Esistono cinque percorsi che possono essere intrapresi per raggiungere nuove frontiere con l'intelligenza artificiale nel corso del 2020.
1. L’intelligenza artificiale diventa sempre più accessibile sul luogo di lavoro
Al passo con la continua crescita industriale dell’intelligenza artificiale, questa tecnologia si espanderà ben oltre l’universo della data science e verrà applicata, ad esempio, a dispositivi medici, alla progettazione nel settore automotive e alla sicurezza sul luogo del lavoro industriale.
Sempre più esperti di intelligenza artificiale hanno la possibilità deep learning esistenti, a dati più ricchi e a ricerche accessibili, il che consente di fare progressi in modo più rapido ed efficace.
Lo sviluppo dell’intelligenza artificiale avrà un impatto anche sugli utenti, in quanto strumenti quali l’etichettatura automatica consentiranno agli ingegneri di sfruttare le loro conoscenze del settore per gestire rapidamente set di dati ampi e di alta qualità, a garanzia di maggiore precisione e di probabilità di successo più elevate.
Poiché l’intelligenza artificiale è sempre più accessibile, gli utenti di svariati settori potranno utilizzarla per sviluppare progetti vincenti.
2. La diffusione di sistemi basati sull’intelligenza artificiale aumenta la complessità dei progetti
Il fatto che l’intelligenza artificiale venga utilizzata sempre di più in sistemi quali i veicoli autonomi, i motori dei velivoli, gli impianti industriali e le turbine eoliche sottolinea il notevole impatto che avrà sulle prestazioni generali di sistemi complessi e di multidominio.
Poiché l’intelligenza artificiale viene addestrata a lavorare con più tipi di sensori, come gli IMU, il LiDAR o il Radar, si continuerà ad integrarla in una serie sempre più ampia di sistemi tecnologici.
Un progetto più complesso determina inevitabilmente la necessità di simulazioni, test continui e integrazione. La simulazione consente ai progettisti di generare dati di guasto o dati sintetici per scenari che, nel mondo reale, sarebbero troppo costosi o pericolosi.
I continui test danno la possibilità ai progettisti di individuare tempestivamente i punti deboli dei set di dati di training dell’IA o i difetti di progetto di altri componenti. L’integrazione unisce la fase di esplorazione del progetto, quella di test e di implementazione all’interno di un contesto di sistema completo.
La combinazione di questi metodi consente di attuare un flusso di lavoro end-to-end in grado di dominare la complessità di progettazione dei sistemi basati sull’intelligenza artificiale.
3. L’intelligenza artificiale verrà utilizzata in dispositivi embedded a basso costo e a potenza ridotta
Nel corso del prossimo anno, assisteremo all’applicazione dell’IA su dispositivi a basso costo e a potenza ridotta. In genere, l’IA è stata utilizzata nei calcoli matematici a virgola mobile per una maggiore precisione e un più facile addestramento dei modelli, escludendo dunque i dispositivi a basso costo e a potenza ridotta che si basano sulla matematica a virgola fissa.
Gli strumenti software sviluppati di recente supportano modelli di inferenza basati sull’IA con svariati livelli di calcoli matematici a virgola fissa. Si apre, così, una nuova frontiera per gli ingegneri che ora saranno in grado di integrare l’IA nei loro progetti di unità di controllo elettronico (ECU) a basso costo per sistemi quali i veicoli, i dispositivi medici e i controller di processi industriali.
4. Il reinforcement learning passa dalle applicazioni di gioco a quelle industriali del mondo reale
Nel 2020, il reinforcement learning (RL) passerà dall’universo del gioco a quello delle applicazioni industriali del mondo reale e verrà utilizzato in particolare nella guida autonoma, nei sistemi autonomi, nella progettazione dei sistemi di controllo e nella robotica.
Vedremo ottimi risultati nei casi in cui il RL verrà utilizzato come componente per migliorare un sistema più ampio, come l’ottimizzazione delle prestazioni di un conducente in un sistema di guida autonoma.
L’intelligenza artificiale è in grado di valorizzare il controller del sistema aggiungendo un agente RL per il miglioramento e l’ottimizzazione delle prestazioni, garantendo ad esempio una maggiore velocità, un consumo minimo di carburante o tempi di risposta più brevi.
Tutto ciò può essere integrato in un modello completo di sistema per guida autonoma che include modelli della dinamica del veicolo, modelli ambientali, modelli di sensori per fotocamere e algoritmi di elaborazione immagini.
5. Le simulazioni abbatteranno la barriera principale che ostacola un’adozione efficace dell’intelligenza artificiale: la mancanza di dati di qualità
Stando a quanto dichiarano gli analisti, la qualità dei dati è uno degli scogli più grandi che ostacola un uso efficace dell’IA. Il normale funzionamento quotidiano dei sistemi genera grandi quantità di dati utilizzabili.
Tuttavia, i dati più preziosi sono anche quelli più difficili da trovare, ovvero quelli derivanti da anomalie o da condizioni critiche di guasto. Per addestrare modelli di IA precisi servono moltissimi di questi dati e la simulazione consentirà di ottenere dati idonei e di abbattere questa barriera nel 2020.
Nelle applicazioni di manutenzione predittiva, come la previsione accurata della vita utile residua di una pompa in un sito industriale, questi aspetti risultano ancora più evidenti. Poiché creare dati di guasto da attrezzature fisiche sarebbe distruttivo e costoso, l’approccio migliore consiste nel generare i dati da simulazioni in grado di rappresentare un comportamento di guasto e utilizzare i dati sintetizzati per addestrare un modello di intelligenza artificiale preciso.
La simulazione diverrà ben presto essenziale per sviluppare sistemi basati sull’intelligenza artificiale. Ad esempio, nei veicoli autonomi, la simulazione può aiutare i costruttori a progettare, verificare e implementare dei veicoli a guida autonoma nuovi e innovativi, fino ai componenti essenziali come il software embedded.
Per maggiori informazioni, visitate la sezione del sito MathWorks dedicata all’Intelligenza Artificiale.
