Choose Colour style

google ai - marie kondo

Sicuramente conosci Google AI, ma la conosci Marie Kondo?

È l’autrice del libro Il magico potere del riordino e ideatrice del metodo KonMari, un particolare sistema di riordino della casa che ‘migliora’ la qualità della vita delle persone.

Ma cosa c’entra una “riordinatrice professionista” con l’Intelligenza Artificiale applicata al business?

Proprio pochi giorni fa Google AI ha lanciato sul mercato una nuova architettura che permette ai robot di sistemare gli oggetti nello spazio.

Certo, non sembra un’idea così rivoluzionaria, ma l’architettura di Google ha un elemento particolarmente innovativo.

Vediamo in questo articolo di che cosa si tratta…

E partiamo con una domanda…

Come riescono i robot a spostare gli oggetti?

Nel mondo del Machine Learning affinché un robot riesca a spostare oggetti, il software di Intelligenza Artificiale deve riconoscere gli oggetti e sapere dove questi vanno posizionati.

L’architettura sviluppata da Google AI viene chiamata Transporter Network, capace di insegnare task di risistemazione vision-based.

Il Transporter Network fa in modo che il robot sposti oggetti o pezzi di oggetti senza dare loro un’etichetta o un nome, trasformando l’intera realtà che lo circonda in uno spazio generalizzato 3D.

La straordinarietà di tale architettura stà quindi nella sua semplicità e praticità in quanto sono applicabili ad una vasta gamma di task di risistemazione e manipolazione robotica, superando così i modelli precedenti concentrati solo sull’apprendimento di automatismi come prendere determinati oggetti e appoggiarli in una determinata posizione.

Inoltre, gli esperimenti mostrano che i Transporter Networkhanno una percentuale di successo pari al 90% con appena 100 dimostrazioni!

Come funzionano le Transporter Network di Google AI?

Partendo da alcuni dettagli tecnici si può analizzare come normalmente il robot venga assistito da un sistema di Computer Vision, grazie al quale gli vengono insegnate determinate categorie di oggetti e come questi devono essere riordinati.

Nel momento in cui il robot incontra oggetti sconosciuti, cerca di classificarli secondo l’ordine di caratteristiche che gli sono state insegnate ma rimarrà sempre nel dubbio.

L’oggetto in questo caso risulta essere ciò che il robot vede e compie attraverso il sistema di Computer Vision. 

In questa nuova realtà fatta di Transporter Network il robot non ha più la percezione dell’oggetto, bensì dello spazio attorno ad esso.

Non assistiamo più alla necessità di svolgere training dedicati ma gli vengono insegnati parametri dello spazio tridimensionale come la profondità, la larghezza e l’altezza.

Non parliamo più quindi di oggetti da spostare, ma di spazio da riordinare.

Una procedura più snella ma che se portata al caso reale ed alla pratica può sollevare alcune riflessioni… passare da un’analisi di oggetto ad un’analisi di percezione dello spazio tridimensionale nel quale il robot lavora.

Sicuramente è un passo avanti ed è qualcosa di nuovo rispetto quanto visto ed analizzato fino ad ora.

Questo dimostra quanto insistendo ed investendo in tali tecnologie ci si avvicini sempre di più al mondo reale.

Proprio come i bambini, e come già detto, i software di Intelligenza Artificiale riescono ad imparare migliorando le proprie prestazioni. 

A seguito di queste considerazioni sorge una domanda quasi spontanea…

Questo tipo di innovazione può portare effettivamente dei cambiamenti in positivo?

Per rispondere bisogna considerare il ruolo di Google nello scenario mondiale…

Il suo interesse infatti è quello di promuovere nuovi concetti di Intelligenza Artificiale, prendere lo stato dell’arte e portarlo ad un passo avanti con i suoi incentivi.

Nell’immediato quindi non può esserci un cambio al mondo reale, ma i prossimi progetti di robotica potranno tenere conto di questo nuovo algoritmo testandone l’efficacia pratica dei risultati. 

Tutto questo porta ad un’ulteriore considerazione importante nel campo dell’IA, quella che vede l’evoluzione incessante e costante degli algoritmi di machine learning e deep learning.

Se 15 anni fa si assistiva a bracci meccanici in grado di riordinare lentamente pezzi posizionati a caso, oggi questi meccanismi sono sempre più veloci ed automatizzati.

La velocità di cambiamento tra sistema pratico e approccio teorico però non è allineata, questo a causa delle numerose certificazioni che la teoria deve superare e ottenere affinchè si possa dichiarare compiuta ed ottenuta l’applicazione pratica.

Non è quindi detto che gli ultimi algoritmi oggi trovino applicazione diretta nel mondo dell’industria. 

Le Transporter Network portano sicuramente un nuovo approccio promettente per l’insegnamento della manipolazione vision-based ma non senza limitazioni come le dimostrazioni che vedono tali tipologie di network utili solo per processi primitivi.

Per ora rimane una grande novità che conferma ciò che da sempre vogliamo dire…

Prima si sale sul treno dell’Intelligenza Artificiale meglio è perché prima si possono arrivare a nuove novità ed approcci tecnologici.

Perciò, se stai pensando di implementare un sistema di Intelligenza Artificiale nella tua azienda, puoi chiedere una demo cliccando qui.

Verrai ricontattato il prima possibile da un nostro operatore disponibile e vedremo quale potrebbe essere la soluzione più adatta a te.

A presto!