L’evoluzione dell’intelligenza artificiale nei sistemi avanzati di droni

Sistemi intelligenti multidrone, più della somma delle singole parti

Oggi l’intelligenza artificiale e il deep machine learning permettono agli UAS, gli Unmanned Aircraft Systems, ovvero i sistemi aerei senza pilota, di scalare e intensificare il loro impatto in numerosi settori con applicazioni senza precedenti

Di tanto in tanto, il mondo assiste a significativi picchi di innovazione grazie al concorso casuale di condizioni favorevoli nella tecnologia, nel business e nella società in generale. La crescita esplosiva delle applicazioni innovative degli Unmanned Aerial Vehicles (UAV) negli ultimi 10 anni può essere eguagliata solo dal World Wide Web e dall’iPhone. Se il volo telecomandato esisteva da quando la Royal Air Force britannica lanciò l’aereo Queen Bee nel 1935, successivamente i droni si sono evoluti a livelli più elevati di sofisticatezza, ma sono rimasti, per la maggior parte, limitati alle applicazioni militari. Forse, i due momenti spartiacque che hanno trasformato i droni in veri prodotti di consumo sono avvenuti nel 2010, quando Parrot guidò il suo AR Drone con un’app per iPhone al CES, e nel 2013, quando DJI dotò il suo drone Phantom di una fotocamera.

TI PIACE QUESTO ARTICOLO?

Iscriviti alla nostra newsletter per essere sempre aggiornato.

La facilità di navigazione, le capacità di acquisizione delle immagini e la miniaturizzazione dei processori ARM hanno fornito un terreno fertile per le applicazioni di intelligenza artificiale in tutti i settori. Questa potente combinazione ha consentito ai droni di entrare in un’impressionante varietà di ambiti, tra cui l’ISR (Intelligence Surveillance and Reconnaissance) e il targeting, il mondo cinematografico, l’agricoltura, la logistica, l’ingegneria e la protezione civile. L’iPhone, la fotocamera GoPro, il GPS e l’intelligenza artificiale hanno provveduto ad accendere questa tecnologia, e il numero di applicazioni ma anche di problemi in attesa di soluzione tramite gli UAV è oggi limitato solo dall’immaginazione.

Il vantaggio dell’AI

I computer hanno consentito la massiccia automazione e la scalabilità dell’elaborazione delle informazioni. L’intelligenza artificiale d’altra parte ha spostato il computing a un livello molto più alto, consentendo una massiccia automazione del ragionamento o, più precisamente, la scoperta di soluzioni e l’ottimizzazione dei parametri: le due operazioni che consentono alle macchine di apprendere.

Leggi anche:  Lavoro flessibile, il connubio vincente tra ibrido e smart

Un termostato AI, per esempio, può “apprendere” l’impostazione della temperatura ottimale che riduce al minimo il numero di spostamenti che una persona compie per riscaldare o raffreddare una casa o un ufficio. Per fare ciò, un algoritmo di apprendimento automatico raccoglie molti dati come la temperatura e l’azione che la persona compie ogni volta che imposta il termostato. Ciò fornisce all’algoritmo un prezioso feedback su quale impostazione corretta dovrebbe essere data alla temperatura ambiente, all’ora del giorno, e così via. Tutti gli algoritmi di apprendimento automatico seguono lo stesso principio, tranne per il fatto che utilizzano centinaia o migliaia di “termostati”, ognuno dei quali apprende un parametro oscuro all’interno dell’algoritmo. L’accumulo di apprendimento da queste unità si traduce in intelligenza artificiale come il riconoscimento di un gatto in un’immagine, il parcheggio parallelo di un autotreno, la traduzione di testi dal mandarino all’arabo senza alcuna conoscenza preliminare del vocabolario o della grammatica o l’identificazione di cellule terroristiche in un social network.

Le applicazioni pratiche e di maggior successo dei droni oggi sfruttano l’intelligenza artificiale per il riconoscimento e la combinazione delle immagini. Anche se questo è di gran lunga inferiore a quella che è la piena promessa dell’IA, sta comunque avendo un impatto enorme, aiutando ad automatizzare e scalare una vasta gamma di applicazioni, e soprattutto a costi minimi. I droni volano all’interno delle cattedrali e dei tesori architettonici d’Europa per costruire modelli 3D completi. I droni contano le pecore in Israele e, sorprendentemente, restano svegli. Gli ingegneri civili utilizzano i droni per scansionare costantemente grandi strutture come ponti, dighe e piattaforme petrolifere al fine di rilevare difetti strutturali prima che diventino seri problemi. E, naturalmente, i militari usano i droni ormai da decenni per raccogliere informazioni sul campo. L’imaging dei droni sta diventando così diffuso da impattare ogni ambito di applicazione.

Le condizioni contano

I droni che scansionano l’interno di una cattedrale, per esempio, godono di molti lussi che raramente sono concessi a molti in altri ambiti. Infatti, i droni possono facilmente tornare alle stazioni di ricarica ogni volta che hanno bisogno di energia. Possono utilizzare la banda larga per caricare i loro video ad alta risoluzione sul cloud per essere elaborati in data center giganteschi. Sono protetti da vento, pioggia, furti e attacchi, e corrono pochi rischi per la sicurezza informatica: l’AI non può fare il suo lavoro senza alcuni di questi lussi. La sfida delle applicazioni operative in ambienti ostili come zone di guerra o incendi boschivi richiede una grande quantità di infrastrutture di supporto e droni più grandi e potenti. Questa sfida offre una grande opportunità per l’AI di fornire funzioni di “supporto operativo”. Sebbene meno affascinanti dell’identificazione degli oggetti, della navigazione e della determinazione del contesto, queste funzioni di supporto ottimizzano e pre-elaborano i dati per mitigare la mancanza di capacità di elaborazione e di trasferimento dati ad alta velocità. In altre parole, anziché caricare immagini ad alta risoluzione sul server o elaborarle sul drone, gli algoritmi di intelligenza artificiale vengono utilizzati per campionare le immagini e acquisire solo le caratteristiche rilevanti, come i bordi, la posizione di ciascun occhio rispetto al naso, e così via. Queste funzionalità possono quindi essere caricate su un server che richiede una larghezza di banda molto inferiore e utilizza molta meno energia. Un altro approccio molto utile, che viene spesso utilizzato nei film, consiste nell’acquisizione di alcune immagini statiche ad alta risoluzione e video a bassa risoluzione.

Leggi anche:  Net Studio, l’identità al centro delle strategie di cybersecurity

Gli algoritmi di intelligenza artificiale utilizzano quindi questi due elementi per costruire video ad alta risoluzione. Una volta che il video ad alta risoluzione è sul server, la potenza di calcolo praticamente infinita può essere utilizzata dall’AI avanzata. Un drone dotato di video Full HD, per esempio, cattura immagini che contengono 1920×1080 pixel (circa 2 milioni). Utilizzando le immagini, un ottavo della risoluzione FHD produce 240×135 (o 32.400 pixel), che fornisce comunque immagini riconoscibili e si traduce in una riduzione di 64 volte della potenza richiesta per acquisire, archiviare e trasmettere le immagini, oltre a quanto richiesto dalla larghezza di banda. Molte applicazioni di intelligenza artificiale utilizzano solo immagini 64×32, il che si traduce in una riduzione di 1024 volte. I progressi nel computing e nelle batterie, nonché la maggiore disponibilità della larghezza di banda, renderanno queste funzioni di supporto meno rilevanti in molte applicazioni. Tuttavia, la spinta alla miniaturizzazione e alla continua espansione dei droni in nuovi ambiti di applicazione con ambienti ostili richiederà sempre ulteriori funzioni di supporto.


Hamid Benbrahim

Come responsabile dati e AI alla Thomas, principale piattaforma di approvvigionamento industriale in USA e Canada, attualmente sta guidando la trasformazione di Thomas Publishing in un’azienda di dati grazie allo sviluppo di nuovi indici e soluzioni per il settore finanziario, la semplificazione delle operazioni sui dati, l’implementazione di advanced analytics e AI per le vendite, il marketing e le operations. Come dirigente di alto livello, è stato CEO di Natural Numerix, chief data scientist di TD Ameritrade e responsabile della ricerca sui sistemi complessi di Fidelity Investments. Ha conseguito un MBA in Finance alla Columbia Business School e un PhD in Engineering e Machine Learning all’Università del New Hampshire.

Leggi anche:  Francesca Vergara Caffarelli, esplorare il mondo, conoscere sé stessi

Hamid Benbrahim presenterà per Technology Transfer, insieme a Derek Strauss, il seminario “Intelligenza artificiale, machine learning e data management” che si terrà online in live-streaming il 30-31 maggio 2022.