Serve più AI per l’IoT

Mentre l’Internet of Things acquista rapidamente terreno e il suo hashtag #IoT si attesta tra i più popolari dell’anno 2016 cresce anche e soprattutto la mole di dati generati dai dispositivi connessi alla Rete.

In NTT DATA stiamo progettando soluzioni IoT di mobilità integrata che permettano ai cittadini di pianificare senza sforzo tutti i loro spostamenti e combinare i mezzi di trasporto più appropriati, dal treno all’auto o al bike sharing, senza soluzione di continuità con una gestione centralizzata e multicanale delle prenotazioni e dei biglietti.

Sistemi come questo, oltre a semplificare la vita dei viaggiatori e ad aprire nuove opportunità di business per tutti gli attori coinvolti, forniranno alle amministrazioni pubbliche dati preziosi e aggiornati in tempo reale sugli spostamenti delle persone. Dati che, integrati con quelli provenienti da telecamere per il traffico, caselli stazioni etc. costituiranno le basi per migliorare e pianificare il futuro della mobilità cittadina.

È certo che l’IoT produrrà sempre di più grandi quantità di dati. Questi dati, generati autonomamente dai dispositivi connessi, sono un tesoro sepolto con grandi potenzialità di migliorare la nostra vita e incidere positivamente sull’economia.

Per beneficiarne è però necessario trovare modi intelligenti per analizzare dati in quantità che non hanno precedenti, nell’ordine dei terabyte, che rendono impossibile per la mente umana studiarne campioni, anche ridotti, in tempi utili.Anche la creazione di programmi computerizzati che sorveglino tutta una serie di condizioni e reagisca in tempo reale, si pensi per esempio ai semafori, sarebbe riduttivo di fronte a una tale ricchezza di rilevazioni. Le osservazioni e le reazioni del sistema così automatizzato si limiterebbero infatti alle correlazioni e ai rapporti causali concepiti a priori dal programmatore .

Per gestire efficacemente questi scenari si ricorre perciò a metodologie di apprendimento automatico, note anche come Machine Learning.
Il Machine Learning, i cui fondamenti teorici sono noti fin dagli anni 40, rientra nell’ambito dell’Intelligenza Artificiale che ha fatto molto parlare di sé l’anno scorso grazie alle vittorie contro i campioni umani di Go e al film “The Imitation Game” dedicato a Touring.

Tutto ciò può sembrare un po’ fantascienza, eppure è già presente nella vita quotidiana.

Ad esempio, si utilizzano algoritmi di Machine Learning per determinare cosa potrebbe interessare a un utente oltre ai prodotti che ha già acquistato. Per Amazon, che li usaper suggerire prodotti ai suoi consumatori , pare che funzioni benissimo. Parte della forza di questi algoritmi sta nel fatto che si autoalimentano, perché sono in grado di raffinarsi nel corso del tempo confrontando le loro previsioni al reale comportamento tenuto poi dagli utenti.

Grazie a questi algoritmi NTT DATA sta testando semafori realmente intelligenti: capaci di decongestionare il traffico e supportare la puntualità dei mezzi pubblici.

Altre applicazioni per la smart city possono essere l’analisi dei livelli d’inquinamento associata alla capacità di agire per abbatterne i picchi, la diminuzione di incidenti e crimini e la fornitura ai medici di informazioni in tempo reale sulla salute dei pazienti con pacemaker, sensori integrati nei tessuti, biochip e biopolimeri. In campo industriale IoT e AI permetteranno di aumentare la produttività delle fabbriche attraverso la manutenzione predittiva di attrezzature e macchinari e fornire informazioni critiche tra vetture auto-guidate.

Molte sono le attese sull’impatto rivoluzionario dell’Internet of Things, ma è forse dalla sua associazione con l’intelligenza Artificiale che nasceranno le soluzioni più disruptive della 4 rivoluzione industriale.

Massimo Feroldi Written by: