Il BMBF finanzia un progetto di ricerca sull'intelligenza artificiale nella progettazione

Il Ministero federale dell'Istruzione e della Ricerca (BMBF) finanzia con circa 1,8 milioni di euro un progetto di ricerca sulle basi di uno sviluppo di prodotto digitalizzato. Il progetto, che inizialmente ha una durata di tre anni, è guidato dalla Daimler AG; partecipano con una sovvenzione di circa 630.000 euro il team del Prof. Dr. Klaus-Robert Müller, professore di Apprendimento Automatico presso il Technische Universität Berlin.

Con l'aumentare della digitalizzazione dell'industria, i prototipi digitali in Computer Aided Design (CAD), Computer Aided Engineering (CAE) o anche Computer Aided Manufacturing (CAM) consentono l'analisi di un nuovo prodotto attraverso simulazioni. In questo modo, alcuni test possono essere già eseguiti esclusivamente al computer prima della costruzione di un primo prototipo. Ciò permette, ad esempio, di provare diverse alternative di design – senza dover costruire un modello fisico.

Il nuovo progetto di ricerca Artificial Intelligence Aided x (AIAx) mira ad aiutare a rendere gestibile la digitalizzazione del processo di sviluppo del prodotto con grandi quantità di dati complessi e a alleggerire i progettisti da attività routinarie che richiedono molto tempo. La domanda di ricerca centrale è: Come possono essere sviluppate ulteriormente le procedure esistenti di intelligenza artificiale per supportare il punto di forza tradizionale dell'industria nello sviluppo di prodotti tecnici di alta qualità? L'obiettivo del progetto di ricerca è che, a medio termine, i termini oggi noti nell'industria CAD, CAE e CAM si trasformino in Artificial Intelligence Aided Design/Engineering/Manufacturing – in breve AIAx.

Nel processo di progettazione, i valori di esperienza rappresentano un patrimonio di conoscenza prezioso. Tuttavia, questi valori di esperienza sono difficili da formalizzare e quindi possono essere trasmessi solo in modo limitato ai giovani professionisti. Tuttavia, attraverso l'uso di determinati metodi di apprendimento automatico, si potrebbero riconoscere, ad esempio, schemi nei dati di una costruzione CAD e utilizzarli in modo più efficiente.

Ogni simulazione genera enormi quantità di dati, che attualmente devono ancora essere analizzati da ingegneri e ingegneri per individuare difetti e carenze nella progettazione e migliorarli progressivamente. Metodi di apprendimento automatico appositamente sviluppati dovrebbero analizzare automaticamente e in modo intelligente questi dati e anche proporre eventuali miglioramenti. Un'automazione di questo processo di analisi non solo accelererebbe la progettazione, ma consentirebbe anche agli ingegneri più tempo per sviluppare design e idee innovative.

Il TU Berlin, come forte partner di ricerca, porta la sua lunga esperienza nella ricerca di base sui metodi di apprendimento automatico (ML) e sull'AI nel nuovo progetto AIAx. Il gruppo di lavoro di Klaus-Robert Müller ha dato contributi fondamentali alle Support Vector Machines e alla cosiddetta «Explainable Artificial Intelligence» (Intelligenza Artificiale Spiegabile) e ha promosso l'adozione di metodi di ML in chimica quantistica. Nel progetto ci concentreremo principalmente su temi come «Deep Learning Efficiente» e «Spiegabilità e Robustezza» dei metodi di ML che verranno sviluppati, spiega Klaus-Robert Müller.

Rendere i processi decisionali dei metodi di ML trasparenti – cioè spiegabili – dovrebbe aumentare la loro accettanza nella pratica e rendere possibile un'applicazione industriale. Perché il metodo di apprendimento automatico prende determinate decisioni? «Qui vogliamo indagare con uno studio su soggetti diversi le diverse forme di rappresentazione del processo decisionale. Come dovrebbe essere presentata la spiegazione? Quali informazioni sono utili?», spiega Klaus-Robert Müller. Per quanto riguarda l'accettanza dei metodi di ML, la spiegabilità è un aspetto importante. Infatti, la responsabilità finale spetta al progettista», chiarisce Müller.

AIAx riunisce come progetto congiunto partner dell'industria e vari istituti di ricerca. La natura interdisciplinare del progetto si riflette nella composizione del consorzio. Accanto al TU Berlin, partecipano la Daimler AG, DYNAmore GmbH, Endress+Hauser Maulburg SE&Co.KG, il Karlsruhe Institute of Technology e l'USU Software AG.