L’Intelligenza Artificiale è al centro di una grande attenzione, sia da parte delle autorità sia da parte del pubblico in generale. A livello sia europeo che italiano sono stati creati vari gruppi di esperti per analizzare le potenzialità, le opportunità e gli eventuali pericoli dell’IA. L’Associazione Italiana per l’Intelligenza Artificiale ha svolto un’indagine per capire come si colloca la ricerca italiana sull’IA nel panorama mondiale.
Per farlo, abbiamo preso in considerazione il numero di articoli scientifici sull’IA pubblicati dai ricercatori di tutto il mondo. Utilizzando i database di pubblicazioni Web of Science e Scopus aggiornati a marzo 2019, abbiamo cercato di capire l’impatto della ricerca italiana in termini quantitativi. I risultati mostrano che la ricerca su IA in Italia si colloca ai primi posti nel mondo.
L’Italia primeggia nella produzione di articoli scientifici…
Per esempio, in termini di numero totale di articoli scientifici pubblicati sulla IA l’Italia si colloca al 10° posto a livello mondiale
Questo confronto però non tiene conto del numero di ricercatori. Se si considera il numero di articoli per ricercatore l’Italia si colloca al terzo posto al mondo, davanti a superpotenze come USA e Cina:
Se si restringe il confronto ai paesi del G20, più simili tra loro, l’Italia arriva al secondo posto. Se calcoliamo il numero di articoli per 10.000 abitanti l’Italia scende all’11° posto, evidenziando così un ridotto numero di ricercatori rispetto al numero di abitanti:
In funzione della spesa in ricerca e sviluppo a livello nazionale, l’Italia si colloca al 6° posto come numero di articoli per $100.000 di spesa in ricerca e sviluppo:
Se però restringiamo il confronto ai paesi del G20, più omogenei tra loro, l’Italia arriva al 4° posto.
Queste analisi tengono conto solo del numero di articoli ma non valutano la qualità degli articoli stessi. Una stima della qualità la si può avere calcolando il numero di citazioni che ricevono gli articoli, perchè un articolo più citato di solito è anche un articolo di maggiore valore scientifico. Il seguente grafico mostra il numero medio di citazioni per articolo su IA nei vari anni nel mondo rispetto all’Italia.
Il grafico mostra come gli articoli di autori italiani ricevono in genere più citazioni rispetto alla media mondiale, in alcuni anni anche marcatamente.
…ma non investe abbastanza in Ricerca e Sviluppo
Da questi grafici si può notare come i ricercatori italiani siano tra i più produttivi al mondo rispetto agli investimenti in ricerca ma che il numero dei ricercatori (e quindi anche degli investimenti) è basso. Questi dati sono in accordo con quelli sulla percentuale del PIL investito in R&S, tra i più bassi al mondo. Le pubblicazioni dei ricercatori italiani sono mediamente di qualità superiore rispetto al livello medio mondiale.
Per scoprire quali siano gli argomenti su cui i ricercatori italiani stanno lavorando, l’Associazione compie una indagina annuale in cui analizza le pubblicazioni dei propri soci con tecniche di IA. Abbiamo chiesto ai soci di inviare le loro 10 pubblicazioni più rappresentative. Da queste, abbiamo costruito la word cloud in cui la dimensione del carattere è indice della frequenza con cui la parola appare:
Abbiamo poi fatto un clustering delle pubblicazioni, ovvero le abbiamo raggruppate in sottoinsiemi o cluster in modo che le pubblicazioni con il testo più simile tra loro appartengano allo stesso insieme. In questo modo i cluster possono essere interpretati come rappresentativi di aree di ricerca. Abbiamo fissato il numero di cluster a 10, abbiamo raggruppato le pubblicazioni e, per ogni cluster, abbiamo estratto le parole più frequenti, ottenendo la tabella:
| Cluster | Articoli | Termini più frequenti |
| 1 | 96 | trace, process, service, activity, event, business, conceptual, business process, action, execution |
| 2 | 195 | logic, query, axiom, probabilistic, rule, clause, semantics, probability, argument, dl |
| 3 | 96 | data, sensor, cluster, clustering, activity, outlier, network, spatial, autocorrelation, distance |
| 4 | 95 | robot, planning, robotics, environment, swarm, action, robotic, plan, object, agent |
| 5 | 179 | asp, word, sentence, program, answer, solver, corpus, rule, atom, language |
| 6 | 166 | constraint, temporal, action, planning, scheduling, plan, activity, resource, schedule, execution |
| 7 | 229 | ontology, recommendation, information, data, semantic, web, document, recommender, game, social |
| 8 | 105 | agent, commitment, action, protocol, social, multiagent, artifact, coordination, goal, interaction |
| 9 | 153 | image, kernel, learning, feature, video, training, network, neural, object, segmentation |
| 10 | 276 | network, data, gene, learning, tree, protein, pattern, neural, prediction, matrix |
Dalla tabella si vede che un tema molto studiato è il machine learning, sia di tipo statistico che neurale (cluster 3, 9 e 10).
Molti ricercatori si occupano di rappresentazione della conoscenza mediante vari tipi di logica (cluster 2, 5 e 7).
Altri temi importanti sono:
- business process management e process mining (cluster 1)
- robotica e pianificazione automatica (cluster 4)
- programmazione a vincoli e ottimizzazione (cluster 6)
- sistemi ad agenti (cluster 8).
Ricerca accademica italiana: opportunità per l’industria e la competitività globale
Questa analisi mostra che la ricerca accademica italiana su IA è un’eccellenza a livello mondiale e rappresenta una grande opportunità per l’industria italiana: rafforzando il dialogo tra imprese e ricercatori è possibile sviluppare prodotti e servizi allo stato dell’arte mondiale.
L’Associazione Italiana per l’Intelligenza Artificiale lavora da anni per mettere in comunicazione la ricerca e l’industria: nonostante sia nata come associazione accademica, ad oggi buona parte dei suoi soci appartengono all’industria. L’Associazione inoltre organizza, a partire ad quest’anno, un evento dedicato alle soluzioni AI per le imprese, AIForum, Milano, 12 aprile, che ha l’obiettivo di collegare ricerca e industria.
L’analisi dei temi di ricerca dei soci mostra che la ricerca italiana ha una forte componente relativa all’analisi dei dati statistica e neurale ma che c’è molta attività anche sulla rappresentazione della conoscenza che può essere impiegata per aggiungere capacità esplicative ai sistemi di IA: la capacità di restituire spiegazioni per l’output dei sistemi di IA è la caratteristica principale della terza ondata di IA, come definita dall’agenzia DARPA americana. Nella prima ondata l’enfasi era sulla descrizione del mondo, nella seconda nell’apprendimento statistico mentre nella terza i sistemi costruiscono modelli esplicativi contestuali del mondo reale.
Con un maggiore dialogo tra imprese e ricercatori è possibile sviluppare una industria dell’IA che renda l’Italia e l’Europa non più colonie delle grandi aziende tecnologiche americane. In particolare, l’Italia e l’Europa hanno sviluppato competenze molto avanzate sulle capacità esplicative e possono sfruttarle per costruire prodotti all’avanguardia.
In molti campi le capacità esplicative sono fondamentali. Nel campo legale, è necessario che le decisioni prese con il supporto di una macchina possano essere giustificate perché possano essere tenute in considerazione nei dibattimenti. In America per esempio sistemi di supporto alle decisioni sono usati per aiutare il giudice nella decisione di concedere la libertà su cauzione.
Le tecniche di IA sono oggi molto usate per sviluppare chatbot e sistemi per la gestione dei rapporti con la clientela. Questi sistemi devono essere in grado di rispondere a richieste di chiarimento da parte dei clienti, in particolare riguardo a decisioni prese nell’amministrazione di un contratto (si pensi alla richiesta di un prestito o alla sottoscrizione di un servizio).
Un altro settore in cui l’IA offre sviluppi promettenti è quello dell’industria 4.0: la possibilità di raccogliere dati rilevati da sensori distribuiti sulle macchine in fabbriche intelligenti permette un controllo molto più capillare e puntuale del processo di produzione. L’analisi di questi dati con tecnologie di machine learning consente di costruire modelli, o digital twins, delle macchine e del processo produttivo. I modelli, a loro volta, possono essere usati per vari scopi, come ad esempio il monitoraggio e, in particolare, la manutenzione predittiva: grazie a questi modelli, è possibile prevedere i guasti in modo da agire preventivamente per evitarli o mitigarli. Anche in questo caso è importante che gli algoritmi siano in grado di spiegare la ragione delle loro previsioni, in modo da aiutare i decisori e i manutentori.
Nel settore dei trasporti l’IA ha molteplici applicazioni, dalla gestione del traffico ai veicoli a guida autonoma. Nel caso di questi ultimi, è fondamentale che la macchina sia in grado di giustificare le proprie scelte, in modo che, in caso di incidente, sia possibile capire la ragione delle decisioni della macchina e, di conseguenza, accertare le responsabilità e rendere il sistema più sicuro per il futuro.
L’IA gioca un ruolo importante nell’industria e nella scienza in generale. Nell’industria, l’IA fornisce un ottimo supporto all’analisi dei dati rivolta a fini gestionali: la capacità di estrarre conoscenza da database aziendali permette una gestione più consapevole sia degli aspetti operazionali che di quelli commerciali. Nella scienza l’IA ha portato ad importanti nuove scoperte grazie al machine learning in chimica, biologica, fisica.
Infine, l’IA può aiutare l’umanità ad affrontare le più grandi sfide del nostro tempo, come ad esempio il cambiamento climatico e la sostenibilità ambientale: mediante l’IA è possibile cercare di costruire modelli climatici più precisi e ottimizzare le risorse per ridurre al minimo il consumo non sostenibile, ad esempio quello energetico.
***
*Fabrizio Riguzzi è vice-presidente AIxIA e professore associato dell’Università di Ferrara
