FRACTAL: edge computing cognitivo e frattale grazie ad Intelligenza Artificiale e Machine Learning

Si chiama FRACTAL ed è un progetto di ricerca internazionale il cui obiettivo è creare un nodo di edge computing cognitivo e frattale in grado di “adattarsi” a diversi sistemi di calcolo (da quelli intelligenti a basso consumo energetico a quelli ad alte prestazioni, proprio come i frattali si ripetono nella loro forma allo stesso modo su scale diverse) gettando le basi per il futuro dell’IoT, decentralizzato e intelligente.

Il progetto di ricerca è cofinanziato da ECSEL Joint Undertaking - Electronic Components and Systems for European Leadership e coordinato da Indra, che riunisce un consorzio di 28 partner in 7 country diverse. Modis è coinvolta come partner tecnologico ed è attiva, nello specifico, nello sviluppo di uno dei casi d’uso identificati dal progetto (caso d’uso n.6, Intelligent Totem). Vediamo in dettaglio di cosa si tratta.

Le realtà complesse necessitano di capacità cognitive “ai margini” della rete

La fortissima accelerazione della digitalizzazione, estesa ormai a qualsiasi contesti e per una vastità di operazioni e servizi in continua espansione, alimenta una crescita costante di dispositivi ed utenti connessi, aumentando il carico sulle infrastrutture di comunicazione e di calcolo. Il cloud sta rappresentando, in questo contesto, un grande abilitatore ma rappresenta, di fatto, un ambiente verso il quale confluiscono, per la loro elaborazione e memorizzazione, enormi moli di dati provenienti da milioni di dispositivi e utenti ogni secondo.

In un contesto di questo tipo, qualsiasi problema con la rete o il server può comportare criticità di varia natura, da un disservizio agli utenti ad un malfunzionamento di una applicazione o di un prodotto.

Pensando all’IoT come paradigma destinato a crescere sempre di più, questi i limiti che si presentano attualmente:

1) cloud centralizzato: per fornire servizi di qualità il processo di calcolo dovrebbe avvenire più vicino alla fonte dei dati ma, al momento avviene su un server cloud distante da dove si trovano i dati (che devono quindi essere “portati” in quell’ambiente di calcolo);

2) mancanza di calcolo cognitivo: l'intelligenza degli attuali sistemi IoT si basa sul cloud, sarà necessario invece portare l’intelligenza “ai bordi”;

3) enorme consumo di energia: i data center del mondo triplicheranno il consumo energetico di oggi nel prossimo decennio. L'adozione di strategie di efficienza energetica deve entrare in vigore tenendo conto delle nuove opportunità legate all’edge computing;

4) mancanza di soluzioni scalabili e flessibili: i sistemi attuali mancano di larghezza di banda e di risorse energetiche, influenzando i tempi di trasferimento dei dati e la velocità.

 

L’edge Computing è stata la prima grande risposta a questo tipo di criticità, perché ha consentito di spostare i carichi computazionali verso il bordo della rete, ossia sui nodi hardware attraverso i quali passa il traffico di rete (i cosiddetti nodi di bordo, che possono essere router, switch, gateway, hub o altri dispositivi in grado di raccogliere ed elaborare dati).

Inoltre, le recenti innovazioni dei cosiddetti systems-on-a-chip (SoC) hanno reso i chip di elaborazione abbastanza “forti” da eseguire algoritmi e sistemi operativi complessi. Machine Learning e Intelligenza Artificiale possono così rendere i “nodi di bordo” cognitivi e adattivi, superando tutti i limiti e le criticità attuali.

Con il “cognitive edge”, un bordo intelligente che esegue l'analisi avanzata dei dati, si apre la strada verso un nuovo futuro dell’IoT.

FRACTAL, un nuovo paradigma di sistema intelligente

In risposta allo scenario che abbiamo appena descritto, il progetto di ricerca FRACTAL mira a costruire un “nodo di bordo” di calcolo alimentato dall'intelligenza artificiale, il “nodo FRACTAL” che sarà cognitivo, sicuro, adattivo e scalabile, fornendo un nuovo approccio all'edge computing stesso ed abilitando un nuovo paradigma di sistema intelligente.

Si tratta di un progetto di ricerca molto ambizioso che include sia la ricerca nell’ambito dell’hardware sia quella indirizzata al software, coprendo svariati aspetti relativi a intelligenza artificiale, sicurezza, protezione, bassa potenza e integrazione dei bordi.

Quattro gli obiettivi fondamentali del progetto di ricerca:

1) progettare e implementare una piattaforma hardware aperta, sicura e affidabile (che sarà utilizzata per costruire i nodi cognitivi di bordo di complessità variabile);

2) garantire le proprietà extra-funzionali dei nodi FRACTAL (affidabilità, sicurezza, tempestività ed efficienza energetica);

3) valutare e convalidare l’analisi dei dati con intelligenza artificiale e machine learning (nonché identificare il più ampio insieme di condizioni di lavoro, preservando la sicurezza delle operazioni);

4) integrare la comunicazione frattale e le funzioni di gestione remota nei nodi.

Come accennato, il progetto FRACTAL mira a mettere in atto un nuovo paradigma di sistema intelligente: il nodo cognitivo che crea, porterà di fatto l'intelligenza al bordo della rete e aprirà la strada a una nuova generazione di sistemi intelligenti. In tali sistemi, il cloud dovrà solo gestire e controllare i nodi di bordo.

Dal punto di vista tecnologico, il nodo dovrebbe avere i seguenti componenti:

  • Architettura aperta, sicura e affidabile;
  • capacità a bassa potenza, sicure e ad alte prestazioni;
  • capacità cognitive e autonomia, insieme alla sicurezza;
  • capacità di comunicazione e archiviazione mutabili e frattali, per permettere la scalabilità.

Le abilità cognitive del sistema saranno garantite da:

  • sistema di monitoraggio online per la supervisione delle metriche di performance;
  • rilevamento avanzato e computer vision per la modellazione dell'ambiente operativo (per fornire la consapevolezza del contesto al sistema cognitivo);
  • integrazione della capacità di calcolo per elaborare dati, modelli e algoritmi AI (multicores a basso consumo e accelerazione hardware);
  • applicazione del machine learning e di altre tecniche di intelligenza artificiale per fornire sistemi intelligenti con apprendimento, previsione e autonomia.

 

Totem intelligente, il caso d’uso a cui sta lavorando Modis

Modis è coinvolta in prima linea come partner tecnologico in uno degli otto casi d’uso industriali che intende abbracciare il progetto di ricerca FRACTAL, in particolare nel numero 6, dedicato ai totem mobili intelligenti. Nello specifico, Modis si è prefissata l’obbiettivo di sviluppare una soluzione di movimentazione autonoma del Totem.

In questo caso d’uso, l’edge computing aiuterà a elaborare le enormi quantità di dati raccolti, mentre gli algoritmi di elaborazione impiegati sul bordo estrarranno informazioni significative in tempo reale. Questo renderà il sistema autonomo e in grado di eseguire compiti come il pattugliamento e il monitoraggio della sicurezza nelle città o in determinati luoghi (centri commerciali, locali pubblici, ospedali, ecc.).

Sistemi cognitivi e intelligenti per migliorare la diagnostica oculare

In completa autonomia, all’interno del caso d’uso 6 del progetto di ricerca FRACTAL, Modis si è anche prefissata l’obbiettivo di studiare e sviluppare un ecosistema applicativo per il miglioramento della diagnostica oculare.

In questo caso, le attività di ricerca saranno indirizzate nell’ambito della biomedicina con l’obiettivo di migliorare e rendere più efficaci le tecniche per la diagnosi precoce automatica, sia a livello di hardware sia a livello di software (il fine è la realizzazione di una infrastruttura affidabile e a basso costo che possa essere inserita in un contesto frattale).

In questo specifico ambito della ricerca, Modis si è impegnata nella realizzazione/ottimizzazione di alcune funzionalità tramite l’applicazione e l’approfondimento di tecniche provenienti dal settore dell’Intelligenza Artificiale, con algoritmi di auto-apprendimento, per esempio:

  • raccolta delle immagini in modo più efficiente;
  • identificazione delle anomalie oculari;
  • analisi comparata delle iridi confrontando i dati raccolti con un dataset biomedicale di soggetti affetti da patologie;
  • correlazione tra anomalia oculare e patologia per ottenere modelli predittivi sempre più accurati;
  • •ottimizzazione del processo di learning degli algoritmi;
  • analisi ambientale degli spazi e individuazione di ostacoli mobili e fissi;
  • •valutazione e tracciamento dei percorsi ottimali;
  • definizione di un modello di safe driving;
  • ricostruzione e mappatura dell'ambiente circostante;
  • riconoscimento dell'uomo per una interazione diretta macchina-utente.

 

Gli ambiti della ricerca saranno trattati con un approccio modulare, al fine di poter “dare vita” a funzionalità che possano poi essere riutilizzate anche per lo sviluppo di altre applicazioni.