Innovazione: i sistemi di intelligenza artificiale nelle utilities
Piero Poccianti, Vice Presidente dell'Associazione Italiana per l'Intelligenza Artificiale, ha risposto alle nostre domande relative, principalmente, al rapporto tra i sistemi di intelligenza artificiale e le utilities. Al momento l'ottimizzazione delle fonti energetiche e l'automazione dei call center sono gli ambiti in cui sono state registrate le maggiori applicazioni dei sistemi di A.I.
Nel corso dell'ultima edizione dell'evento Utility Day 2017, organizzato da IKN, si è anche parlato dei principali risultati raggiunti e delle prospettive future delle soluzioni di A.I.
Intervista a Piero Poccianti, Vice Presidente dell'Associazione Italiana per l'Intelligenza Artificiale, a cura di Orizzontenergia
Quali sono i principali ambiti applicativi dei sistemi di A.I. nelle utilities?
Nel tempo i sistemi di A.I. (Artificial Intelligence) hanno sviluppato moltissime tecnologie e paradigmi. Oggi ne parliamo tutti, in realtà sono decenni che abbiamo realizzazioni di A.I. nascoste negli elettrodomestici, nei sistemi di previsioni (per esempio dei consumi), in applicazioni in grado di rilevare le frodi, di segmentare la clientela, di esprimere la conoscenza di un esperto in un determinato ambito.
Oggi ne parliamo perché alcune applicazioni hanno cominciato ad uguagliare e superare le capacità umane. Pensate a Watson che supera i grandi campioni di Jeopardy, ad AlphaGo che batte i campioni di Go (cosa che pensavamo impossibile, dato il livello di complessità del gioco), alle applicazioni diagnostiche che superano i medici specializzati.
La Electronic Frontier Foundation sta creando una metodologia di misura e una base dati per confrontare in ambiti specifici le capacità delle macchine con quelle dell’uomo. Ci sono diversi ambiti dove le macchine da qualche anno, superano l’uomo. In realtà non sono macchine intelligenti in senso generale. Io le chiamo “Idiot Savant Artificial Intelligence”. Sono geni in ambiti ristretti. Siamo molto lontani da costruire una macchina intelligente in senso generale.
Esistono diversi studi che cercano di predire l’impatto dell’Intelligenza Artificiale nel tempo. L’amministrazione Obama prima di concludere il suo mandato ha prodotto due studi:
- Preparing for the future of AI di Ottobre 2016 in cui vengono descritte opportunità, ma anche minacce delle nuove tecnologie;
- Artificial Intelligence, automation and economy di Dicembre 2016 dedicato agli impatti sull’economia.
La Stanford University ha dichiarato un programma di studi per 100 anni in avanti, aggiornato ogni 5 anni sugli impatti dell’Intelligenza Artificiale sul nostro modo di vivere. La prima release è stata redatta a Settembre 2016.
Premesso ciò, parliamo ora di alcune applicazioni partendo dallo scenario attuale dell’economia e delle utilities.
Uno dei primi utilizzi riguarda l’ottimizzazione delle fonti energetiche, la loro orchestrazione in base alle previsioni dei consumi su vasta scala. Esistono moltissimi lavori in questo ambito con sistemi capaci di prevedere, ragionare, pianificare e ottimizzare.
Dovete tener conto che lo sviluppo di sistemi di previsione che analizzano big data e imparano da questi modelli predittivi è in continua evoluzione e ha raggiunto un buon grado di maturità.
Gli strumenti di machine learning sono diventati di moda, anche grazie alle potenze di calcolo che abbiamo a disposizione a partire da array di Graphic Processing Unit e, più recentemente, dei Field Programmable Gate Array.
I primi sono processori grafici che contengono moltissimi core elaborativi (una volta utilizzati solo per il rendering grafico ed i videogiochi, ed oggi anche per calcolo parallelo), i secondi processori configurabili ed assemblabili mediante linguaggi di programmazione specifici capaci di realizzare processori dedicati a determinati compiti (anche questi intrinsecamente paralleli e a adatti a compiti analoghi ai primi).
In particolare i nuovi strumenti di modellazione delle deep neural network possono sfruttare queste nuove tipologie di processori e raggiungere performance precedentemente inarrivabili.
Un secondo ambito è quello dell’automazione parziale o totale dei call center con la possibilità di rispondere all’utente colloquiando in linguaggio naturale e risolvendo il suo problema specifico (sia questo di natura amministrativa, che segnalazione di guasto, ecc.).
Dobbiamo pensare poi anche ad una prospettiva di evoluzione dello scenario economico ed ecologico e di quale ruolo avranno le utilities in questi cambiamenti, inserendo anche nel ragionamento le possibilità dell’Intelligenza Artificiale.
L’impatto sull’ambiente delle attività umane è ormai innegabile. Ma esiste anche un problema nell’economia del benessere che è ormai diventata globale.
Il modello sta andando in crisi. Anche perché sembra che sia rimasto solo, senza alternative. Un modello unico è destinato a soccombere, manca l’evoluzione.
Io ritengo, insieme a molti altri, che dovremo cambiare il modello, andando verso una economia circolarenella quale non esistono rifiuti, ma ogni cosa viene utilizzata e riutilizzata in cicli simili a quelli con cui la vita sul pianeta opera dalla sua nascita.
In questo scenario l’Intelligenza Artificiale diventerà ancora più importante per supportare le nostre decisioni e definire scenari nuovi di costruzioni di città a misura d’uomo, non soltanto per ridurre gli impatti ambientali ed i costi, ma anche per produrre nuovi servizi, benessere in un modello armonizzato con l’ambiente.
L’intelligenza artificiale può conferire vantaggi alle utilities in modo tale che anche il consumatore finale se ne avvantaggi? E’ possibile un processo di trasferimento dei benefici?
Progressivamente l’utente disporrà di dispositivi dedicati che lo conoscono e sono capaci di colloquiare con lui: per primi gli smartphone, ma a breve avremo anche altri dispositivi (Amazon Echo, Google Now che per ora parlano solo inglese). Questi dispositivi saranno capaci di interagire anche con la domotica in casa. Per far questo ci serviranno anche standard di comunicazione fra device diversi e app di diversi produttori.
Appare difficile costruire standard di questo genere. E’ invece promettente l’utilizzo di Ontologie basate sugli standard del semantic web che consentano di far parlare data base e linguaggi diversi interagendo e mettendo in comunicazione vocabolari eterogenei.
Attraverso questi strumenti sarà possibile usufruire di servizi, anche di aziende diverse, in modo trasparente. La complessità verrà risolta dai dispositivi (o meglio dai servizi cloud che sottendono allo stesso).
A mio avviso dovremo decentrare la produzione di energia e il suo consumo. Questo significa che le utilities dovranno cambiare radicalmente il proprio modo di fare business. Da fornitori di energia a orchestratori dei fornitori. Se non riusciranno a fornire un beneficio tangibile all’utente finale in questo scenario rischiano di essere soppiantati da altri attori più efficienti.
Anche per questo avranno bisogno di strumenti di analisi del mercato sempre più smart, capaci di integrarsi in una visione olistica dell’ambiente e dell’utente finale.
L’avvento dell’Internet Of Things apre lo scenario all’interazione e la gestione tra device intelligenti e connessi con l’AI.
Secondo il suo punto di vista, il cittadino di oggi è pronto a farsi supportare nelle proprie decisioni in ambito energetico da sistemi di A.I?
Ritengo che il cittadino oggi abbia davanti uno scenario sempre più complesso. Nel quale ha difficoltà a prendere decisioni.
Probabilmente non vorrà demandare le proprie ad un sistema dotato di autonomia. Sempre più però le decisioni potrebbero avere necessità di immediatezza e autonomia.
Questa problematica è stata affrontata da tempo nei sistemi di Intelligenza Artificiale che prendono il nome di sistemi di supporto alle decisioni.
- L’utente deve essere in grado di configurare il sistema decidendo in quali situazioni lo stesso può precedere in modo autonomo e in quale altre può solo suggerire comportamenti e attività;
- L’utente deve poter esaminare il log delle operazioni effettuate chiedendo spiegazioni e la macchina deve saper spiegare il proprio comportamento;
- Nel caso non esista una regola esplicita, ma sia un comportamento imparato dall’esperienza, la macchina deve citare i casi da cui ha imparato il comportamento dall’utente.
Lasciare un commento
Per commentare registrati al sito in alto a destra di questa pagina
Se non sei registrato puoi farlo qui
Sostieni la Fondazione AgoraVox