L’AI integrata nelle macchine è in grado di rilevare lo stato dei processi, i danni a carico dei cuscinetti o degli statori dei motori elettrici, i guasti all’elettronica di controllo e perfino i cambiamenti nel comportamento del sistema. In questo modo è possibile adottare in anticipo misure di manutenzione per la prevenzione dei guasti.
Il termine intelligenza artificiale è stato coniato negli anni ‘50, quando il matematico britannico Alan Turing pubblicò un articolo in cui si domandava se le macchine potessero pensare. “L’intelligenza artificiale permette ai sistemi di capire il proprio ambiente, mettersi in relazione con quello che percepisce, risolvere problemi e agire verso un obiettivo specifico. Il computer riceve i dati (già preparati o raccolti tramite sensori), li processa e risponde”. Questa è la risposta data dalla stessa intelligenza artificiale sulla propria natura, in base ad un algoritmo istallato su un normale motore di ricerca sul web.
Una definizione più approfondita descrive l’intelligenza artificiale come una disciplina che studia se e in che modo si possano realizzare sistemi informatici intelligenti, cioè in grado di simulare la capacità e il comportamento del pensiero umano. La AI (questa è la sua sigla internazionale) permette ai sistemi di capire il proprio ambiente, mettersi in relazione con quello che percepisce e risolvere problemi, quindi fornire le informazioni utili per agire verso un obiettivo specifico. Da quanto sopra affermato, si deduce che l’intelligenza di una macchina deriva principalmente dalla capacità di elaborare i dati a sua disposizione, e quindi dipende dai dati che vengono forniti dai sensori, che oggi dominano, in termini di diffusione, livello di crescita e importanza strategica, quasi ogni settore tecnologico: un evidente esempio è rappresentato nel settore consumer dai moderni smartphone, dalle incredibili potenzialità concentrate in poco spazio, rese possibili dai loro sensori di prossimità integrati, da lettori di impronte digitali, dal GPS per la geolocalizzazione e l’utilizzo delle mappe stradali, ma anche da giroscopi, accelerometri, barometri e cardiofrequenzimetri per le più svariate applicazioni.
Algoritmi
L’elaborazione dei dati tramite algoritmi consente l’analisi automatica dei dati complessi ricavati dai sensori. In questo modo le informazioni desiderate, e quindi il loro valore aggiunto, vengono ottenute dai dati lungo la catena di elaborazione. Per lo sviluppo di modelli, che sono parte di un algoritmo di AI, esistono fondamentalmente due metodi. Il primo consiste nel realizzare modelli mediante formule e relazioni esplicite tra i dati e le informazioni desiderate. Questo approccio richiede la disponibilità di in- formazioni di tipo fisico, che combinino i dati dei sensori con le informazioni di base, che potrebbero essere descritte sotto forma di equazioni matematiche: quindi confronta i dati reali con quelli di riferimento. Invece, se si dispone solo di dati sperimentali, senza possedere o conoscere dati di riferimento con cui compararsi, si devono scegliere i cosiddetti approcci “data driven”. Questi algoritmi ricavano le informazioni desiderate direttamente dai dati sperimentali: comprendono la gamma completa di metodi di machine learning, tra cui la regressione lineare, le reti neurali ed i modelli di Markov nascosti, cioè non osservabili direttamente, ma dedotti da legami logici.
