Quando pensiamo a un robot industriale immaginiamo un braccio che salda, solleva, avvita. Quell’immagine è corretta, ma racconta solo una parte della fabbrica. La vera trasformazione non riguarda motori più potenti o giunti più precisi: riguarda il software. I bracci robotici esistono da cinquant’anni e sono straordinariamente precisi. Quello che mancava era dare loro la capacità di «capire cosa stanno facendo». Un salto oggi consentito grazie alla Physical AI: l’intelligenza artificiale che esce dagli schermi e dai chatbot ed entra nelle macchine che lavorano accanto a noi. Ne parliamo con Francesco Francesconi, presidente e fondatore di CloudBits, società bresciana specializzata nello sviluppo di soluzioni digitali, intelligenza artificiale e realtà virtuale aumentata.
Quale è la differenza tra un robot tradizionale e uno che sfrutta l’intelligenza artificiale?
Il robot tradizionale funziona come un cuoco che segue una ricetta alla lettera. Un programmatore scrive ogni movimento: vai in questo punto, chiudi la pinza, ruota di trenta gradi, torna indietro. Se il pezzo è sempre nello stesso posto, il risultato è perfetto. Se viene spostato di due centimetri o è girato al contrario, il robot si ferma o sbaglia. Per questo, finora, il mondo intorno alla macchina è stato costruito su misura per lei, con nastri, maschere di posizionamento e allineatori che garantiscono la posizione esatta degli oggetti.
Con l’AI cosa succede?
Cambia la logica: invece di scrivere ogni passaggio, si mostrano alla macchina molti esempi e lei impara a generalizzare. È la differenza tra dare una ricetta e insegnare a cucinare. Non programmiamo più soltanto i movimenti, ma la capacità di decidere come muoversi.
Qual è l’applicazione già matura nelle fabbriche?
La visione artificiale. Una telecamera, un computer e un modello di AI addestrato bastano a dare occhi a una macchina. Le applicazioni sono già concrete: riconoscere un difetto su una superficie verniciata che sfugge all’occhio umano dopo otto ore di turno, prelevare pezzi alla rinfusa senza doverli allineare prima, distinguere materiali diversi su un nastro trasportatore, per esempio nel recupero dei rottami metallici. Ma il modello di AI è raramente la parte più difficile. Il lavoro vero consiste nel raccogliere immagini rappresentative, etichettarle con l’aiuto di chi conosce il processo e gestire condizioni reali come luce, polvere, vibrazioni e riflessi. Un sistema perfetto in laboratorio può fallire in reparto perché un raggio di sole entra da un lucernario.
Presto potremo dare istruzioni a voce ai robot?
È la promessa dei modelli fondazionali per la robotica, che collegano ciò che la macchina vede, le istruzioni ricevute a parole e i movimenti da compiere. L’operatore potrebbe dire: “Prendi i pezzi con la bava e mettili nel cassone rosso”. Il robot dovrebbe capire che cosa significa “bava”, riconoscere il cassone e pianificare i movimenti. Nei laboratori e in alcune dimostrazioni questi sistemi funzionano in modo sorprendente. Ma il robot va addestrato.
Come si addestra un robot senza rischiare di danneggiare prodotti e impianti?
Con la simulazione. Si costruisce una copia digitale della cella o della linea, il cosiddetto gemello digitale, riproducendone fisica, pesi, attriti e illuminazione. In questo ambiente il robot può provare migliaia di volte ciò che nel mondo reale richiederebbe mesi. È come il simulatore di volo per i piloti: nessuno impara ad atterrare con l’aereo pieno di passeggeri.
Perché i dati sono così importanti?
Perché contengono il know-how dell’impresa: le immagini dei difetti, i parametri di processo, le correzioni degli operatori esperti. Sono conoscenze costruite in decenni e capaci di distinguere un’azienda dai concorrenti. Per questo dobbiamo chiederci dove finiscono i dati. Molti servizi di AI funzionano in cloud, su server di grandi gruppi esteri: è comodo, ma significa trasferire fuori dall’azienda informazioni che descrivono come si lavora. L’alternativa è elaborarle in locale, sulla macchina o sui server aziendali. È quella che chiamiamo AI sovrana. Tutela il sapere industriale, consente di reagire in pochi millisecondi senza dipendere dalla connessione.
L’intelligenza artificiale rischia di sostituire i lavoratori?
La questione va posta diversamente. L’AI impara da chi sa fare: dal tecnico che riconosce un difetto al tatto, al capoturno che capisce dal rumore che qualcosa non va. Senza queste persone un sistema industriale di AI non funziona. La tecnologia può conservare un sapere che rischia di andare perso coi pensionamenti e con la difficoltà di trovare giovani per lavori ripetitivi e faticosi.
