Computer vision, a cosa serve e l’importanza del deep learning

Tra le applicazioni più avanzate dell’intelligenza artificiale, la computer vision sta trovando applicazioni innovative e si evolve attraverso le tecniche di “apprendimento profondo” [...]
Marco Schiaffino

giornalista

computer vision
  1. Home
  2. Vendor Point of View
  3. Computer vision, a cosa serve e l’importanza del deep learning

Affidarsi allo sguardo dell’intelligenza artificiale per migliorare la produttività o dare una spinta alla ricerca: lo sviluppo della computer vision rappresenta una frontiera a cui le aziende guardano con grande interesse per il presente e il prossimo futuro. Dalle parti di TopNetwork, azienda specializzata nello sviluppo di tecnologie legate all’intelligenza artificiale, non hanno dubbi: le aspettative che le imprese ripongono nella computer vision sono destinate a produrre ottimi risultati. “È una branca dell’intelligenza artificiale estremamente vivace” spiega Edoardo Piccari, Data Science in ambito Ricerca e Sviluppo di TopNetwork. “Le sue applicazioni si moltiplicano ogni giorno, così come la sua accuratezza”. Ma di cosa si tratta esattamente e quali sono le sue possibili evoluzioni?

Con gli occhi dell’AI

Se il riconoscimento delle immagini è stato uno dei primi campi in cui si è avviato lo studio dell’intelligenza artificiale, la computer vision rappresenta una sua evoluzione che consente di utilizzare immagini e filmati per eseguire analisi estremamente complesse che l’occhio umano non sarebbe mai in grado di fare. Le applicazioni comprendono la detection, applicabile per esempio al controllo degli accessi in azienda, ma anche la classificazione degli oggetti e l’analisi delle loro condizioni in ottica di manutenzione predittiva. “I sistemi di computer vision consentono di individuare e analizzare eventuali flessioni o crepe nei macchinari, consentendo così di predire l’usura delle linee di produzione e procedere alla sostituzione delle parti logorate” spiega Edoardo Piccari. La flessibilità del sistema consente però di applicare la tecnologia anche per rispondere a esigenze estemporanee. Da quando è in corso la pandemia di Covid-19, per esempio, la computer vision è usata per verificare che i dipendenti indossino correttamente la mascherina sul luogo di lavoro, identificando anche il tipo di presidio utilizzato. Uno dei possibili utilizzi futuri, ci spiega il ricercatore di TopNetwork, è quello di utilizzare la computer vision per analizzare la postura dei lavoratori all’interno delle attività produttive allo scopo di individuare eventuali fattori negativi per la loro salute. “Grazie all’uso dell’intelligenza artificiale è possibile correggere eventuali elementi sistemici che portano a comportamenti e movimenti dannosi, migliorando la qualità del lavoro delle persone”, conferma Piccari.

Computer vision, tutto grazie al deep learning

Le applicazioni della computer vision sono rese possibili da quello che possiamo considerare il “secondo step” nell’AI: il deep learning. Rispetto all’ormai diffuso machine learning, la forma di autoapprendimento garantita dal deep learning consente infatti di affinare gli algoritmi di intelligenza artificiale per applicarli a qualsiasi situazione. Ma questo metodo, che consente in pratica al sistema di AI di modificare i modelli che utilizza in base all’esperienza, non è l’unico elemento innovativo nel settore della computer vision. Anche i metodi di addestramento dell’algoritmo sono cambiati notevolmente. “Per le nostre tecnologie utilizziamo tecniche di transfer learning” spiega Piccari. “Utilizziamo modelli già sviluppati, che vengono ricomposti e utilizzati per la base del nuovo modello”. Insomma: i tempi in cui la fase di addestramento prevedeva l’uso di enormi banche dati per istruire il sistema di riconoscimento è oggi decisamente più snella ed è in grado di perfezionarsi in autonomia. Nella computer vision, in definitiva, la manipolazione dei dati ha un ruolo preminente rispetto alla quantità di dati a disposizione.

Una collaborazione a livello globale

Un ruolo di primo piano nello sviluppo delle tecnologie di computer vision è svolto dalla larga e diffusa community di ricercatori che collabora ogni giorno alla definizione di sistemi più efficienti e mette a disposizione la “materia prima” che consente di sviluppare algoritmi e strumenti sempre più evoluti. E non si tratta di una forma di messa in comune dei saperi che riguarda solo gli ambienti accademici: anche le aziende, tra cui soggetti di primo piano come Google, mettono a disposizione i dati in loro possesso per contribuire al progresso nel settore dell’intelligenza artificiale. “È un settore in cui tutti i ricercatori partecipano a progetti condivisi con grande frequenza” conferma lo specialista di TopNetwork. “A dare un’ulteriore spinta sono anche fenomeni come gli open data e, sempre più spesso, la partecipazione della Pubblica Amministrazione”. Proprio in questo ambito, infatti, enti locali e soggetti pubblici stanno intensificando la loro attività grazie a un interesse per i sistemi di AI che, nel prossimo futuro, potrebbe essere d’aiuto per colmare quel gap a livello di digitalizzazione che il nostro paese accusa da tempo.

Etica e rispetto delle normative

Quando si parla di intelligenza artificiale, e in particolar modo di deep learning, gli sviluppatori si trovano a fare i conti anche con i temi etici e le restrizioni imposte dalle normative in tema di privacy e di trattamento dei dati. Dal momento che gli algoritmi lavorano su modelli generati in base agli stessi dati che analizzano, infatti, il rischio è quello di incorrere in “inciampi” legati a una interpretazione delle informazioni che porta a generare regole “indesiderabili”. Un problema che gli sviluppatori hanno dovuto affrontare e che oggi è stato superato. “Qualsiasi categorizzazione che possa generare discriminazioni, come il genere o l’etnia, viene esclusa dai modelli di computer vision”, spiega Edoardo Piccari. E una grande attenzione è riservata anche al tipo di dato utilizzato. Per le funzioni di riconoscimento e gestione degli accessi, per esempio, il ricercatore specifica che vengono utilizzati elementi che non rientrano in campi “sensibili”, usando per esempio il riconoscimento dell’iride o dei tesserini al posto del riconoscimento facciale, che pone problemi da un punto di vista legale.

TopNetwork - Riconoscimento immagini e oggetti

FacebookTwitterLinkedIn