Faccia a faccia con Emilio Billi e Stefano Serra

Osannata per le enormi potenzialità che è in grado di offrire e, al tempo stesso, temuta per la possibilità che possa sostituire l’uomo, l’Intelligenza Artificiale si afferma sul mercato, passando da chimera che tutto può fare a reale strumento di lavoro, discriminante di competitività negli anni a venire. Con un’intervista a due voci Officelayout approfondisce le caratteristiche e potenzialità dell’intelligenza artificiale, indagando i possibili impieghi nell’ambito della ricerca e sviluppo di materiali.

Emilio Billi, Imprenditore e tecnologo, esperto in calcolo ad alte prestazioni, apprendimento automatico e sviluppo di algoritmi avanzati, ci porta oltre i luoghi comuni, spiegando come l’IA non solo non rimpiazzerà l’intelligenza umana, ma la potenzierà, a patto che venga utilizzata in modo corretto con le giuste competenze.

Mentre Stefano Serra, chief operating officer di Adam, ci guida verso le possibili applicazioni nel campo della ricerca e sviluppo di nuovi materiali e di meta-materiali che rappresentano la nuova frontiera dello studio dei materiali, che raccoglie sempre più interesse, per l’ampia gamma di applicazioni in cui possono trovare impiego. Si tratta infatti di materiali creati artificialmente le cui caratteristiche non dipendono solo dalla struttura molecolare, ma anche dalla geometria realizzativa. Ambito nel quale l’IA evolutiva può giocare un ruolo chiave.

Officelayout: Partiamo inquadrando il tema dell’intelligenza artificiale di cui oggi si parla molto. È possibile una definizione univoca di IA? 

Emilio Billi: Bisogna partire dalla definizione di intelligenza. L’errore che spesso si fa è quello di rapportare ogni forma di intelligenza a quella umana. Un approccio estremamente sbagliato, perché porta a ritenere che l’intelligenza umana sia l’unica forma di intelligenza sulla faccia della Terra, ma in realtà non è così. Gli animali sono intelligenti, persino le piante lo sono, come dimostrano i recenti studi di Stefano Mancuso. Ma se definiamo l’intelligenza delle piante con i parametri dell’intelligenza umana facciamo un grosso errore.

Allora, quale definizione reale dell’intelligenza può abbracciare tutte le specie, ognuna con le proprie caratteristiche? Penso si possa sintetizzare con la capacità di risolvere problemi in maniera non rigida. Cosa significa “non rigida”? Fondamentalmente una risoluzione dinamica a un problema quindi, non seguendo regole scritte, ma utilizzando la capacità di ragionamento. Questa definizione di intelligenza può essere applicata anche all’intelligenza artificiale che, seguendo questo ragionamento, è uno strumento che permette all’uomo di porre dei quesiti alla macchina per trovare nuove soluzioni non rigide. Nell’informatica questo significa far in modo che la macchina possa risolvere un problema senza essere stata esplicitamente programmata per farlo. Un enorme passo avanti, perché in precedenza il computer era una macchina rigida che faceva esattamente ciò per cui era stato programmato. Questo fino a quando sono state definite nuove regole, che hanno permesso di “insegnare” alla macchina, attraverso una serie di esempi, come risolvere problemi. In questo modo la macchina può arrivare, con un ragionamento autonomo, per imitazione, per comparazione, per analisi e combinazione, alla soluzione del problema. Questo è rivoluzionario per l’uomo.

Che rapporto sussiste tra Intelligenza Artificiale e Informatica?

E.B.: Come ho detto, nel caso dell’intelligenza artificiale la macchina non viene esplicitamente programmata. C’è un’infrastruttura matematica basata su reti neurali, combinazioni complesse di operatori matematici che lavorano sui dati. L’informatica riguarda unicamente l’interfaccia input-output, che ci permette di interagire con la macchina. Tutto quello che avviene in mezzo non è sotto il controllo dell’uomo è matematica applicata ai dati.

Entrando maggiormente nel dettaglio, si parla di Intelligenza Artificiale Generativa ed Evolutiva. Cosa si intende e che ricadute avrà questo passaggio dal punto di vista degli sviluppi applicativi? 

E.B.: Lo dice il termine, l’Intelligenza Artificiale Generativa genera contenuti. Quindi non solo analisi dei dati e predizione ma, sulla base di quello che ha appreso, la macchina combina le informazioni per generare contenuti complessi.

Lo step successivo è considerare il computer non come singola entità, ma come parte di più entità che lavorano in parallelo, come se fossero tante persone che analizzano lo stesso problema da punti di vista diversi per giungere a un risultato che rappresenta la media di tutte queste pre-analisi. In questi termini, con un computer potente, si potrebbe simulare l’intelligenza di una folla.

C’è un teorema che afferma che se facessimo la media pesata di tutte le previsioni fatte da decine e decine di persone, il risultato ottenuto sarebbe quello più vicino al dato reale. Allora perché non farlo con una macchina? Istruendo una serie di reti predittive parallele, ognuna con criteri differenti, si può ottenere una media matematica pesata delle diverse predizioni. Il risultato è quello che noi chiamiamo intelligenza della folla.

Lo step successivo è dunque simulare migliaia, se non centinaia di migliaia di risposte che si avvicinano a un’idea per poi scartare quelle non soddisfacenti e tenere solo quelle che hanno le caratteristiche migliori. È una sorta di evoluzione alla Darwin, da qui la scelta del nome. Faccio un esempio, se il quesito è costruire un edificio efficiente dal punto di vista energetico, affidabile nel tempo e poco costoso… posso chiedere alla macchina di generare nuove idee, magari a partire da schizzi preparati a monte. La macchina lavorerà gli schizzi sulla base delle proprie conoscenze e genererà una serie di possibili soluzioni confrontandole tra loro e mantenendo quelle che si avvicinano di più alle caratteristiche richieste. Dopodiché, per ognuna di queste idee vengono generate nuove famiglie di idee, con le stesse caratteristiche, magari modificando alcuni parametri. Quelle che si avvicinano di più vengono mantenute, le altre vengono scartate. Immaginiamo questo processo fatto per diecimila volte, come se ognuna di queste volte fosse un’epoca, il risultato che si ottiene, dopo centinaia e migliaia di ipotesi, quella più vicina alle caratteristiche date. Si tratta dunque di uno strumento di progettazione utilissimo, perché permette di condensare in poco tempo risultati che necessiterebbero tempi e costi insostenibili. Basta impostare correttamente i constraints, cioè le condizioni che limitano o regolano il campo delle possibili soluzioni. Ci vogliono competenze di campo e, ovviamente, bisogna porre obiettivi realizzabili e non fantascientifici, altrimenti la macchina non arriverà mai a una soluzione e si perderà solo tempo ed energia. Ma se siamo competenti del settore e sappiamo che quello che vogliamo raggiungere è possibile, ma non sappiamo come, ecco che la macchina con questo metodo generativo ed evolutivo è un strumento potentissimo per arrivare il più vicino possibile all’obiettivo.

In tanti si chiedono se l’uomo verrà sostituito dalle macchine o meno?

E.B.: Assolutamente no. La macchina, seguendo questo criterio, può aiutarci ad arrivare velocemente alla soluzione migliore, saltando tutta una serie di passaggi intermedi che richiederebbero anni per essere perfezionati. Quindi è uno strumento potentissimo, amplificatore delle capacità umane, ma non sostitutivo dell’uomo.

L’intelligenza artificiale è uno strumento che risolve dinamicamente un problema, ma non sa porsi domande in maniera autonoma, non è cosciente delle problematiche e, per come è strutturata, non lo potrà mai essere. Massimizza il risultato rispetto alla domanda posta, ma non è obiettiva, è assertiva. Quindi non dirà mai “stai sbagliando”, “hai fatto una domanda che non ha senso”.

Viene il dubbio che queste innovazioni, con le loro complessità, siano alla portata solo delle grandi aziende che possono permettersi investimenti importanti in R&D?

E.B.: In realtà non è così. L’intelligenza artificiale ha un costo, perché richiede enormi potenze di calcolo, basandosi sulla matematica. Basta pensare che Chat GPT, che è una rete Generative Pre-trained Transformer, ha circa 172 miliardi di variabili che vanno risolte matematicamente, quindi attraverso un polinomio di una dimensione incommensurabile che richiede tonnellate di energia per fare i calcoli velocemente. Dunque, l’IA è molto avida di energia, e l’energia costa. Questo è il grosso limite dell’IA.

Bisogna imparare a usarla molto bene per trovare un punto di equilibrio tra costi e benefici ottenibili, che possono essere la riduzione dei tempi di sviluppo del progetto o del numero di prototipi necessari per arrivare al risultato finale. Se si riescono a bilanciare i diversi fattori l’IA è alla portata anche delle piccole imprese. Servono però figure preparate per ottimizzare e indirizzare l’utilizzo dell’IA, figure che sappiano valutare se quello che si sta facendo ha senso.

Come si riflette l’impiego della IA evolutiva sui processi R&D dei nuovi materiali?

Stefano Serra: L’impatto dell’IA, limitato alla sua componente generativa, ha portato a un’accelerazione di alcune attività ordinarie, come la produzione di documenti, immagini e l’analisi dei dati. Tuttavia, ci sono ancora numerose potenzialità inespresse per l’applicazione di questa tecnologia, in particolare nello sviluppo di soluzioni alternative rispetto a quelle generate dal progettista, non solo nella ricerca di nuovi materiali.

In questo contesto, è fondamentale considerare che i principali elementi alla base di ogni attività di Ricerca e Sviluppo. Il primo attiene alla competenza e metodo scientifico, quindi la conoscenza specifica del prodotto, del mercato, dei software e delle tecnologie produttive unitamente al metodo scientifico, basato su un processo reiterato (spesso riassunto nel ciclo di Deming PDCA) di avvicinamento alla soluzione accettabile.

Il secondo riguarda la cultura, che è distinta dalla competenza e si riferisce ai valori aziendali, alla storia dell’azienda, al Paese in cui essa è situata e alla formazione del progettista.

Il terzo elemento è il principio filosofico definito “Rasoio di Occam” che suggerisce di preferire la spiegazione più semplice quando i fattori sono equivalenti, evitando la complessità non necessaria. Questo principio, seppur valido, è stato concepito considerando i limiti del cervello umano e delle risorse economiche e temporali disponibili, il che implica che i processi di R&D sono inevitabilmente confinati entro un numero limitato di opzioni, la cui ampiezza dipende dalla competenza e dalla cultura del progettista.

Ritengo che il terzo punto sia particolarmente rilevante nel campo della Ricerca e Sviluppo. L’uso dell’IA generativa può offrire un notevole contributo nel superare i limiti imposti dal Rasoio di Occam, consentendo di esplorare un numero significativamente maggiore di opzioni rispetto ai processi tradizionali. Questo aspetto è particolarmente vantaggioso per le piccole e medie imprese, che rappresentano il cuore del sistema produttivo italiano e che spesso sono limitate da risorse economiche e umane.

L’IA evolutiva, sebbene non ancora ampiamente utilizzata a causa della limitata diffusione delle conoscenze al riguardo, ha il potenziale per un impatto ancora più significativo. Mentre l’IA generativa contribuisce allo sviluppo di soluzioni alternative basate sui tre elementi sopra citati, l’IA evolutiva introduce variabili casuali nella generazione delle risposte. Questo approccio potrebbe aprire nuove strade nello sviluppo di un prodotto o nell’analisi di un problema, considerando la capacità di calcolo delle macchine, in grado di analizzare gli effetti di cambiamenti casuali su una scala molto più ampia di quella accessibile a un singolo individuo, eliminando di fatto i limiti imposti dal Rasoio di Occam.

Quale sarà l’impatto sui costi e processi? 

S.S.: L’impatto sui costi e sui processi derivante dall’adozione di tecnologie avanzate può variare notevolmente, ma è generalmente legato al ritmo del progresso tecnologico e alla disponibilità di hardware che risponda efficacemente alle necessità dei progettisti. Si prevede che l’incidenza dei costi tecnologici diminuirà progressivamente nei prossimi anni, grazie agli sviluppi nel settore dell’hardware e del software.

È essenziale considerare gli investimenti iniziali anche sotto l’aspetto del risparmio sui processi. Nel contesto tradizionale, i costi di progettazione spesso includono spese non necessarie per prototipazioni inutili, test di laboratorio non conclusivi, e interruzioni di progetto, prolungando così i tempi complessivi del processo. È anche importante valutare le opportunità perse dovute ai tempi di lancio sul mercato, poiché ogni decisione implica l’esclusione di alternative potenzialmente vantaggiose, con la pressione di rispettare scadenze precise.

In questo scenario, le capacità di un’intelligenza artificiale avanzata, alimentata da dati appropriati, diventano cruciali. Una IA può esplorare rapidamente un’ampia gamma di opzioni e fornire risposte più velocemente e con maggiore precisione rispetto all’analisi umana, riducendo così il rischio di errori e i costi associati a decisioni inefficaci.

I meta-materiali rappresentano una frontiera recente della scienza dei materiali che raccoglie sempre più interesse, grazie alle caratteristiche uniche e all’ampia gamma di applicazioni in cui possono trovare impiego. Come l’IA evolutiva influenza la progettazione dei meta-materiali?

S.S.: I meta-materiali, strutture artificiali caratterizzate da proprietà uniche dettate dalla disposizione delle loro “celle” piuttosto che dai materiali di base, sono al centro di ricerche avanzate in vari campi, come l’acustica ambientale. L’intelligenza artificiale evolutiva svolge un ruolo cruciale nella progettazione di questi materiali innovativi. Utilizzando principi di evoluzione darwiniana, l’IA evolutiva introduce variazioni casuali nei modelli di base, permettendo lo sviluppo di nuove famiglie di prodotti che potrebbero non emergere con metodi tradizionali. Questo processo non solo accelera il tempo di sviluppo, riducendo i cicli di prototipazione spesso inefficaci e i relativi costi, ma offre anche ai progettisti una ‘ampia varietà di opzioni molto più tra cui scegliere, arricchendo significativamente il processo creativo e innovativo nel campo dei materiali.

Per queste innovazioni, sono necessari investimenti importanti in R&D?

S.S.: Per implementare queste innovazioni, è cruciale effettuare investimenti significativi in ricerca e sviluppo (R&D). Oltre agli investimenti già discussi relativi all’hardware e al software, è importante considerare come queste tecnologie cambieranno la composizione e le competenze richieste nei team di R&D. La conoscenza specifica del settore sarà sempre più vitale, poiché garantirà la qualità degli input forniti ai sistemi di intelligenza artificiale. Pertanto, ruoli come quello del progettista e del product manager rimarranno indispensabili. A questi si aggiungeranno figure specializzate nella costruzione di algoritmi per l’IA evolutiva, con competenze avanzate in matematica e informatica, che saranno essenziali per sviluppare e affinare i modelli computazionali necessari. Comunque rimarrà essenziale la competenza di campo e la cultura del progettista: come ha fatto presente Emilio la qualità dell’output, la velocità di elaborazione e quindi anche l’ottimizzazione dei costi e dei consumi energetici legati all’uso delle IA sono fortemente dipendenti dalla preparazione e dalla cultura del progettista e/o del product manager, è quindi probabile che in futuro ci avvicineremo al brevetto dell’input o dell’algoritmo invece che del prodotto finale, aumenteranno i costi iniziali ma verranno protette molteplici soluzioni applicative e quindi una maggiore efficienza dei risultati.