L’Intelligenza Artificiale generativa nella Manifattura

Ho iniziato a scrivere chiedendo a Chat Generative Pre-trained Transformer (meglio conosciuto come ChatGPT), cioè il chatbot gratuito basato sull’Intelligenza Artificiale (AI) più famoso del momento, di preparare una prima lista di casi di suo utilizzo nel settore del Manifatturiero. Il noto generatore di testo ha però una scarsa conoscenza delle PMI italiane e delle loro attività, oltre a un approccio un po’ troppo sintetico. E così ho scritto rivedendo alcune note e partendo dalle tante esperienze che il laboratorio Vision, Robotics & Artificial Intelligence (Vrai) da me co-diretto ha portato avanti in questi anni e, soprattutto, negli ultimi mesi.

Innanzitutto, la Generative AI è una delle appli­cazioni emergenti nell’ambito dell’Intelligenza Artificiale. La sua capacità generativa consente di produrre dati sintetici e di supportare l’uomo nelle sue attività creative. Le applicazioni della Generative AI sono sempre più diffuse nell’In­dustria multimediale, nella Sanità, nell’Arte, nel Design e nella ideazione e produzione di nuovi prodotti. La società di ricerca Gartner l’ha clas­sificata nei Top Strategic Technology Trends del 2022. “È una tecnologia dirompente in grado di generare artefatti che in precedenza si basavano sulla creatività dell’uomo, garantendo risultativi innovativi privi di quei pregiudizi tipici dell’espe­rienza umana e dei suoi processi di pensiero”, si legge nel report. Gartner ritiene inoltre che: “I leader IT a livello globale devono utilizzare una governance appropriata per sfruttare  il suo stra­ordinario potenziale creativo”.

Sotto il grande capitolo della Generative AI rien­tra una varietà di tecnologie che consentono a un sistema di apprendimento automatico, oppor­tunamente allenato grazie a un insieme di Data set tematici, di creare contenuti artificiali e dati sintetici di varia natura. La tecnologia più rappre­sentativa è costituita dalle Generative Adversarial Network (Gan), particolarmente note per via del loro utilizzo nella creazione dei deepfake, ovvero contenuti audio-video in grado di sostituirsi in maniera molto accurata alla controparte reale.

Tra gli esempi più frequenti c’è la sostituzione del volto in un video, perfettamente coerente con la sua animazione facciale, o la creazione di un audio falso con la voce identica a quella del soggetto che si intende imitare. Le Gan non sono l’unica tecnologia attiva nell’ambito delle Generative AI. Tra le più diffuse ritroviamo anche i transformer (un tipo di architettura di rete neu­rale utilizzata per il processamento di sequenze di dati, come il testo o l’audio), molto efficaci con il linguaggio, e i variational auto encoder (modelli generativi non supervisionati che pos­sono apprendere la distribuzione sottostante dei dati e generare un modello complesso), disponi­bili anche in diverse App per i nostri smartphone.

I settori di utilizzo sono in continuo aumento

Nonostante la giovane età della tecnologia, le applicazioni della Generative AI sono già piuttosto diffuse. Non è raro incontrarle in contesti come l’i­mage processing, cioè la ricostruzione di immagini a risoluzione maggiore, con livello di dettaglio più elevato, oppure nel restauro dei video su suppor­to analogico, per ‘rimasterizzare’ i film di vecchia generazione, portandoli comodamente a un’alta risoluzione più moderna, ripulendo l’immagine e rendendola più nitida, con tanto di ricostruzione del colore. Questi strumenti sono usati anche nelle simulazioni in ambito medicale in supporto alle tecnologie 3D per visualizzare protesi (figura 1) e organismi molecolari, oltre che nell’attività diagnostica e nella ricerca microbiologica, perché hanno la capacità di rilevare situazioni maligne nella diagnosi precoce ed effettuare ricerche su agenti patogeni.

La tutela della privacy è un ulteriore settore di utilizzo, dato che la Generative AI può fornire protezione delle identità sensibili tramite ava­tar per rendere impossibile il riconoscimento di soggetti che potrebbero essere vittima di persecuzioni, per esempio durante il rilascio di un’intervista. Infine, la generazione di dataset sintetici: la tecnologia sopracitata dà supporto al potenziamento dei set di dati che addestrano reti neurali in presenza di eventi rari, non solo a supporto delle decisioni, ma ora anche come forme di addestramento dei moderni approcci di AI.

Iniziano infatti a delinearsi dei filoni sem­pre più strutturati, capaci di andare ben oltre le potenzialità di una singola applicazione, confi­gurandosi in maniera sempre più evidente quali discipline autonome nell’utilizzo delle capacità generative dell’AI nelle PMI manifatturiere italia­ne. Secondo la società di venture capital Sequoia Capital, inoltre, l’AI generativa ha il potenziale di generare trilioni di dollari di valore economico, grazie a una nuova modalità di lavoro che rende più efficienti e creativi i miliardi di lavoratori della conoscenza in tutto il mondo.