Il settore dell’image detection, quindi del riconoscimento e della catalogazione delle immagini acquisite tramite l’obiettivo di una telecamera o di una fotocamera grazie a un software, è tra quelli che stanno registrando - e che sono destinati a registrare per il futuro - i tassi di crescita più alti nel campo dell’automazione industriale e di una serie di altri campi di applicazione. A testimoniarlo ci sono i dati di MarketsAndMarkets, che ha stimato per il quinquennio che si concluderà nel 2021 una progressione vicina al 20% annuo di questo comparto, con un raddoppio del valore di mercato generato dalle soluzioni più avanzate di computer vision, destinate a passare dai 15,9 miliardi di dollari del 2016 ai 38,9 del 2021. A contribuire in maniera decisiva a questa “scalata” stanno intervenendo una serie di fattori che rendono l’implementazione dell’image detection sempre più semplice per le aziende di ogni settore, dall’industria 4.0 alla medicina, dalla sicurezza al retail, fino ai motori di ricerca visuali. Parliamo in primo luogo degli algoritmi di intelligenza artificiale, del machine learning e del deep learning, che per mettere in campo il meglio delle proprie possibilità hanno però bisogno di utilizzare un’infrastruttura che sia architettata in modo attento, che contemperi costi, benefici e prestazioni nel mix migliore caso per caso. Un percorso che è già iniziato e che vede in campo una serie di player specializzati in grado di analizzare le esigenze delle singole aziende e di mettere a loro disposizione le best practice a seconda del settore di riferimento. Al centro di questo nuovo “capitolo” della digital transformation, c’è la crescente importanza che può avere per il business il riconoscimento automatico delle immagini, che si tratti dei consumatori che sostano davanti a una vetrina piuttosto che dei referti di una serie di accertamenti diagnostici, fino ad arrivare all’analisi delle immagini che provengono grazie all’internet of things dagli ambienti di produzione o dai sistemi di videosorveglianza, fino alle informazioni necessarie per rendere davvero sicure le auto a guida autonoma. L’image recognition e l’image detection possono inoltre essere particolarmente utili sia nei processi interni all’azienda, sia per abilitare nuovi servizi che mirano a rendere sempre più semplice e soddisfacente la customer experience, mettendo in campo cioè soluzioni utili a fidelizzare i clienti o a mettere a loro disposizione servizi a valore aggiunto. Puntando l’attenzione in particolare nel mondo del manifatturiero, l’image detection e l’image recognition stanno acquistando un’importanza sempre più centrale nel contesto più ampio dell’industria 4.0. Utilizzando le immagini in questo campo infatti è possibile riconoscere in automatico, grazie agli algoritmi di intelligenza artificiale e di machine learning, eventuali anomalie durante la produzione o difetti di qualità nei prodotti, e intervenire in tempo reale prima che questo provochi danni economici che su larga scala potrebbero risultare ingenti. Allo stesso modo sarà possibile identificare eventuali guasti o anomalie, monitorando costantemente sia gli ambienti di produzione sia quelli di assemblaggio dei diversi componenti, fino ad arrivare al controllo delle confezioni e alla gestione dei magazzini, aggiungendo un elemento dall’alto valore [...]

Che ne diresti se la macchina lavorasse per te? Una delle tendenze del 2018 a proposito di cloud ibrida prevede che metodologie e strumenti tipici dell’Intelligenza Artificiale, a partire dal Machine Learning che ne è la base, si “impossesseranno” del cloud ibrido con l’obiettivo di monitorare e aiutare a ottimizzare le operazioni in un data center. Qui trovi una conversazione molto interessante con il guru del Machine Learning di IBM. Dall’analisi delle cause dei malfunzionamenti più profondi, dal supporto nell’implementazione alla gestione dei ticket per gli interventi, che siano di manutenzione ordinaria o straordinari, le funzionalità tipiche del machine learning potranno essere molto utili ai team preposti all’intervento su un’architettura hybrid cloud. Fino, addirittura, a costituire i team automaticamente. Sappiamo bene che oggi, per mettere le mani all’interno di un cloud ibrido, non è conveniente ricorrere ai tuttologi. La complessità delle architetture richiede diverse competenze e spesso il partner di progetto deve correre ai ripari con certificazioni sempre più puntali e aggiornate. Inoltre, ottimizzare i processi significa anche comprendere in tempo che tipo di competenza sia necessaria per una configurazione o un intervento e, per questo, tornerà molto utile avere un bot in grado di identificare il problema e delegarne la risoluzione al team più opportuno. Tutto rose e fiori, insomma? Forse qualcuno potrebbe pensare che siano crisantemi per il canale: se le macchine prenderanno il controllo dei data center cambierà il ruolo dei Business Partner? Se si compie un’analisi superficiale delle conseguenze della diffusione dell’Intelligenza Artificiale si sta commettendo un errore grossolano. Le macchine non sostituiranno mai l’uomo, lo possono solo aiutare. Ci sarà sempre bisogno di qualcuno che dica alle macchine cosa fare e che le segua per un fine tuning costante. Anzi, ci sarà bisogno di qualcuno che capisca il linguaggio di queste macchine virtuali, dunque meglio attrezzarsi con corsi e certificazioni adeguate anziché disperarsi. È previsto che il mercato mondiale del ML passi dai 1,41 miliardi di dollari del 2017 agli 8,81 miliardi di dollari entro il 2022 con un CAGR del 44% (vedi qui per un approfondimento). Insomma, il supporto di una squadra formata da risorse competenti, di un Platinum Business Partner IBM come Uno Informatica, pronto e aggiornato, sarà ancora necessario per scegliere insieme ai propri clienti le soluzioni di Machine Learning più opportune. CONTATTACI