a

Lorem ipsum dolor sit amet, consectetur adicing elit ut ullamcorper. leo, eget euismod orci. Cum sociis natoque penati bus et magnis dis.Proin gravida nibh vel velit auctor aliquet. Leo, eget euismod orci. Cum sociis natoque penati bus et magnis dis.Proin gravida nibh vel velit auctor aliquet.

  /  Project   /  Blog: JARVIS: ChatBot e AI al servizio dell’industria 4.0

Blog: JARVIS: ChatBot e AI al servizio dell’industria 4.0


Solo pochi anni fa, avere conversazioni in linguaggio naturale con una macchina era quasi universalmente riconosciuto essere come un processo comico e talvolta frustrante.

Oggi qualcosa è cambiato. Se da un lato le tecniche di Natural Language Processing (NLP) ed il riconoscimento vocale sono tutt’altro che perfetti, grazie ad evoluti algoritmi di apprendimento automatico siamo sempre più vicini ad un punto in cui è sempre più difficile stabilire se stiamo parlando con un umano o con una macchina.

Le aziende hanno cavalcato quest’onda rendendo disponibili sempre più chatbot solitamente utilizzati come supporto all’assistenza ai clienti, ma sta prendendo piede anche il loro utilizzo nell’agevolazione di processi interni. Uno studio, condotto da Spiceworks Study e pubblicato agli inizi dello scorso aprile, afferma che il 40% delle grandi aziende ha implementato almeno un chatbot per i propri scopi o lo farà entro la fine del 2019. I campi di utilizzo dei chatbot sono molteplici: funzioni rivolte direttamente ai clienti, che hanno così la possibilità di ricevere risposte sintetiche alle loro domande sui prodotti o servizi, per arrivare a veri e propri sistemi a supporto dell’ingresso di nuovi dipendenti in azienda, con la possibilità di reperire con facilità tutte le informazioni aziendali o tenersi aggiornati sulle ultime novità o procedure.

Fondamenti del NLP

Nel mondo del NLP, l’obiettivo dell’utente all’interno di una conversazione è chiamato intent, caratterizzati da una collezione di entities (possono essere nomi, luoghi, orari etc.) che ne danno una descrizione più dettagliata e specifica. Ciascuna rase dell’utente (dal quale è possibile poi dedurre l’intent) è chiamata utterance.

Ad esempio:

· Utterance: “Dammi le informazioni sul meteo di Londra”

· Intent: “previsioni_meteo”

· Entities: “meteo”, “Londra”

Uno dei più grandi problemi del NLP è la grande varietà sia semantica che sintattica che si cela dietro a delle semplici frasi (in modo particolare se scritte in lingua italiana): in alcuni casi è molto difficile dedurre l’intento dell’utente, portando a conclusioni e risposte sbagliate o fuori luogo.

I due concetti alla base per poter dunque sfruttare al meglio questa tecnologia sono l’aggregazione ed il passaggio ad un livello superiore.

Il principio dell’aggregazione è quello di non considerare ciascuna conversazione come isolata dalle altre, ma cercare di estrapolare le informazioni utili fra più conversazioni diverse, imparando così come ottenere risultati migliori per le prossime. L’altro concetto chiave è quello di limitare l’utilizzo di un Chat Bot solamente ad una limitata area di competenza, non delegando dunque l’intera conversazione. In quest’ottica i Chatbot interverranno per la gestione di operazioni di “routine” (come ad esempio rispondere a semplici domande prendendo spunto dalla knowledge base di un’organizzazione), passando la conversazione ad un umano nel caso in cui questa diventi troppo complessa da gestire, evitando così anche la frustrazione dell’utente nel vedersi sempre rispondere “non ho capito” alle proprie domande.

Chatbot e Industria 4.0

Un’interessante applicazione dei chatbot, che sta prendendo sempre più piede negli ultimi anni grazie alla forte spinta sul tema industria 4.0, è nel campo manifatturiero. In questo contesto, i chatbot non sono altro che agenti di conversazione che possono ricoprire il ruolo di assistenti virtuali degli operatori di produzione. Questi particolari assistenti utilizzano i dati rilevati dai sistemi installati sulle macchine (sensori) per guidare le scelte degli operatori ed eventualmente fornire dati di rilevazione o impartire istruzioni. Di fatto in questo modo il ruolo degli ingegneri di fabbrica resta centrale, ma le decisioni da prendere istante per istante sono coadiuvate da dati oggettivi rilevati in tempo reale e presentati in modo semplice e intuitivo dai chatbot.

Su questa linea pone le sue basi il progetto JARVIS, realizzato in partenariato da un’associazione di 4 imprese (Lascaux Srl, Sismic Sistemi Srl, Jaewa Srl, Beenomio Srl) ed un organismo di ricerca pubblico (Università di Firenze — Dipartimento di Ingegneria Informatica) e finanziato dalla Regione Toscana tramite il programma PoR CreO.

JARVIS si pone come principale obiettivo quello di supportare la fase di diagnostica e manutenzione remota di dispositivi hardware periferici. Come caso d’uso pratico, è stato preso in considerazione il problema della manutenzione di apparati di controllo per accesso a varchi di ZTL cittadine.

A partire dalla scheda hardware installata nell’armadio di varco, vengono raccolti dati di telemetria e diagnostici che, tramite una serie di opportuni moduli di data analytics, vengono elaborati al fine di individuare eventuali eventi interessanti (ad esempio una perdita di focus della telecamera che porta al degradamento dell’immagine acquisita). In questa fase interviene un chatbot che avrà cura di informare gli utenti manutentori tramite messaggistica istantanea, fornendo informazioni utili sul dispositivo e proponendo una serie di azioni a disposizione dell’operatore, così da poter poi inoltrare il comando direttamente alla scheda.

In definitiva, a tendere i chatbot parleranno con gli ingegneri dei flussi di lavoro giornalieri, dell’avanzamento della produzione, di problemi tecnici e altre questioni relative al lavoro da svolgere e rappresenteranno una soluzione estremamente innovativa per raccogliere dati creati direttamente dall’esperienza umana.

Vuoi saperne di più? Clicca qui!

Source: Artificial Intelligence on Medium

(Visited 6 times, 1 visits today)
Post a Comment

Newsletter