EO_508

TECH FOCUS INDUSTRY 4.0 AI parte dei produttori non dispone di una tabella di mar- cia e di un quadro completi per guidare l’integrazione dell’IA nei modelli e nei processi di business esistenti. Questa mancanza di comprensione, orientamento e pratiche comuni, rappresenta un ostacolo critico per la trasformazione digitale basata sui dati comunemente associata alla visione dell’Industria 4.0. Sebbene di- versi sforzi di ricerca abbiano spinto verso l’implemen- tazione di soluzioni di intelligenza artificiale nel setto- re, le aziende spesso non riescono a portare a termine l’obiettivo prefissato, perdendo l’opportunità di trarne tutti i benefici. A causa della mancanza di prove sufficienti di applicazio- ni industriali di successo dell’IA, l’adozione industriale della tecnologia è quindi ostacolata. Dal punto di vista della ricerca, ciò aggrava i problemi con la disponibilità e la qualità dei dati poiché i produtto- ri continuano a segnalare e registrare i propri dati in una varietà di formati non standard con vari gradi di qualità, rendendo difficile interrompere questo ciclo senza ap- procci sistematici per l’implementazione e la gestione di soluzioni di intelligenza Artificiale Industriale. Le tecnologie abilitanti Sebbene la teoria e i concetti alla base dell’IA indu- striale siano fondamentali per la sua comprensione e il progresso scientifico, è attraverso gli strumenti che il suo potenziale può essere pienamente realizzato per risolvere i problemi del mondo reale. A questo pro- posito, questo campo presenta un ricco ecosistema di tecnologie, strumenti, framework e librerie che sono alimentati da una vasta comunità che cavalca l’entu- siasmo dei recenti progressi dell’IA (oltre all’attuale tecnologia nella ricerca operativa). Uno strumento di base ampiamente adottato per le ap- plicazioni ML tradizionali consiste in un insieme di va- rie librerie open source. La preelaborazione dei dati, la selezione e la valutazio- ne del modello, facilita la manipolazione dei dati per il calcolo scientifico. Per il Deep Learning, Tensorflow (le alternative inclu- dono Pytorch e CNTK) è una piattaforma ML end-to- end open source di base per il Deep Learning fornita da Google . Tensorflow offre un ampio ecosistema di stru- menti, dai moduli grafici alla visualizzazione con Ten- sorBoard. È disponibile anche tramite Google Colab, un servizio cloud che fornisce gratuitamente accesso al calcolo GPU e TPU con il minimo sforzo e le risorse richieste su macchine locali, rendendolo interessante anche per ambienti di formazione e insegnamento. API di livello superiore come Keras forniscono interfacce user-friendly per una rapida sperimentazione e flessi- bilità. In definitiva, la risposta alla domanda “Qual è lo stato attuale e quale sarà il futuro dell’IA nella produzione industriale?” è formulata dagli attuali risultati della ricerca e dalle principali sfide e direzioni future della ricerca. Le considerazioni sullo stato attuale delle applicazioni dell’IA industriale hanno portato alla categorizzazione delle principali sfide attuali che devono essere affron- tate sul campo, consentendo la formulazione dei pos- sibili futuri sforzi delle aziende industriali per facili- tare la transizione verso implementazioni industriali di successo basate sui volumi di dati e sulle soluzioni efficaci dell’IA industriale. L’apprendimento automatico (ML - Machine Learning) è considerato una delle sottoaree centrali, anche se non l’unica, dell’IA Tensorflow è una piattaforma ML end-to-end open source di base per il Deep Learning fornita da Google ELETTRONICA OGGI 508 - MARZO 2023 44