Mi interessa l’intelligenza artificiale…

L’intelligenza artificiale abbraccia tutte le applicazioni in cui le macchine imitano funzioni cognitive umane, come l’apprendimento e la risoluzione di problemi. Inizialmente limitate all’esecuzione di istruzioni, le macchine sono ora in grado di riconoscere schemi e di imparare in modo indipendente sulla base di enormi quantità di dati per elaborare previsioni e agire di conseguenza. Tuttavia, la crescente autonomia dei sistemi basati sul deep learning, la potenza di questi strumenti e il fatto che siano ormai parte integrante della nostra società richiedono una maggiore vigilanza nella loro progettazione. Le ingegnere e gli ingegneri in informatica e in sistemi di comunicazione devono assicurarsi che le distorsioni indotte dagli insiemi di dati somministrati alle macchine siano limitate, che questi meccanismi non siano usati impropriamente per la manipolazione e, se necessario, correggere questi algoritmi.

Algebra lineare, analisi vettoriale, geometria analitica e statistica sono solo alcuni degli strumenti matematici alla base del machine learning. Nonostante la crescita di questo settore, le teorie sottostanti rimangono in gran parte da chiarire. Di conseguenza, molti progetti matematici si concentrano su questo argomento. Allo stesso tempo, un ampio numero di scienziate e scienziati utilizza l’intelligenza artificiale per far progredire le proprie ricerche. Le chimiche e i chimici sviluppano nuove molecole basandosi sulle previsioni dei computer, mentre l’analisi automatica delle immagini basata sul machine learning agevola il lavoro delle fisiche e dei fisici nella ricerca di lenti gravitazionali.

Inizialmente ispirate al cervello umano, le reti neurali utilizzate nel deep learning consentono oggi di esplorare meglio la sua organizzazione e il suo funzionamento. Lavorando sui processi di apprendimento automatico, impariamo anche a conoscere meglio le nostre abilità cognitive e la nostra capacità di svolgere nuovi compiti. Infine, il machine learning ha permesso di realizzare grandi progressi in termini di analisi di immagini e previsioni in ambito medico. Alimentate da enormi quantità di dati, le macchine possono supportare i medici nell’elaborazione delle diagnosi, evidenziando dettagli che potrebbero consentire di individuare le malattie in fase iniziale o proporre terapie personalizzate.

I progressi nell’analisi e nella classificazione delle immagini consentono oggi di estrarre automaticamente informazioni geospaziali per fare previsioni ambientali e territoriali. Inoltre, lo sviluppo di veicoli autonomi è una delle sfide più comunemente citate quando si parla di intelligenza artificiale. Tuttavia, anche l’infrastruttura deve evolversi per integrare questi veicoli e consentire loro di convivere con gli altri utenti della strada. Autobus autonomi, taxi robot e ciclisti dovranno essere in grado di comunicare, capirsi e navigare in sicurezza. In queste città del futuro, le macchine saranno in grado di trovare sinergie energetiche da sfruttare, proponendo al contempo nuove forme abitative adatte alle nostre esigenze grazie al design generativo, un metodo iterativo che permette di esplorare molti concetti nel rispetto dei vincoli imposti.

Che si tratti di robot umanoidi o di veicoli autonomi, l’intelligenza artificiale mira a dare loro la capacità di percepire l’ambiente circostante, comprenderlo, imparare e agire di conseguenza. Sebbene oggi siano in grado di effettuare analisi con un’accuratezza e una velocità ineguagliabili, le macchine hanno ancora numerosi problemi a livello percettivo (riflessi del sole, nebbia o neve pesante) e hanno ancora difficoltà a interpretare le espressioni facciali e i comportamenti umani, a volte legati a usi e costumi locali. Tuttavia, l’uso del machine learning in un contesto industriale può contribuire notevolmente allo sviluppo di nuovi processi produttivi, consentendo di razionalizzare l’uso delle risorse e di lavorare sui progetti più promettenti o di effettuare manutenzioni preventive.