Rivoluzionare i prodotti di uso quotidiano con l’intelligenza artificiale

Jul 18, 2023

Immagine precedente Immagine successiva

"Chi è Bram Stoker?" Queste tre parole dimostravano lo straordinario potenziale dell’intelligenza artificiale. Era la risposta a un'ultima domanda in un episodio particolarmente memorabile di Jeopardy! del 2011. I tre concorrenti erano gli ex campioni Brad Rutter e Ken Jennings e Watson, un super computer sviluppato da IBM. Rispondendo correttamente alla domanda finale, Watson è diventato il primo computer a battere un essere umano nel famoso quiz show.

"In un certo senso, la vittoria di Watson in Jeopardy! sembrava ingiusta alla gente", afferma Jeehwan Kim, professore di sviluppo professionale della classe '47 e membro della facoltà dei dipartimenti di ingegneria meccanica e scienza e ingegneria dei materiali del MIT. "All'epoca, Watson era collegato a un super computer grande quanto una stanza mentre il cervello umano pesa solo pochi chili. Ma la capacità di replicare la capacità di apprendimento di un cervello umano è incredibilmente difficile."

Kim è specializzato nell'apprendimento automatico, che si basa su algoritmi per insegnare ai computer come apprendere come un cervello umano. "L'apprendimento automatico è il calcolo cognitivo", spiega. "Il tuo computer riconosce le cose senza che tu gli dica cosa sta guardando."

L’apprendimento automatico è un esempio di intelligenza artificiale nella pratica. Mentre la frase “apprendimento automatico” evoca spesso la fantascienza rappresentata in programmi come “Westworld” o “Battlestar Galactica”, i sistemi e i dispositivi intelligenti sono già pervasivi nel tessuto della nostra vita quotidiana. Computer e telefoni utilizzano il riconoscimento facciale per sbloccare. I sistemi rilevano e regolano la temperatura nelle nostre case. I dispositivi rispondono alle domande o riproducono la nostra musica preferita su richiesta. Quasi tutte le principali case automobilistiche sono entrate nella corsa per sviluppare un’auto sicura a guida autonoma.

Affinché uno qualsiasi di questi prodotti funzioni, il software e l'hardware devono funzionare in perfetta sincronia. Telecamere, sensori tattili, radar e rilevamento della luce devono tutti funzionare correttamente per fornire informazioni ai computer. Gli algoritmi devono essere progettati in modo che queste macchine possano elaborare questi dati sensoriali e prendere decisioni basate sulla massima probabilità di successo.

Kim e gran parte dei docenti del Dipartimento di Ingegneria Meccanica del MIT stanno creando un nuovo software che si collega all'hardware per creare dispositivi intelligenti. Invece di costruire i robot senzienti romanticizzati nella cultura popolare, questi ricercatori stanno lavorando a progetti che migliorano la vita di tutti i giorni e rendono gli esseri umani più sicuri, più efficienti e meglio informati.

Rendere i dispositivi portatili più intelligenti

Jeehwan Kim mostra un foglio di carta. Se lui e il suo team avranno successo, un giorno la potenza di un super computer come Watson dell'IBM sarà ridotta alle dimensioni di un foglio di carta. "Stiamo cercando di costruire una vera rete neurale fisica sul formato di una carta da lettere", spiega Kim.

Ad oggi, la maggior parte delle reti neurali sono basate su software e realizzate utilizzando il metodo convenzionale noto come metodo di calcolo di Von Neumann. Kim, tuttavia, ha utilizzato metodi di calcolo neuromorfico.

"Computer neuromorfico significa intelligenza artificiale portatile", afferma Kim. "Quindi, costruisci neuroni e sinapsi artificiali su un wafer su piccola scala." Il risultato è un cosiddetto "brain-on-a-chip". Invece di calcolare le informazioni dalla segnalazione binaria, la rete neurale di Kim elabora le informazioni come un dispositivo analogico. I segnali si comportano come neuroni artificiali e si muovono attraverso migliaia di array verso particolari punti d'incrocio, che funzionano come sinapsi. Con migliaia di array collegati, è possibile elaborare grandi quantità di informazioni contemporaneamente. Per la prima volta, un’apparecchiatura portatile potrebbe imitare la potenza di elaborazione del cervello.

"La chiave di questo metodo è che è necessario controllare bene le sinapsi artificiali. Quando si parla di migliaia di punti incrociati, ciò pone delle sfide", afferma Kim.

Secondo Kim, il design e i materiali utilizzati finora per realizzare queste sinapsi artificiali non sono stati proprio ideali. I materiali amorfi utilizzati nei chip neuromorfici rendono incredibilmente difficile il controllo degli ioni una volta applicata la tensione.