la disponibilità di tecnologie di piattaforma e la vasta proliferazione di dati consentono oggi all’IA di essere più potente che mai.

Nella robotica e nell’automazione, si può pensare all’IA come al cervello del sistema. Prima dell’IA, i robot erano automi che eseguivano una serie predeterminata di istruzioni codificate. Con la tecnologia IA, i sistemi robotici stanno diventando sempre più autonomi e in grado di rispondere ai cambiamenti circostanti imparando da questi. La robotica dotata di maggiore autonomia è senz’altro più facile da configurare e utilizzare e risulta più sicura. Ognuno di questi vantaggi amplia in modo significativo l’applicazione della robotica e ne estende il potenziale di mercato.

1. Autonomia dinamica:

in combinazione con sensori e visione meccanica, l’IA può offrire ai robot la capacità di apprendere e adattarsi velocemente a nuove situazioni. In altre parole, i robot possono prendere decisioni in base all’ambiente circostante e modificare il loro comportamento di conseguenza.

Per esempio, un robot incaricato di smistare la merce in un centro logistico può imparare come prelevare al meglio un oggetto “sconosciuto”. Un veicolo autonomo può imparare a identificare correttamente gli ostacoli sul suo percorso e a reagire in modo adeguato in diverse condizioni di guida, condividendo poi tali informazioni con tutti gli altri veicoli presenti sulla strada.

Una maggiore libertà d’azione può consentire ai robot di operare in modo indipendente in luoghi in cui non sono presenti esseri umani o in ambienti potenzialmente pericolosi per questi ultimi. Per esempio, ANYmal, il robot autonomo a quattro zampe con compiti di ispezione industriale di ANYbotics, spin off del Politecnico federale di Zurigo, è utilizzato commercialmente negli impianti energetici e chimici. ANYmal esegue ispezioni e raccoglie dati dai sistemi negli stabilimenti³ e può inoltre eseguire test personalizzati come l’imaging termico, per garantire che le parti critiche non si surriscaldino.

2. Configurazione più rapida:

i sistemi robotici tradizionali richiedono una programmazione estesa per la configurazione, che può risultare dispendiosa in termini di tempo e denaro. Con l’utilizzo dell’intelligenza ar-tificiale, i robot possono essere addestrati utilizzando i dati e sottoposti a debug tramite software di simulazione. Un metodo è il sistema di Programming by Demonstration (PbD), la programmazione per dimostrazione, in cui al robot viene mostrato il compito svolto da un essere umano e il robot successivamente lo imita.

La maggior parte dei robot collaborativi, o cobot, può essere configurata con PbD, rendendoli adatti per brevi attività in batch che richiedono frequenti modifiche di configurazione. In alcuni sistemi, l’IA viene utilizzata per consentire il controllo vocale del sistema, semplificandone ulteriormente la configurazione e il funzionamento.

3. Più sicuri ed ecosostenibili:

i robot dotati di una serie di sensori possono utilizzare la tecnologia IA per rilevare oggetti nel loro ambiente e rispondere in modo appropriato, rallentando o mettendo in pausa le operazioni. Inoltre, possono essere programmati per spegnersi in caso di malfunzionamento o emergenza. Questi perfezionamenti possono ridurre il rischio di incidenti sul posto di lavoro. Naturalmente, i robot con cui gli esseri umani lavorano in modo più sicuro possono svolgere una più ampia varietà di compiti; in assenza di gabbia di sicurezza, non più necessaria, un lavoratore umano può infatti intervenire e fornire assistenza al robot laddove richiesto.

L’IA può inoltre consentire una maggiore precisione ed efficienza, riducendo in tal modo il consumo energetico (si veda l’esempio seguente: Rolls Royce), gli sprechi di materiale e il tasso di fallimento della produzione, favorendo pratiche di produzione più sostenibili.

4. Big data in tempo reale:

quando parliamo di robotica, spesso pensiamo a compiti fisici, alla manipolazione di oggetti in una linea di produzione, allo smistamento di pacchi in un centro logistico e al trasporto autonomo di beni. Tuttavia, l’intelligenza artificiale è spesso ancora più efficace nel mondo puramente digitale, dove il sistema non è vincolato dalle limitazioni fisiche del sistema robotico.

La rilevazione dei pattern, ovvero la capacità di ingerire grandi quantità di dati e di identificare relazioni e anomalie in modo rapido e accurato, è il punto di forza dell’IA. Lo United States Postal Service utilizza ora la visione meccanica e un sistema di IA all’avanguardia in grado di identificare e monitorare gli oltre 100 milioni di lettere e pacchi ricevuti ogni giorno; ogni server del sistema elabora oltre 20 terabyte di dati immagine al giorno.⁴ Di seguito riportiamo altri due esempi di IA utilizzati nell’ambito dell’analisi dei big data.

AlphaFold è un programma di IA sviluppato da DeepMind, una startup britannica acquisita da Google nel 2014, già società sviluppatrice di AlphaGo. AlphaFold stato progettato per affrontare una delle sfide fondamentali della biologia: prevedere la struttura 3D delle proteine. Il team ha addestrato il software sulle 170 000 proteine disponibili nei repository pubblici e nel 2021 ha pubblicato un database gratuito di 200 milioni di proteine per accelerare la ricerca scientifica, moltiplicando per mille il numero di strutture proteiche note.

John Moult, biologo computazionale e cofondatore di Critical Assessment of Structure Prediction (CASP), ha affermato che AlphaFold gli ha permesso di determinare in mezz’ora una struttura proteica su cui stava lavorando, senza successo, da 10 anni.⁵

Rolls Royce e altri costruttori di motori di aeromobili commerciali monitorano lo stato dei loro motori durante il volo dai centri operativi a terra. Il sistema Engine Health Management di Rolls Royce monitora circa 8000 voli al giorno, misurando migliaia di parametri in tempo reale dai sensori integrati nei motori, analizzandoli in base alla cronologia delle prestazioni del motore, ad altri motori della flotta e nel contesto dell’ambiente operativo per individuare anomalie e irregolarità. Queste informazioni vengono utilizzate per migliorare il consumo di carburante, ridurre l’usura del motore, prevedere le esigenze di manutenzione e fornire avvisi critici ai piloti durante il volo.

Anche solo dai pochi esempi precedenti possiamo vedere come le attuali tecnologie IA offrano miglioramenti significativi e opportunità di crescita per il settore della robotica e dell’automazione in un’ampia gamma di campi. Tuttavia, questi sono tutti esempi di IA ristretta, l’IA progettata per svolgere un compito specifico come imparare a raccogliere un oggetto, superare gli ostacoli o imitare un essere umano. Al contrario, l’IA generale sarebbe di gran lunga più potente, ma anche molto più difficile da sviluppare.

John McCarthy, il padre dell’IA, aveva teorizzato che, se è possibile descrivere qualsiasi cosa nel mondo in modo che un computer sia in grado di comprenderla, dovrebbe essere possibile automatizzare qualsiasi attività, a condizione che le capacità fisiche del sistema siano sufficienti.⁶ Nella pratica, tuttavia, questo processo è estremamente impegnativo: si dovrebbe infatti spiegare all’algoritmo come funziona il mondo in termini di fisica, norme sociali ecc. Come afferma Stuart Russell, professore di informatica all’Università della California di Berkeley⁷, “Quando chiedi a un essere umano di portarti una tazza di caffè, non pensi che questa sia la sua missione di vita e che non esista nient'altro di importante nell’universo. [...] Naturalmente, tutte le altre cose a cui teniamo reciprocamente dovrebbero essere prese in considerazione nel suo comportamento. [E] gli algoritmi ci impongono di specificare tutti questi elementi nell’obiettivo.”

Il professor Russell ha inoltre osservato che le stime per il raggiungimento dell’IA generale confluiscono tutte verso il 2045, ma ritiene che sia più probabile che ciò si verificherà verso la fine del secolo. McCarthy ha concluso dicendo che⁸ “per sviluppare l’IA a livello umano [IA generale] potrebbero servire 1,7 Einstein, 2 Maxwell e 5 Faraday...”

Arriveremo all’IA a livello umano, ma avremo quasi certamente bisogno di nuove idee, quindi non è possibile prevedere una data attendibile. Ci vorranno cinque o forse cinque cento anni. Sarei propenso a scommettere sul 21° secolo.

John McCarthy, ex professore di informatica all’Università di Stanford⁹

“Stare sulle spalle dei giganti”¹⁰: questa metafora rappresenta l’idea secondo la quale tutto ciò che realizziamo si basa sulle conoscenze tramandate dai nostri predecessori. Ci viene insegnata la loro saggezza, impariamo dalle loro scoperte e “costruiamo” basandoci sul loro lavoro. L’IA può tuttavia minacciare questo processo evolutivo di innovazione. Oggi i risultati prodotti dai sistemi di IA si basano su un insieme così ampio di dati e possono coinvolgere relazioni e interdipendenze così complesse che diventa sempre più difficile per noi comprenderne la logica. Se non riusciamo a capire in che modo pensa la macchina, ma diventiamo allo stesso tempo sempre più dipendenti dai suoi risultati, potremmo perdere la capacità di imparare e innovare.

Anche se mancano ancora molti decenni al raggiungimento dell’IA generale, i progressi nell’IA ristretta, nonché il corredo di supporto delle tecnologie di piattaforma e l’oceano di dati in continua espansione, consentiranno probabilmente una maggiore autonomia nella robotica e nell’automazione e creeranno opportunità di mercato molto ampie per il settore. E via via che continuano i progressi verso l’intelligenza artificiale generale, tali opportunità aumenteranno ulteriormente.

Riteniamo che stiamo entrando in un’epoca d’oro dell’innovazione nella robotica e nelle tecnologie digitali in senso più ampio; siamo convinti che queste innovazioni consentiranno significativi passi avanti nella produttività economica e nella sostenibilità e che offriranno opportunità d’investimento per gli investitori più pazienti.

Le società sopra menzionate sono state indicate soltanto a titolo illustrativo e non costituiscono una sollecitazione o un’offerta di acquisto o vendita di un investimento. Ove questi materiali contengano affermazioni relative al futuro, queste hanno natura previsionale, sono soggette a rischi e incertezze e non sono garanzia di risultati/performance futuri.

1. “World Robotics 2022 – Industrial Robots.” Statistics, Market Analysis, Forecasts and Case Studies. International Federation of Robotics. 2022 (n.d.). p. 16.
2. Citazione tratta da “The robot revolution has arrived”, David Berreby, National Geographic, settembre 2020.
3. ANYbotics (n.d). Automate inspection across industries. Link; scaricato il 10 agosto 2023.
“USPS gets ahead of missing packages with AI edge computing”, Federal News Network, maggio 2021, scaricato il 3 agosto 2023.
5. “Reflecting on DeepMind’s AlphaFold AI success,” Paul Workman, agosto 2021, www.icr.ac.uk, scaricato il 3 agosto 2023.
6. “From here to human-level AI”, Professor John McCarthy, Università di Stanford, ottobre 2007. Articolo pubblicato in “Artificial Intelligence” (Science Direct), Elsevier, scaricato il 14 agosto 2023
7. “What is AI?”, Professor Stuart Russell, giugno 2022, serie di interviste WEF, pubblicato in World Economic Forum. scaricato l’11 agosto 2023.
8. “Optimism as Artificial Intelligence Pioneers Reunite,” John Markoff. Pubblicato in The New York Times, December 7, 2009, scaricato il 14 agosto 2023.
9. “From here to human-level AI”, Professor John McCarthy, Università di Stanford, ottobre 2007. Articolo pubblicato in “Artificial Intelligence” (Science Direct), Elsevier, scaricato il 14 agosto 2023
10. Metafora attribuita a Bernard Chartres (citata in “Metalogicon”, John Salisbury, 1159)