I Sistemi Intelligenti sono ispirati alla natura, matematicamente affidabili, sono potenti strumenti di calcolo e metodologie di risoluzione dei problemi, diventati estremamente importanti per l’incremento delle tendenze futuristiche della tecnologia dell'informazione. Attualmente i sistemi di Intelligenza Artificiale (AI) utilizzano computer per emulare varie facoltà dell'intelligenza umana e delle funzioni biologiche. Usano una combinazione di sistemi simbolici e sub-simbolici in grado di evolvere le capacità cognitive umane e l’intelligenza, quindi non sono solo sistemi in grado di fare cose che gli umani fanno bene. I Sistemi Intelligenti sono ideali per attività come la ricerca e l’ottimizzazione di applicazioni, il riconoscimento di modelli preconfigurati e relativa corrispondenza, pianificazione, gestione dell'incertezza, controllo e adattamento. Le applicazioni dei Sistemi di Intelligenza Artificiale hanno guadagnato popolarità tra i professionisti del settore aerospaziale nell'ultimo decennio a causa della facilità con cui molti degli strumenti AI possono essere implementati. Oltre a questa facilità di implementazione, l’AI ha dimostrato di risolvere i problemi più difficili in modo più efficiente. Alcune delle nuove idee che utilizzano l'AI comprendono l'autonomia dei veicoli spaziali, il controllo degli aerei, la progettazione di profili alari, operazioni via satellite, la modellazione, progettazione di missili e la gestione della temperatura del velivolo. In sostanza, si può dire che le tecnologie AI aiutano a raggiungere l'efficienza, l’affidabilità e la sicurezza, oltre a fornire capacità di tipo umano.
Introduzione
Cosa si intende per Sistema Intelligente?
La scienza si è evoluta con i nostri sforzi verso la comprensione e l'imitazione della natura, attraverso invenzioni e scoperte, ipotesi e test, successi e fallimenti. L'evoluzione dei computer segna l'era del nostro successo nella costruzione di sistemi in grado di eseguire azioni di tipo ripetitivo, che sono difficili o che richiedono tempo, se realizzati dagli esseri umani. Ciò ha aiutato a migliorare i nostri sforzi verso lo studio e la comprensione dell'intelligenza dei sistemi biologici e ad applicare questa conoscenza per costruire Sistemi Intelligenti Artificiali.
Attribuiamo l'intelligenza a varie facoltà. L'intelligenza è spesso identificata in termini di competenza, talento, istruzione, QI e interazione sociale. Dal punto di vista del calcolo, l'intelligenza di un sistema è caratterizzata dalla sua flessibilità, adattabilità, memoria, apprendimento, dinamica temporale, ragionamento e capacità di gestione. Capacità come raccolta di informazioni, comprensione, per capire e risolvere nuovi problemi in modo efficiente, sono considerate caratteristiche critiche di tali sistemi. L'intelligenza è stata definita in diversi modi:
• la capacità di apprendere o capire dall'esperienza
• capacità di acquisire e conservare conoscenza
• abilità mentale
• capacità di rispondere rapidamente e con successo a una nuova situazione
• uso della facoltà della ragione nel risolvere problemi, dirigere attività in modo efficace. Il ruolo dei Sistemi Intelligenti nell'ingegneria aerospaziale è duplice: 1) fornire la funzione di assistente intelligente per integrare e aumentare la competenza umana; 2) agire come sostituto dell’uomo relativamente all’esperienza umana per ridurre gli sforzi dell’uomo e risparmiare costi e tempo. Ad esempio, i Sistemi Intelligenti aiutano l’uomo nella risoluzione e ottimizzazione di complessi problemi grazie alla potente capacità di ricercare con rapidità la giusta soluzione fra una miriade di scelte.
Sistemi Intelligenti per la modellazione
La modellazione potrebbe essere pensata come una rappresentazione delle informazioni disponibili. I Sistemi Intelligenti devono possedere due caratteristiche molto importanti per la modellazione: generalizzazione e affidabilità. La generalizzazione implica che il modello potrebbe essere utilizzato non solo per rappresentare i dati raccolti, ma la conoscenza che i dati rappresentano. L’affidabilità può essere definita come la capacità del sistema di eseguire azioni entro certi limiti della sua prestazione nominale senza incertezza. Diverse tecniche come le reti neurali, i sistemi esperti, etc., sono state abitualmente usate dagli ingegneri aerospaziali per la modellazione. Generalmente la rappresentazione della conoscenza contiene sintassi e semantica. La sintassi è la costituzione delle frasi e la semantica è
l'interpretazione delle frasi. Esempi di rappresentazione della conoscenza sono le equazioni matematiche con le quali vengono creati modelli utilizzando la tecnica dei minimi quadrati per rappresentare la relazione lineare tra
input e output. Nei sistemi basati su regole, il ragionamento è un processo per arrivare a una conclusione costituita da un insieme di premesse. Il ragionamento basato sul Sistema Esperto è uno dei più noti concetti fondato sulle regole di deduzione che è attualmente in uso. Questo metodo consiste di tre parti: una base di conoscenza (insieme di regole e fatti noti), dati acquisiti (fatti e dati derivati), motore della deduzione (logica di ragionamento). Un’importante tipologia di modelli è costituita dai Modelli Neurali, ovvero, Reti Neurali Artificiali, connotazioni ispirate al cervello. I Modelli Neurali consistono di molti elementi computazionali lineari e non lineari simili, collegati in strutture complesse. I semplici elementi computazionali, noti anche come Neuroni, quando associati a schemi complessi, hanno la capacità di svolgere compiti come il richiamo di memoria, riconoscimento di forme e apprendimento. La capacità delle reti neurali di apprendere mediante l’esposizione ripetuta alle caratteristiche di un sistema, ha reso le reti neurali una scelta preferita per molte applicazioni relativamente all’elaborazione delle immagini, all'identificazione e il controllo del sistema, al riconoscimento e classificazione di un modello ed elaborazione dei segnali. I modelli neurali possono essere reti neurali associative, funzione di base radiale neurale o reti di Clustering, etc. Le scelte sono molte.
Sistemi Intelligenti per la progettazione
I sistemi aerospaziali sono di natura complessa e di conseguenza, la progettazione è interdisciplinare. Ad esempio, l’ottimizzazione del progetto condotto individualmente su sottosistemi quali ali, propulsione e controllo automatico, non si integrerà senza un'ampia riprogettazione del sistema integrato. Anche la progettazione individuale di questi sottosistemi richiede l'integrazione di diversi sotto-sottosistemi. I Sistemi Intelligenti possono aiutare in molti modi a migliorare questa complessa esperienza. Diversi ricercatori hanno dimostrato i vantaggi delle reti neurali nella rappresentazione di dati noti e di competenze progettuali. Gli algoritmi genetici sono stati regolarmente utilizzati in molti campi della ricerca, con diversi vincoli e interazioni di sottosistemi. Nella rappresentazione generica della filosofia di progettazione, utilizzando le caratteristiche dei Sistemi Intelligenti, le reti neurali vengono utilizzate per la raccolta di dati per la modellazione, mentre gli algoritmi genetici sono impiegati per cercare il tipo di input da utilizzare per le reti neurali.
Sistemi Intelligenti per il controllo
In generale, ci sono due aspetti principali del controllo intelligente dei sistemi: l’intelligenza per analizzare il cambiamento ambientale, le risorse per rispondere al cambiamento dell'ambiente. L’intelligenza connota la capacità analitica di comprendere e reagire all'ambiente che cambia. Le risorse definiscono i componenti fisici del sistema che sono necessari per reagire all'ambiente. In questo modo, la concentrazione si focalizza sulla necessità di raccogliere e interpretare le informazioni fornite dalla rete di sensori e si applica al controllo in modo tale che una buona prestazione venga mantenuta in una qualsiasi delle seguenti situazioni:
- Perdita di controllo a causa di un guasto
- Le caratteristiche dell'aereo alterate a causa di un danno (gravità, inerzia, etc.)
- Modifica delle condizioni operative (altitudine, Mach, etc.)
- Effetti ambientali dovuti a vento e turbolenze
Le applicazioni intelligenti di controllo si concentrano su problemi di controllo che altrimenti non possono essere risolti o non possono essere risolti in modo soddisfacente con le sole tecniche di controllo tradizionali. Il controllo intelligente come praticato oggi, comprende molti campi: il controllo convenzionale come il controllo ottimale, controllo robusto, controllo stocastico, controllo lineare e controllo non lineare, nonché le più recenti tecnologie di logica fuzzy e il controllo neuro-genetico. Il controllo intelligente è classificato in base all'idea di auto-miglioramento come obiettivo verso livelli più alti di intelligenza.
La progettazione dell’Estimatore del sistema di controllo del motore degli aerei
Uno degli obiettivi comuni del controllo del motore degli aerei è quello di migliorare le prestazioni del motore in condizioni degradate. Per massimizzare le prestazioni del motore in modo efficiente in condizioni di scarse prestazioni, può essere applicato uno schema di controllo del motore tollerante ai guasti. Il primo passo per implementare l'architettura di controllo del motore tollerante ai guasti, è lo sviluppo di un Estimatore delle prestazioni del motore. Questa applicazione utilizza una combinazione di algoritmi genetici e reti neurali della funzione di base radiale. Generalmente, gli Estimatori tradizionali di prestazioni del motore degli aerei, [...]
ATTENZIONE: quello che hai appena letto è solo un estratto, l'Articolo Tecnico completo è composto da ben 2018 parole ed è riservato agli ABBONATI. Con l'Abbonamento avrai anche accesso a tutti gli altri Articoli Tecnici che potrai leggere in formato PDF per un anno. ABBONATI ORA, è semplice e sicuro.
Eccellente articolo, argomento non proprio immediato. Però utilissimo anche come detto nel testo per sistemi di addestramento automatici piloti.
Grazie.
L’Intelligenza Artificiale ha ormai raggiunto molti ambiti applicativi. Occorre chiedersi cosa l’essere umano si aspetta realmente dai sistemi di intelligenza artificiale, un supporto decisionale post fase di addestramento o una completa sostituzione. Potremmo in un futuro più o meno lontano, avere a che fare con la super intelligenza artificiale, sistemi estremamente complessi che superano l’intelligenza umana ed agiscono in sostituzione degli esseri umani (rischio o opportunità?).