"Chi è Bram Stoker?" Quelle tre parole hanno dimostrato l'incredibile potenziale dell'intelligenza artificiale. È stata la risposta a un'ultima domanda in un episodio particolarmente memorabile del 2011 di Jeopardy!. I tre concorrenti erano gli ex campioni Brad Rutter e Ken Jennings, e Watson, un super computer sviluppato da IBM. Rispondendo correttamente all'ultima domanda, Watson è diventato il primo computer a battere un umano nel famoso programma a quiz.

"In un modo, Watson vince il rischio! sembrava ingiusto alle persone, "dice Jeehwan Kim, il Professore di sviluppo professionale classe '47 e un membro di facoltà dei dipartimenti di ingegneria meccanica e scienza e ingegneria dei materiali del MIT. "Al tempo, Watson era collegato a un super computer delle dimensioni di 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 in machine learning, che si basa su algoritmi per insegnare ai computer come apprendere come un cervello umano. "Il machine learning è calcolo cognitivo, " spiega. "Il tuo computer riconosce le cose senza che tu dica al computer cosa sta guardando".

L'apprendimento automatico è un esempio pratico di intelligenza artificiale. Mentre la frase "apprendimento automatico" evoca spesso la fantascienza rappresentata in spettacoli 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 auto principali l'azienda è entrata nella corsa per sviluppare un'auto a guida autonoma sicura.

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

Kim e gran parte della facoltà del Dipartimento di Ingegneria Meccanica del MIT stanno creando un nuovo software che si collega all'hardware per creare dispositivi intelligenti. Piuttosto che costruire i robot senzienti romanzati nella cultura popolare, questi ricercatori stanno lavorando a progetti che migliorano la vita quotidiana e rendono gli esseri umani più sicuri, più efficiente, e meglio informato.

Rendere i dispositivi portatili più intelligenti

Jeehwan Kim solleva un foglio di carta. Se lui e la sua squadra hanno successo, un giorno la potenza di un super computer come Watson di IBM sarà ridotta alle dimensioni di un foglio di carta. "Stiamo cercando di costruire una vera rete neurale fisica su un formato carta da lettere, " spiega Kim.

Ad oggi, la maggior parte delle reti neurali è stata basata su software e realizzata utilizzando il metodo convenzionale noto come metodo di calcolo di Von Neumann. Kim, tuttavia, ha utilizzato metodi di calcolo neuromorfici.

"Computer neuromorfo significa IA portatile, " dice Kim. "Allora, costruisci neuroni e sinapsi artificiali su un wafer su piccola scala." Il risultato è un cosiddetto "cervello su un chip".

Piuttosto che calcolare le informazioni dalla segnalazione binaria, La rete neurale di Kim elabora le informazioni come un dispositivo analogico. I segnali agiscono come neuroni artificiali e si muovono attraverso migliaia di array verso particolari punti di incrocio, che funzionano come sinapsi. Con migliaia di array collegati, enormi quantità di informazioni potrebbero essere elaborate contemporaneamente. Per la prima volta, un apparecchio portatile potrebbe imitare la potenza di elaborazione del cervello.

"La chiave con questo metodo è che hai davvero bisogno di controllare bene le sinapsi artificiali. Quando parli di migliaia di punti incrociati, questo pone delle sfide, "dice Kim.

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

In un Materiali della natura studio pubblicato all'inizio di quest'anno, Kim ha scoperto che quando il suo team ha realizzato un chip con silicio germanio è stato in grado di controllare la corrente che scorre fuori dalla sinapsi e ridurre la variabilità all'1%. Con il controllo su come le sinapsi reagiscono agli stimoli, era ora di mettere alla prova il loro chip.

"Immaginiamo che se costruiamo l'effettiva rete neurale con materiale, possiamo effettivamente eseguire il riconoscimento della scrittura a mano, " dice Kim. In una simulazione al computer del loro nuovo progetto di rete neurale artificiale, hanno fornito migliaia di campioni di scrittura a mano. La loro rete neurale è stata in grado di riconoscere con precisione il 95% dei campioni.

"Se hai una fotocamera e un algoritmo per il set di dati sulla scrittura a mano collegati alla nostra rete neurale, puoi ottenere il riconoscimento della grafia, " spiega Kim.

Mentre la costruzione della rete neurale fisica per il riconoscimento della scrittura a mano è il prossimo passo per il team di Kim, il potenziale di questa nuova tecnologia va oltre il riconoscimento della scrittura a mano. "Ridurre la potenza di un super computer a una dimensione portatile potrebbe rivoluzionare i prodotti che usiamo, " afferma Kim. "Il potenziale è illimitato:possiamo integrare questa tecnologia nei nostri telefoni, computer, e robot per renderli sostanzialmente più intelligenti."

Rendere le case più intelligenti

Mentre Kim sta lavorando per rendere i nostri prodotti portatili più intelligenti, Il professor Sanjay Sarma e il ricercatore Josh Siegel sperano di integrare dispositivi intelligenti all'interno del prodotto più grande che possediamo:le nostre case.

Una sera, Sarma era a casa sua quando uno dei suoi interruttori ha continuato a scattare. Questo interruttore, noto come interruttore di circuito per guasto d'arco (AFCI), è stato progettato per interrompere l'alimentazione quando viene rilevato un arco elettrico per prevenire incendi. Mentre gli AFCI sono ottimi per prevenire gli incendi, nel caso di Sarma non sembrava esserci un problema. "Non c'era motivo distinguibile per continuare a suonare, " ricorda Sarma. "E 'stato incredibilmente distratto".

Gli AFCI sono noti per questi "viaggi fastidiosi, ' che disconnettono inutilmente gli oggetti sicuri. Sarma, che ricopre anche il ruolo di vicepresidente del MIT per l'apprendimento aperto, trasformato la sua frustrazione in opportunità. Se potesse incorporare l'AFCI con tecnologie intelligenti e collegarlo all'Internet delle cose, ' potrebbe insegnare all'interruttore automatico ad apprendere quando un prodotto è sicuro o quando un prodotto rappresenta effettivamente un rischio di incendio.

"Pensalo come un antivirus, " spiega Siegel. "Gli scanner antivirus sono collegati a un sistema che li aggiorna con nuove definizioni dei virus nel tempo." Se Sarma e Siegel potessero incorporare una tecnologia simile negli AFCI, gli interruttori automatici potrebbero rilevare esattamente quale prodotto viene collegato e apprendere nuove definizioni di oggetti nel tempo.

Se, Per esempio, un nuovo aspirapolvere è collegato all'interruttore e l'alimentazione si interrompe senza motivo, l'AFCI intelligente può apprendere che è sicuro e aggiungerlo a un elenco di oggetti sicuri conosciuti. L'AFCI apprende queste definizioni con l'aiuto di una rete neurale. Ma, a differenza della rete neurale fisica di Jeewhan Kim, questa rete è basata su software.

La rete neurale è costruita raccogliendo migliaia di punti dati durante le simulazioni di archi. Vengono quindi scritti algoritmi per aiutare la rete a valutare il proprio ambiente, riconoscere modelli, e prendere decisioni in base alla probabilità di raggiungere il risultato desiderato. Con l'aiuto di un microcomputer da 35 dollari e una scheda audio, il team può integrare a buon mercato questa tecnologia negli interruttori automatici.

Man mano che l'AFCI intelligente viene a conoscenza dei dispositivi che incontra, può distribuire contemporaneamente le sue conoscenze e definizioni a ogni altra casa utilizzando l'internet delle cose.

"Internet delle cose potrebbe anche essere chiamato 'intelligenza delle cose, " dice Sarma. "Astuto, le tecnologie locali con l'aiuto del cloud possono rendere i nostri ambienti adattivi e l'esperienza utente senza soluzione di continuità".

Gli interruttori automatici sono solo uno dei tanti modi in cui le reti neurali possono essere utilizzate per rendere le case più intelligenti. Questo tipo di tecnologia può controllare la temperatura della tua casa, rilevare quando c'è un'anomalia come un'intrusione o lo scoppio di un tubo, ed esegui la diagnostica per vedere quando è necessario riparare le cose.

"Stiamo sviluppando un software per il monitoraggio di sistemi meccanici che è autoapprendente, " spiega Siegel. "Non si insegnano tutte le regole a questi dispositivi, insegni loro come imparare le regole."

Rendere la produzione e il design più intelligenti

L'intelligenza artificiale non solo può aiutare a migliorare il modo in cui gli utenti interagiscono con i prodotti, dispositivi, e ambienti. Può anche migliorare l'efficienza con cui vengono realizzati gli oggetti ottimizzando il processo di produzione e design.

"Crescita nell'automazione insieme a tecnologie complementari tra cui la stampa 3D, IA, e l'apprendimento automatico ci costringe a, a lungo termine, ripensare al modo in cui progettiamo fabbriche e filiere, " afferma il Professore Associato A. John Hart.

Hart, che ha svolto ricerche approfondite sulla stampa 3D, vede l'intelligenza artificiale come un modo per migliorare l'assicurazione della qualità nella produzione. Stampanti 3D che incorporano sensori ad alte prestazioni, in grado di analizzare i dati al volo, contribuirà ad accelerare l'adozione della stampa 3D per la produzione di massa.

"Avere stampanti 3D in grado di imparare a creare parti con meno difetti e a ispezionare le parti mentre le realizzano sarà davvero un grosso problema, specialmente quando i prodotti che stai realizzando hanno proprietà critiche come dispositivi medici o parti per motori di aerei, "Spiega Hart.

Anche il processo stesso di progettazione della struttura di queste parti può trarre vantaggio da un software intelligente. La professoressa associata Maria Yang ha studiato come i progettisti possono utilizzare gli strumenti di automazione per progettare in modo più efficiente. "La chiamiamo intelligenza ibrida per il design, " afferma Yang. "L'obiettivo è consentire una collaborazione efficace tra strumenti intelligenti e progettisti umani".

In un recente studio, Yang e lo studente laureato Edward Burnell hanno testato uno strumento di progettazione con diversi livelli di automazione. I partecipanti hanno utilizzato il software per selezionare i nodi per un traliccio 2-D di un segnale di stop o di un ponte. Lo strumento avrebbe quindi automaticamente trovato soluzioni ottimizzate basate su algoritmi intelligenti per dove collegare i nodi e la larghezza di ciascuna parte.

"Stiamo cercando di progettare algoritmi intelligenti che si adattino ai modi in cui i designer già pensano, "dice Burnell.

Rendere i robot più intelligenti

Se c'è qualcosa nel campus del MIT che assomiglia di più ai robot futuristici della fantascienza, sarebbe il ghepardo robotico del professor Sangbae Kim. La creatura a quattro zampe percepisce l'ambiente circostante utilizzando le tecnologie LIDAR e si muove in risposta a queste informazioni. Proprio come il suo omonimo, può correre e saltare gli ostacoli.

L'obiettivo principale di Kim è la navigazione. "Stiamo costruendo un sistema davvero unico, appositamente progettato per il movimento dinamico del robot, " spiega Kim. "Credo che rimodellerà i robot interattivi nel mondo. Puoi pensare a tutti i tipi di applicazioni:mediche, assistenza sanitaria, fabbriche».

Kim vede l'opportunità di collegare la sua ricerca alla rete neurale fisica su cui sta lavorando il suo collega Jeewhan Kim. "Se vuoi che il ghepardo riconosca le persone, voce, o gesti, hai bisogno di molto apprendimento ed elaborazione, " dice. "L'hardware della rete neurale di Jeewhan potrebbe consentirlo un giorno".

Combinare la potenza di una rete neurale portatile con un robot in grado di navigare abilmente nell'ambiente circostante potrebbe aprire un nuovo mondo di possibilità per l'interazione tra uomo e intelligenza artificiale. Questo è solo un esempio di come i ricercatori in ingegneria meccanica possono collaborare un giorno per portare la ricerca sull'intelligenza artificiale al livello successivo.

Anche se potremmo essere lontani decenni dall'interazione con i robot intelligenti, l'intelligenza artificiale e l'apprendimento automatico hanno già trovato la loro strada nelle nostre routine. Che si tratti di utilizzare il riconoscimento del volto e della scrittura per proteggere le nostre informazioni, attingere a Internet delle cose per mantenere le nostre case al sicuro, o aiutare gli ingegneri a costruire e progettare in modo più efficiente, i vantaggi delle tecnologie AI sono pervasivi.

La fantasia fantascientifica di un mondo invaso dai robot è lontana dalla verità. "C'è questa idea romantica che tutto sarà automatico, " aggiunge Maria Yang. "Ma penso che la realtà sia che avrai strumenti che funzioneranno con le persone e contribuiranno a rendere la loro vita quotidiana un po' più semplice".

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.