Blog
Uno staff di lavoro sempre orientato al cliente, per offrire le migliori soluzioni per i diversi sistemi di visione artificiale.

VISION DEVICE si avvale del prezioso contributo di un team di collaboratori, tutti altamente specializzati sul know-how applicativo e dello sviluppo software, nelle diverse aree e discipline. Questo permette all’azienda di seguire i diversi clienti attentamente, in modo da riuscire a fornire la massima qualità nel proprio lavoro per le diverse soluzioni sui sistemi di visione artificiale.

Deep Learning: dalla visione artificiale al controllo qualità

Deep Learning: dalla visione artificiale al controllo qualità

Il Deep Learning è un settore specifico della ricerca che studia le possibilità e le metodologie dell'apprendimento automatico. Anche se la terminologia italiana per definire tale settore è Apprendimento Profondo, viene utilizzata raramente, preferendo la dicitura inglese.

Il Deep Learning: cos'è e come funziona

Si tratta di un ramo dell'Intelligenza Artificiale che oggi è probabilmente all'apice del suo sviluppo ma che vede gli albori intorno alla metà degli anni Sessanta del Novecento, periodo in cui vennero sviluppati i primi algoritmi per l'apprendimento automatico di determinati computer.

Ad interessarsi a questo tipo di processo furono, inizialmente, soprattutto gli informatici sovietici e giapponesi che riuscirono a creare architetture semplici di apprendimento automatico che, inizialmente, impiegavano un tempo considerato troppo lungo per poter essere applicato e utilizzato: quattro giorni.

I decenni successivi videro il miglioramento delle strutture di apprendimento, che divennero sempre più complesse mentre, allo stesso tempo, diminuivano il tempo di apprendimento automatico.

Nel 1986 nacque il termine Deep Learning, anche se la sua diffusione inizia solo a partire dal Duemila. Negli ultimi anni poi, in seguito ad una serie di acquisti eccellenti, come quello della società Deep Mind da parte di Google, il Deep Learning è entrato (quasi) nel linguaggio comune.

Le reti neurali fondamento del Deep Learning

Alla base del Deep Learning vi sono le reti neurali, ossia particolari algoritmi in grado di decidere autonomamente, in base a determinati input dati dal sistema. A seconda dello sviluppo e del livello di avanzamento, le reti neurali possono migliorarsi con l'esperienza, ossia riconoscere le variabili che causano errori ed eliminarle quando sia necessario ripetere una stessa iterazione. Tutto questo è reso possibile dalla presenza di una memoria e da un cervello in grado di gestire i diversi segnali per combinarli, in maniera tale da dare un risultato quanto più vicino possibile alla realtà, ossia a quanto richiesto. 

Per comprendere al meglio il funzionamento delle reti neurali, bisogna pensare che esse operano su determinati dati, che possono essere segnali video o audio, colori, parole eccetera. Le moderne strategie hanno puntato a realizzare algoritmi di due differenti tipologie, quelli più generali e quelle altamente mirate.

La differenza è data soprattutto dal campo di applicazione, che può andare dal riconoscimento vocale alla guida autonoma di mezzi di trasporto, dal riconoscimento di foto e video a molto altro ancora come ad esempio la visione artificiale. Va tuttavia specificato che, per quanto oggi l'applicazione del Deep Learning avviene in molti settori, le sue potenzialità sono ancora molto ampie.

Il Deep Learning e la guida automatica

Uno dei campi di applicazione del Deep Learning che maggiormente interessa il grande pubblico è probabilmente quello relativa alla guida autonoma. Si tratta ancora di fasi sperimentali e prototipi, ma sono in molti ad aver realizzato degli algoritmi che permettono di insegnare alle auto come guidare in assenza di un pilota umano.

Deep Learning visione artificiale

Gli ultimi prototipi presentati sono caratterizzati da reti neurali in grado di riconoscere l'ambiente circostante e, di conseguenza, di potersi muovere da soli anche nel traffico. Naturalmente, per poter garantire la massima sicurezza, le auto saranno dotate di una serie di telecamere le cui immagini potranno essere costantemente elaborate dai software per garantire il controllo sui differenti lati della strada.

Da questo punto di vista, un ramo fondamentale del Deep Learning prevede il supporto della Visione Artificiale, che permette ai diversi sensori e telecamere di riprodurre la vista dell'uomo, ossia di riconoscere tutto il contesto in cui ci si muove potendo così, tramite il cervello, decidere eventuali direzioni da prendere.

Ancora, sensori di vario tipo permetteranno il riconoscimento di suoni per incrementare i parametri che il computer dovrà prendere in considerazione per poter garantire una guida sicura. 

A differenza dei primi algoritmi che impiegavano giorni per elaborare un numero minimo di informazioni, oggi le reti neurali dei prototipi delle autovetture riescono a gestire ed elaborare oltre venti miliardi di operazioni al secondo, tutte apprese tramite il Deep Learning.

Tra queste informazioni vi sono, naturalmente, tutte quelle legate ad una guida sicura, come il controllo della carreggiata, la presenza di ostacoli o di pedoni, il riconoscimento di condizioni meteorologiche avverse e molto altro.  

Il Deep Learning nella diagnostica medica

Al di là delle interessanti applicazioni nel mondo delle auto, i campi in cui si sta lavorando per migliorare le reti neurali e il Deep Learning sono diversi, e vanno dai programmi di diagnostica in medicina a quelli del controllo di qualità nelle produzioni industriali. 

Probabilmente la diagnostica medica è un settore in cui l'interesse per lo sviluppo delle reti neurali è maggiore, visto che in molti casi già vengono utilizzati algoritmi a supporto degli specialisti. Il successo delle reti neurali nel settore medico è dato proprio dalla complessità del corpo umano e, quindi, delle differenti e probabili soluzioni delle diagnostiche stesse.

Queste, infatti, si basano per la maggior parte delle volte su esperienze precedenti che il medico ha avuto, vissuto o studiato e che gli permettono di rilasciare una diagnosi specifica. Le reti neurali in questo settore possono quindi partire da un bagaglio culturale già ampio e migliorare ulteriormente, tramite l'apprendimento profondo, le proprie conoscenze in determinati specifici settori, proprio come fanno gli esseri umani ma con una rapidità maggiore. 

Il Deep Learning nei sistemi di controllo qualità

Un altro settore in cui le reti neurali possono garantire un fondamentale contributo è quello dei programmi relativi ai sistemi di controllo qualità in aziende e industrie. La qualità della produzione, infatti, nella maggior parte dei casi viene riconosciuta tramite la vista e il tatto, ossia osservando i prodotti o tastandoli con mano. Dopo aver definito il livello minimo della qualità, quindi, gli addetti al controllo qualità procedono effettuando delle cernite ed eliminando tutto quello che non corrisponde al livello minimo della qualità aziendale.

Naturalmente, in contesti di grandi produzioni, la possibilità di controllare la qualità dei prodotti tramite un programma in grado di riconoscere le caratteristiche del prodotto stesso permetterebbe un importante miglioramento nella velocità del controllo di qualità. Le reti neurali, così come la visione artificiale, in questo contesto diventano fondamentali perché permettono di controllare la qualità dei prodotti, eventuali difetti di fabbrica, guasti, colori errati e molto altro, a seconda del campo in cui si sta operando. 

Tuttavia, per assicurare un lavoro completo è necessario associare, al sistema di riconoscimento, anche un elemento meccanico in grado di eliminare i prodotti non idonei allo standard definito.

Conclusione

Per concludere, si può dire che il Deep Learning oggi impegna alcune delle più brillanti menti che operano nel settore informatico: start up, aziende e centri di ricerca collaborano spesso per cercare di migliorare quella che, al momento, pur non essendo più solamente una teoria, ancora non può essere utilizzata nel pieno delle sue possibilità nei diversi settori.