Controllare sistemi complessi come semafori e magazzini robotizzati grazie alle “approssimazioni” e all’intelligenza artificiale

Il ricercatore olandese Frans Oliehoek “insegna” alle macchine ad ignorare i dettagli per portare a buon fine le operazioni. Grazie alle approssimazioni sarà possibile controllare sistemi complessi.

Pubblicato il 07 Dic 2018

wordle


I computer sono in grado di capire cosa è veramente importante? Per ora no, ma presto lo saranno. Ci sta lavorando Frans Oliehoek, professore associato alla Delft University of Technology, un esperto nel campo del processo decisionale in condizioni di incertezza, con il suo progetto Influence, al quale è stato assegnato un contributo dall’European Research Council.

Influence prende come modello il modo di fare astrazioni tipico del cervello umano per sviluppare un metodo originale che consentirà alle macchine di prendere decisioni sequenziali basandosi su approssimazioni. Il sistema, in grado di gestire situazioni ad elevata complessità, è attualmente in fase di sperimentazione per controllare il sistema semaforico di un’intera città e per gestire il sistema di order-picking robotizzato in un magazzino (guardate il video!).

L’importanza dell’astrazione

Frans Oliehoek

“L’astrazione diventerà sempre più importante nel campo dell’intelligenza artificiale”, dice Oliehoek. “Un maggior uso dell’astrazione consente di stabilire un ordine gerarchico di importanza dei problemi”.

Quanto gli algoritmi attuali possano effettivamente apprendere dal mondo reale è tuttora molto dubbio, spiega il dottor Oliehoek. La sua soluzione è una nuova classe di software che prende decisioni sequenziali mettendo insieme approssimazioni di ciò che accade in ogni parte di un sistema complesso, piuttosto che cercare di costruire la sua simulazione esatta.

Per esempio, astrarrà ciò che sta accadendo in un’intera città, concentrandosi su “punti di influenza approssimativi” che contengono le informazioni critiche per consentire ai semafori di un particolare incrocio di rispondere correttamente.

L’idea chiave è che utilizzando metodi di (deep) machine learning, si possono fare rappresentazioni sufficientemente accurate di tali influenze per poter prendere decisioni quasi ottimali. “Sono abbastanza sicuro che possiamo usare i recenti progressi dell’intelligenza artificiale per creare i punti di influenza approssimativi”, dice Oliehoek.

Un tale approccio imita il modo in cui gli esseri umani cercano di anticipare ciò che accadrà dopo. “Quando parlo con una persona ho forse un modello completo del suo cervello?”, chiede retoricamente Oliehoek. “No, perché sarebbe troppo complesso. Ma posso ancora prevedere le domande che il mio interlocutore potrebbe pormi usando approssimazioni”.

Una delle cose più impressionanti del cervello umano è la sua capacità di assegnare priorità, filtrando rapidamente le informazioni rilevanti dall’enorme quantità di dati raccolti dai sensori del corpo. Influence farà un passo decisivo per dotare l’IA della stessa capacità.

A occuparsi della diffusione di questo e degli altri progetti dell’ERC è il progetto ERC=Science² (ScienceSquared), una campagna di comunicazione europea che si propone di evidenziare l’impatto potenziale di ricerca e tecnologie sulla vita di tutti i giorni.

Valuta la qualità di questo articolo

Franco Canna
Franco Canna

Fondatore e direttore responsabile di Innovation Post. Grande appassionato di tecnologia, laureato in Economia, collabora dal 2001 con diverse testate B2B nel settore industriale scrivendo di automazione, elettronica, strumentazione, meccanica, ma anche economia e food & beverage, oltre che con organizzatori di eventi, fiere e aziende.

email Seguimi su

Articoli correlati

Articolo 1 di 2