La nuova frontiera della Collaborative Intelligence

GettyImages-498335174

Google, Wikipedia e i social network sono esempi di “Collaborative Intelligence”, una disciplina che consente l’interazione e il teaming tra uomo e macchina, uomo e computer, per creare un ecosistema che evolve contemporaneamente.

Nello specifico, la Collaborative Intelligence caratterizza quei sistemi multi-agente e distribuiti in cui ciascun soggetto, umano o macchina, contribuisce in modo specifico ad un processo di problem-solving o di decision making.

Si tratta di una struttura cosiddetta Bio-Inspired, cioè ispirata dalla natura: negli ecosistemi naturali, in cui la firma unica di ciascun organismo deriva dalla sua genetica, circostanze, comportamento e posizione nella catena, l’autonomia collaborativa degli organismi rende possibile l’evoluzione.

Questi ecosistemi naturali hanno offerto ispirazione per la progettazione di strutture collaborative tra umani e macchine che utilizziamo tutti i giorni, come i social network, appunto, spinti dai progressi nelle tecnologie di calcolo e nella implementazione di algoritmi riconducibili alla grande categoria dell’Artificial Intelligence. E stanno ispirando anche il business dell’Aerospazio e Difesa in generale e di ELETTRONICA Group in particolare.

Una immediata e importante applicazione è proprio nel rapporto tra il sistema elettronico e l’utente.

Per decenni, questo rapporto è stato basato su programmi rigidi, basati su regole o imperativi, attraverso i quali l’utente impartiva comandi ad un sistema e questo rispondeva in base a come era stato programmato. Parlavamo di Human-Machine Interface e, a meno di una riprogrammazione della macchina, non si verificavano evoluzioni nel rapporto con l’utente umano. In queste condizioni, i tempi di evoluzione sono dell’ordine degli anni.

L’introduzione di architetture di calcolo più performanti e la disponibilità di dati, ha consentito di introdurre nuove capacità nel rapporto tra l’uomo e la macchina. L’introduzione di approcci basati su Machine Learning permette di affiancare alle regole, che comunque costituiscono ancora una baseline di riferimento, dei programmi generici che vengono alimentati e modellano la loro risposta in base agli esempi che vengono loro forniti in una fase di addestramento. Alcuni definiscono questa rinnovata capacità come Human-Machine Interaction. Miglioramenti nel rapporto utilizzatore-macchina sono possibili a fronte di nuovi esempi e di rinnovate attività di training off-line del sistema, con tempi di evoluzione dell’ordine dei mesi.

La nuova frontiera, che costituirà l’evoluzione verso una Collaborative Intelligence, è quella che, oltre alle regole e agli esempi, consentirà di utilizzare anche l’esperienza, le cosiddette lessons learnt o, in altre parole, successi e insuccessi a fronte di una decisione. Si parla allora di Human-Machine Teaming. I tempi di evoluzione per un tale struttura potrebbero essere dell’ordine dei giorni, addirittura di ore o forse anche meno.

Questo moltiplicherà le capacità e lo stato o le qualità del singolo (umano o macchina) e sarà tanto più forte quanto più saremo in grado di interconnettere più macchine e più umani in modo che possano agire e migliorare “collettivamente”.

Ecco perché nella vita di tutti i giorni, quando accendiamo i nostri computer, Google o Wikipedia ci propongono tematiche che non abbiamo digitato prima: perché il sistema, dall’interazione con noi e con altri agenti del sistema (umani e macchine), impara dalle abitudini e dall’esperienza ed è in grado di proporcele.

Nel dominio dell’Aerospazio e Difesa, il sistema (o meglio, l’ecosistema) di Comando e Controllo è tra le strutture più complesse in termini di gestione integrata di individui, risorse, informazioni e procedure che consentono di eseguire e risolvere sfidanti processi di problem-solving e decision-making. In futuro, la complessità di queste strutture potrà solo crescere in termini di dimensione e complessità, proporzionalmente alla digitalizzazione del battle-space, alla velocità di trasferimento dell’informazione, alla disponibilità sempre maggiore di dati, che possono presentarsi sincroni e asincroni, strutturati e non, generalmente incompleti.

Quando applicati al layer interconnesso dei sistemi di Electronic Defence, Electronic Attack e Spectrum Management, dove i tempi di reazione della catena di decisione sono per la maggior parte al di sotto del tempo di reazione umano, la Collaborative Intelligence diventa una necessità.

All’aumentare della complessità del battle-space, i requisiti per decisioni e reazioni più veloci aumentano di conseguenza. In più, le abilità comunicative del cervello umano sono limitate da una ridotta larghezza di banda passante in input e output e dal fatto che la velocità di formulazione di un pensiero, sebbene impressionante, è comunque bassa in certi contesti.

Nell’ambito di un C2, l’ammontare di tempo necessario per addestrare e sviluppare un commander è significativamente molto maggiore del tempo di deployment richiesto dalle situazioni operative ed inoltre l’essere umano, per quanto addestrato, è sempre soggetto a stress e a saturazione da troppa informazione. In queste aree di applicazione, così come in tutte quelle che coinvolgono le vulnerabilità fisiche ed emotive dell’umano, si verificherà una crescente richiesta di sistemi automatici “esperti” e “autonomi” per funzioni come la “sensor Interpretation” e la “automatic target recognition-classification-tracking”, basati per esempio su sistemi di detezione di comportamenti anomali, addestrati su dati che rappresentano comportamenti standard. Altri approcci basati su AI, come quelli che vanno sotto il nome di Decision Support Systems, hanno applicazioni di successo nei sistemi di C2, perché assistono l’umano nella organizzazione strutturata dell’informazione e della conoscenza.

L’enfasi è da porre sull’efficacia del processo di decision-making, in quanto questo implica formulazione di alternative, analisi degli impatti, interpretazione e selezione di opzioni appropriate da implementare ed eseguire. Sistemi collaborativi uomo-macchina, capaci di delegare correttamente e proporzionalmente alla macchina le componenti di mission planning, situation assessment e decision-making, saranno quelli di maggiore successo per la missione.

In conclusione, è chiaro che, con la domanda crescente di sistemi esperti ed autonomi specializzati per applicazione, la Collaborative Intelligence giocherà un ruolo sempre più determinante, nonostante alcune obiezioni di critici e scettici che continuano a vedere nel Comando e Controllo una naturale connessione con qualità che sono tradizionalmente associate solo con l’intelligenza umana. Teniamo presente, però, che solo un umano, partendo da una conchiglia è in grado di immaginare un gioiello…

 

Daniela PistoiaVedi tutti gli articoli

Laureata in Ingegneria Elettronica, ha un diploma di Executive Management. Nel 1988 ha iniziato la sua carriera in Alenia Marconi Systems come ingegnere per sistemi missilistici e ha guidato gli studi di simulazione e progettazione dei sensori RF. Dopo aver lavorato dal 2000 al 2002 come Responsabile dell'Advanced Concepts and System Studies nella Divisione Seeker di MBDA, è entrata in Elettronica nel 2003. Come Vice Presidente per la Ricerca e la Progettazione di Sistemi Avanzati, ha sviluppato e gestito il portafoglio di prodotti cyber, EW, radar ed elettro-ottici. Dal 2013 è Chief Corporate Scientist e Head of Product Innovation & Advanced EW Systems. E' autrice di numerosi articoli tecnici e relatore in eventi Internazionali.

Login

Benvenuto! Accedi al tuo account

Ricordami Hai perso la password?

Lost Password