di Gian Luca Foresti*
“Possiamo vedere solo poco davanti a noi, ma possiamo vedere tante cose che bisogna fare”, sottolineava Alan Turing, illustre matematico e padre dell’informatica, per sostenere che il domani sarà il risultato di quello che programmiamo oggi. La capacità di prevedere le nuove sfide è, infatti, una di quelle abilità che fanno la differenza nella crescita e nello sviluppo di un’azienda e non solo.
Le tecniche di Intelligenza Artificiale (AI), grazie alla disponibilità sempre maggiore di dati e alla crescita della capacità di calcolo (a breve con l’impiego dei calcolatori quantistici ci sarà un ulteriore impulso), stanno oggi ponendo nuove e stimolanti sfide. I dati che i sistemi digitali generano durante i processi aziendali sempre di più contengono il know-how dell’azienda e stanno diventando il cardine fondamentale per accelerare lo sviluppo e la crescita.
Tali dati rappresentano da una parte il principale fattore di ricchezza dell’azienda (i dati come il nuovo petrolio afferma Mikko Hypponen, Chief Research Officer di F-Secure), ma dall’altra aumentano in modo esponenziale la richiesta di protezione e sicurezza.
Le tecniche di AI supervisionate stanno piano piano entrando a far parte del modello di business di molte aziende, permettendo l’implementazione di nuove funzionalità quali l’individuazione e la classificazione automatica e in tempo reale di difetti e anomalie nei processi di produzione (Anomaly Detection), così come la previsione di comportamenti critici dei sistemi finalizzata alla manutenzione preventiva (Failure detection and predictive maintenance).
Gli approcci di Machine/Deep Learning supervisionati tuttavia richiedono in fase di addestramento (training) grandi quantità di esempi pre-classificati che in molti contesti aziendali, soprattutto nelle medie e piccole aziende, non sempre sono disponibili o richiedono investimenti importanti per generarli. Inoltre, i dataset disponibili per il training molto spesso risultano poco popolati o sbilanciati ossia composti da molti esempi di una classe (oggetti privi di difetti) e relativamente pochi di un’altra classe (oggetti con anomalie).
Le nuove frontiere dell’Intelligenza Artificiale guardano con grande attenzione allo sviluppo di tecniche di Machine/Deep Learning non supervisionate (unsupervised) in grado di apprendere con continuità (continuos learning) dalla semplice analisi dei dati generati dai sistemi durante il loro normale funzionamento così come sono in grado di identificare comportamenti anomali all’interno di una rete dati (cybersecurity).
Una nuova frontiera che si avvicina offre nuove opportunità, ma servono investimenti, conoscenze e soprattutto competenze che il digital innovation hub IP4FVG, a mio avviso, può contribuire a formare, collaborando strettamente con le realtà pubbliche e private del territorio.
Gli approcci e le nuove frontiere dell’Intelligenza Artificiale e della Cyberesecurity sono al centro delle tematiche affrontate nell’ambito del Master in Intelligence e ICT dell’Università di Udine, giunto alla terza edizione, e sono stati anche quest’anno al centro della quarta edizione dell’International Summer School on Artificial Intelligence, che si è svolta dal 28 giugno all’1 luglio 2021. Promossa dal Dipartimento di Scienze Matematiche, Informatiche e Fisiche dell’Università di Udine, dal Digital Innovation Hub (DIH) di Udine, dal Cluster ICT regionale Ditedi e da Area Science Park, la summer school, che nelle passate edizioni ha visto la partecipazione di oltre ottanta studenti e ricercatori, provenienti da diverse parti del mondo, e di oltre sessanta rappresentanti di aziende del territorio, è organizzata nell’ambito delle attività del Digital Innovation Hub del Friuli Venezia Giulia, IP4FVG.
*Direttore del Dipartimento di Scienze Matematiche, Informatiche e Fisiche, Università di Udine