Spazio dei lettori

"Questo sito utilizza cookie di Google per erogare i propri servizi e per analizzare il traffico. Il suo indirizzo IP e il suo agente utente sono condivisi con Google, unitamente alle metriche sulle prestazioni e sulla sicurezza, per garantire la qualità del servizio, generare statistiche di utilizzo e rilevare e contrastare eventuali abusi."

IA-Lab

IA-Lab

La Domanda di Sistemi Artificiali Intelligenti

Guido Tascini

1.      Le applicazioni dei Sistemi Intelligenti

Le Applicazioni dei Sistemi Intelligenti, dette anche Sistemi Artificiali Intelligenti (SAI), stanno gradualmente penetrando la società moderna, inserendosi nei settori più svariati.
Come noto si tratta di sistemi che, utilizzando software Intelligente,  possono realizzare compiti e funzioni in due modi: a) guidati da obiettivi espliciti, b) guidati da conoscenza inserita in essi o appresa ed elaborata contestualmente.
Esistono SAI  in grado di apprendere comportamenti,  e conoscenza in generale,  dall’ambiente: sfruttando esempi appositamente ad essi sottoposti, oppure accumulando conoscenza dall’esperienza.
I SAI sono in grado di adattare le funzioni e i comportamenti per cui sono stati progettati a situazioni e ambienti diversi. Elaborano conoscenza per raggiungere determinati scopi e a volte sanno emulare i processi cognitivi dell’uomo.
Tali sistemi nascono come applicazione dell’Intelligenza Artificiale, una scienza molto giovane nata negli anni ’50 e fortemente supportata dagli elaboratori elettronici.  Si tratta di Sistemi altamente innovativi e complessi che, a differenza dei computer che elaborano dati, sono in grado di elaborare Conoscenza e sono controllati da Software Intelligente.
Al fine di comprendere l’impatto sociale dei SAI è importante vedere alcune applicazioni in cui sono attualmente presenti.
SAI li incontriamo: nelle Applicazioni Ospedaliere,  nei Veicoli industriali per la distribuzione  con guida automatica, nel Monitoraggio Remoto Automatico.
SAI sono i Sistemi Autonomi per la Sicurezza, i Robot operanti all’esterno,  le Workstation Follow-Me.
E ovviamente l’elenco potrebbe continuare. Vediamo in pratica alcuni di questi sistemi. 

a.   Sistemi Autonomi Ospedalieri.
Si tratta di piattaforme robotiche mobili che trasportano oggetti automaticamente percorrendo svariati chilometri all’interno di strutture ospedaliere. Aumentano decisamente la produttività, diminuendo  sia i rischi che gli incidenti sul lavoro.  .  Sono capaci  di apprendere il percorso effettuato che aumenta il bagaglio della loro conoscenza e quindi dell’autonomia. Sono flessibili e permettono di aggiungere  e modificare agevolmente  punti di arresto e compiti .

  b.    AGVS(Automatic Guided Vehicles) Intelligenti. Sono SAI di locomozione e sono costituiti di carrelli robotici mobili per la fabbrica. Permettono di programmare le consegne, evitando persone e ostacoli, senza costosi ritorni al punto di partenza,  risolvendo molti seri problemi di trasporto.

c.    Remote Sensing & Inspection Robot.  Sono Basi Robotiche mobili autonome, per la raccolta di dati a distanza e per l’ispezione.
Permettono con la sensoristica integrata il monitoraggio remoto, il tracciamento  e la ricognizione automatica. Consentono l’accesso remoto a dati forniti da sensori  temporalmente e spazialmente distribuiti.
L’accesso alle immagini permette la visione in tempo reale, il tracking storico e la modellazione predittiva delle condizioni di siti remoti.

d.  Security Robots. Sono Robot mobili di guardia che permettono la Ricognizione, casuale o su richiesta, o l’ allerta circa i pericoli.
In pratica sono robot mobili che effettuano in remoto, per la fabbrica,  monitoraggio, gestione, ispezione e assistenza; questo è integrato con informazioni sugli edificii e con sistemi di gestione della sicurezza. In caso di allarme il sistema risponde  con interruzioni, fornisce o richiede risorse nella locazione dell’evento.

e.  Outdoor Robots. Sono Robot autonomi che operano all’esterno, di due tipi:
a.       Robot autonomi, di supporto al lavoro esterno, in grado di gestire anche cose  sporche e pericolose per l’uomo.   Il loro uso migliora la produttività, riduce  i rischi per l'uomo e permette di risparmiare denaro.
b.       Robot autonomi per ricerca; piattaforme autonome e interfacce versatili che permettono ricerca innovativa. Utilizzabili per compiti molteplici, per  assistere nella navigazione autonoma, per  manipolazione e per ricerca di comportamenti dei robot intelligenti: ad esempio comportamenti cooperativi.

f.  Guided Robots-Follow me Work stations 

Si tratta di chioschi di Robot Mobili che trasportano i dati dove sono necessari, in circolo, o su richiesta, o seguendo lo staff fino a destinazione. Offrono soluzioni multiple per applicazioni commerciali.

g.  Sistemi Autonomi con  abilità speciali. Sistemi che risolvono giochi, o che mostrano abilità speciali.. Con i sensori riconoscono il gioco lo interpretano e danno la soluzione. Ad esempio giocano a scacchi, oppure risolvono rapidamente problemi come risolvere il cubo di Rubik.

h. Robot per assorbire il petrolio dal mare. Esempio di SAI sviluppato al MIT e equipaggiato con nano-materiale, in grado di assorbire olio per un peso 20 volte superiore a se stesso.

i.  Robot spazzino. Esempio “Mint” fa il punto con il GPS e crea una mappa dello spazio circostante. Poi autonomamente pulisce.
       
l. Sistemi autonomi di servizio. Esempio il robot di servizio sviluppato alla Carnegie Mellon University per svolgere in modo sicuro e “robusto” operazioni autonome in ambiente di ufficio: naviga attraverso un’area congestionata in modo accettabile, individua le persone che si muovono vicino, riconosce  le persone a lui note che si avvicinano e apprende autonomamente a riconoscere nuovi oggetti.
            


 
Altro esempio DOMO nato come tesi di dottorato di Aaron Edsinger al MIT, che può eseguire operazioni come fare una bevanda, aiutare nei lavori domestici, inseguire un oggetto  ed interagire con le persone.


         
  
        m.  Sistemi autonomi con molti gradi di libertà. Esempio lo Snakebot, della Carnegie Mellon University, in grado di avvitarsi e di salire su di un albero autonomamente, come un serpente.
            
    

n.  Sistemi Mobili Autonomi Intelligenti. Sono in grado di scandagliare un fondo marino o lacustre, fare la mappa 3D, esplorare grotte e miniere.[un esempio: DepthX per l’esplorazione del Zacaton Cenote nello Yukatan.
       
o. Robot Industriali.  Si vanno diffondendo nei settori: farmaceutico,  cosmetici,  dispositivi medici, alimentare e bevande, metallurgico  e solare.

p. Robot di servizio. Si tratta di un settore in crescita. Comprende Robot per mungitura, per la pulizia, di supporto alla medicina, per ispezioni e lavori subacquei, per la costruzione e la demolizione di edifici.
Il settore comprende sistemi intelligenti logistici, di soccorso, di sicurezza e di ispezione. Robot  per le pubbliche relazioni, per l’intrattenimento e il tempo libero.
E ancora sistemi intelligenti per l’assistenza all’handicap, per l’assistenza agli anziani, per il trasporto personale, per la sicurezza e la sorveglianza della la casa..
E gli esempi potrebbero continuare, con un elenco di applicazioni che cresce di giorno in giorno.
Molti ricercatori hanno messo a punto sistemi  altamente autonomi  e intelligenti, in grado di eseguire compiti anche complessi. Sistemi autonomi che  tendono a comportarsi in modo simile all’uomo. A tale proposito sono in atto ricerche in fase avanzata che permettono al robot di imitare il comportamento emotivo umano: l’area della cosiddetta “emotion” dei sistemi intelligenti.

Vi è poi l’insieme dei sistemi intelligenti da migliorare;  cioè sistemi già attualmente  utilizzati, ma che attendono ulteriori miglioramenti e l’introduzione di maggiore intelligenza nei loro compiti. Possiamo fare una serie di esempi, ma naturalmente l’elenco potrebbe essere molto più lungo:
-           SAI per il trasferimento di persone, per rendere autonome persone malate, con handicap o anziane, con capacità di         verifica della  sicurezza e di generazione dinamica del percorso.
-          SAI per la pulizia di ambienti indoor, capaci di evitare collisioni, di operare in ambienti frequentati da persone e di utilizzare ascensori.

-        SAI in grado di supportare nelle sue molteplici esigenze la  gente, che, tra l’altro, tende ad invecchiare mediamente sempre di più.  In sostanza Sistemi Intelligenti a supporto della vita quotidiana, come il “robot-badante”,  oppure il robot di aiuto nelle azioni domestiche, o quello di supporto alla sicurezza personale. 


2. La Domanda di Sistemi Artificiali Intelligenti

E’ interessante osservare la figura 1,  dove è riportato il numero  di robot industriali, per ogni 10.000 lavoratori,  presenti nei  dieci paesi con la maggior densità robotica. [Fonte The Rise of the Machines (IEEE Spectrum)  by Enrico Guizzo/December 2008]

A tutto il 2008 esistevano 1 milione di robot industriali nel mondo, e il Giappone era il paese dove questi avevano la densità maggiore: 295 per ogni 10.000 lavoratori. Una densità di robot  quasi dieci volte la media mondiale e circa il doppio di quella di Singapore, della Corea del Sud e della Germania..

Figura  1. I dieci paesi con il maggior numero di robot industriali

Anche se il 2009 ha segnato un arresto generalizzato delle vendite e quindi anche di robot, industriali e non, la domanda è iniziata a ricrescere rapidamente a partire dal 2010.
Tenendo conto di tutte le applicazioni dei robot, in continua crescita, in ambito industriale, nel mondo professionale, o nella vita di tutti i giorni, la domanda di questi costituisce per la società attuale una sfida di tipo scientifico-tecnologico ed economico.
Si tratta di milioni di unità che nei prossimi anni riempiranno la società civile e continueranno a crescere trasformando il nostro modo abituale di lavorare, vivere, curarci e di affrontare le menomazioni  di vario genere.
Vediamo di seguito qual'è la situazione attuale e quali previsioni possiamo fare per il futuro.

La Crisi Mondiale 
La crisi mondiale ha colpito inizialmente anche il settore dei robot, colpendo  la commercializzazione di questi per tutto il 2009.
La crisi ha riguardato tutto il mondo, con una caduta delle vendite del 48% nel continente americano, del 41% in Europa. Va comunque sottolineato che  i valori assoluti in gioco sono relativamente bassi, e che  nel mondo la nazione con la maggiore densità di robot è il Giappone.
Alla caduta delle vendite si è affiancato il calo degli investimenti di ricerca e sviluppo presso tutte le maggiori industrie mondiali.  Così sono calati gli investimenti in Sistemi Intelligenti, nell’industria automobilistica, in quella elettrica e elettronica, in quella della plastica, nelle industrie farmaceutiche e cosmetiche, ecc..
Alla fine del 2009 il numero dei soli robot operativi nell’industria si aggirava intorno ad un numero di unità compreso fra il milione duecentomila e il milione trecentomila.

Potenziale di Crescita
Con il 2010 si è avuta una inversione di tendenza.  Vediamo il grado di potenziale robotizzazione nel campo dei robot industriali e in quelli di servizio.

Robot Industriali
Il potenziale di crescita, seppure limitatamente ai robot conosciuti, è rilevante. Se chiamiamo ‘D’ la densità di robotizzazione, il grado di potenziale robotizzazione (PRD)  di un paese  dipenderà da 1/D. Da questo punto di vista soltanto il  Giappone possiede un un basso PRD, e solo  nell’industria, mentre tutti gli altri paesi del mondo hanno un valore di D piuttosto scarso e quindi un PRD elevato. Pertanto appare evidente l’ alto potenziale di crescita in molti paesi nel mondo, Giappone compreso. Per analizzare il PRD dovremo tenere in considerazione anche le dimensioni del paese e, per quanto riguarda i robot industriali, l’ampiezza della sua industria manifatturiera.
Così  facendo il potenziale  per i robot industriali  appare elevato per i seguenti paesi:
USA, Canadà, Corea, Brasile, Europa Occidentale e Cina.
Si può ipotizzare anche per Russia e India  un alto potenziale di installazione di sistemi intelligenti, visto che sono mercati di consumo fortemente in crescita.
Tenendo presente che la densità media di robotizzazione dell’industria manifatturiera nel mondo è compresa tra 50 e 100, e volendo spingere questa densità intorno a 200, si calcola che, solo di robot industriali, le nuove installazioni dovrebbero essere comprese tra 1,2 e 1,3 milioni.
Dopo il forte recupero nella richiesta di robot nel 2010 era prevista una forte crescita della domanda nel triennio 2011-2013. Motore di questo recupero  l’industria automobilistica.
Il resto dell’Industria, ad eccezione degli  autoveicoli, aveva già aumentato i suoi investimenti in robot tra il 2005 e il 2008. Questo trend è continuato per tutto il 2010 ed era previsto un aumento fino al 2013.
Pertanto anche se il trend di crescita dell’automazione ha subito una battuta d’arresto per la crisi economica nel 2009, gli studi economici prevedevano una crescita a livello mondiale ( si veda lo studio condotto dallo IFR  su questo, per conto della “Monaco Messe” ). Anche se la ulteriore crisi ha colpito l’economia mondiale la crescita è continuata, anche se più debolmente.
Lo studio IFR mostra un potenziale di crescita per robot industriali soprattutto in settori in espansione, come l’industria farmaceutica, quella cosmetica, quella dei dispositivi medici e quella  alimentare e delle bevande.
Va inoltre sottolineato che nell'industria metallurgica e quella solare le applicazioni  di robot sono ancora molto inferiori  rispetto a quelle dell'industria automobilistica.

Lo studio prevedeva  , dopo il forte aumento delle vendite di robot  nel 2010, un ulteriore aumento nel periodo 2011-2013 di circa il 10% all'anno in media, con il  conseguimento di un incremento annuo di oltre 100.000 unità.
Nel 2010  nelle Americhe le vendite hanno subito un incremento del 33%, del 34%  in Asia / Australia  e del 12% in Europa.
Tra il 2011 e il 2013, è stato previsto un aumento, in media,  di circa il 9% all'anno in America, del 12% in Asia / Australia e dell'8% in Europa. Si tratta di verificare se i dati reali corrispondono alle previsioni. Se, come probabile l’aumento è stato inferiore, vuol dire che le potenzialità di robotizzazione rimangono ancora più elevate del previsto.

Robot di servizio
Sempre secondo il rapporto precedente, nel 2009, si sono avute 76.600 unità per uso professionale  vendute, di cui  23.200 unità di servizio per difesa e che rappresentano il 30% del totale.

Tra i robot per uso professionale  abbiamo ancora: robot di mungitura con il 25%, robot di pulizia e robot medici con l'8% ciascuno e sistemi subacquei con il 7%. Ancora robot di costruzione e demolizione, che utilizzano piattaforme robotiche mobili per uso generale con il 6% ciascuno,  sistemi logistici(5%), sistemi di soccorso e di sicurezza (4%).
Un minor numero di installazioni riguarda  i sistemi di ispezione e i  robot per pubbliche relazioni.
Il valore totale dei robot di servizio professionali venduti fino alla fine del 2009 è stato 13,2 miliardi dollari.

Robot di servizio per uso personale e privato.Ii numeri sono alti: circa 5,6 milioni di unità per uso domestico e circa 3,1 milioni di unità per l'intrattenimento e il tempo libero.
Finora, i robot di servizio per uso personale sono principalmente nel settore dei robot domestici (famiglia), i quali comprendono robot per la pulizia del vuoto e per la  rasatura del prato, robot di intrattenimento e per il tempo libero, tra cui i robot giocattolo, sistemi per gli hobby e per l’istruzione e la formazione.
Il mercato per sistemi intelligenti di assistenza all’handicap è ancora scarso, ma ne è previsto un aumento
sostanziale nei prossimi 10 anni. Acquisiranno importanza in futuro Sistemi Intelligenti per il trasporto personale per la sicurezza della casa e per la sorveglianza.
Nel 2009, sono stati venduti circa un milione di robot per la pulizia del vuoto, il 7% in meno rispetto al 2008. Oltre  26.000 per la falciatura del prato.
Le proiezioni per il periodo 2010-2013 prevedevano un trend notevole.
Circa 11,4 milioni di unità per uso personale.
6,7 milioni di unità  complessivamente per tutti i tipi di robot domestici (aspirazione, rasatura del prato,  pulizia finestre e  altro.
4,6 milioni di unità per i robot da intrattenimento e divertimento, che include i robot giocattolo, la maggior parte dei quali, ovviamente, sono di costo molto basso.

80.000 nuovi robot di servizio per uso professionale. I campi di applicazione in forte crescita sono la difesa, il soccorso e le applicazioni di sicurezza, i robot agricoli, i sistemi intelligenti logistici, i robot di ispezione, i robot medici e le  piattaforme robotiche mobili ad uso multiplo.
Tra i robot di uso personale vanno inseriti quelli a supporto delle persone anziane e diversamente abili.
Queste le previsioni. I numeri reali saranno presumibilmente inferiori. Ma questo, come detto in precedenza, non fa che aumentare la domanda complessiva di robotizzazione.

Cosa fa la Ricerca
I Sistemi Artificiali Intelligenti sono applicazioni legate alle aree di ricerca dell’Intelligenza Artificiale e della Robotica Aree di ricerca strettamente connesse sono: Visione Artificiale, Interfacce Uomo-Macchina, Ingegneria del Controllo, Elettronica, Meccanica, Mecatronica, Tecnologia dell'Informazione.
Vanno in primo luogo distinte   le ricerche legate alla tecnologia dei componenti robotici, da quelle legate  alla metodologia sistemica di progettazione,  e da quelle legate  ai principi scientifici di base.
Infine, basandoci sui laboratori sparsi per il  mondo si possono individuare una serie di tematiche che  costituiscono gli interessi più evidenti di ricerca: proviamo a farne un elenco, ovviamente non esaustivo.
·         Ricerche sull’armonizzazione dell’ambiente  uomo-macchina. A questa ricerca sono connessi campi quali: aspetti visivi e realizzazione pratica di ‘emotion’ in robot umanoidi,  riconoscimento dell’ambiente, riconoscimento del viso, della postura e della voce umani, e interfaccia uomo-macchina.
·         Telerobotica, pianificazione  , simulazione. Riguardano il controllo di robot a distanza, la pianificazione dei percorsi di robot, la simulazione virtuale del movimento e del comportamento di robot.
·         Comunicazione uomo-robot. Comprendono il riconoscimento del viso umano e il controllo dell’espressività non verbale del robot.
·         Integrazione mente-corpo al fine di rendere gradevole l’uso di robot umanoidi.
·          Comprende lo studio dell’intelligenza applicata alle macchine e alla cooperazione uomo-robot. Ad esempio, studi del genere si conducono presso la Waseda University in Giappone, dove vengono usati due robot: WENDY che apprende a condividere lo spazio di lavoro con gli esseri umani, e WAMOEBA che si focalizza sulla comunicazione emotiva con l’uomo.
·                    ·          Riconoscimento visivo e acustico. Ricerca che studia il riconoscimento di oggetti e di uomini a  
                         partire dalle immagini, e il riconoscimento di suoni e parlato.
        ·      Studio di sensori e attuatori.Studio delle proprietà dei sensori utilizzati dai SAI e ricerca su nuovi tipi di  
                 sensori.
        ·       Ricerca sull’affidabilità  dei Sistemi Intelligenti . Utilizzando sensori di visione, si studia la    
                 progettazione dei processi di sicurezza per i robot,  basato su standard internazionali di sicurezza,su dispositivi di   
                 comunicazione e auto-diagnosi, e metodi di sviluppo software affidabile, a livello SIL elevato, ad esempio SIL 
                 3.[1]               
      ·     Ricerca su Robot di servizio, equipaggiati con  reti di comunicazione affidabili, capacità di rilevazione 
                dell’ambiente e comprensione dello stesso.
                ·       Robot  mobilicon particolare riferimento alla tecnologia di navigazione ,  operante in varie 
              condizioni, con riconoscimento robusto dell’ambiente, trasporto e manipolazione sicura.
        ·       Ricerca sulla Modellazione interattiva. Comprensione , da parte del robot, dell’informazione 
                sensoristica  usando la dipendenza dal contesto, la stima dell’intenzione utente, le caratteristiche del compito e gli
               stati ambientali;  il tutto finalizzato al supporto dell'uomo..  
      ·      Sintesi e Integrazione dei Sistemi Robotici. Sviluppo di tecnologie per il progetto di sistemi basato su 
                componenti,  intelligenza collettiva e cooperativa per l’esecuzione di compiti. Studio del  robot onnipresente e 
                analisi della complessità del contesto. L’integrazione tende a facilitare il rapido sviluppo di robot a basso costo. 
        ·     Ricerca sugli Umanoidi. Sviluppo di bipedi che tendono a imitare i comportamenti umani.  L'attuale

               obiettivo di Robotica Umanoide (HR)  è la realizzazione di un robot umanoide in grado di camminare su un terreno  
               accidentato nel mondo reale, pianificare il suo moto autonomamente, aprire / chiudere porte, 
               di non perdere la mobilità in caso di caduta. Rientrano in questo ambito le seguenti  ricerche: 

                   Industrializzazione di robot umanoidi. E’ il target del prossimo futuro.

                          Modularizzazione della tecnologia dei robot (RT- Middelware)
     La Modularizzazione dei vari tipi di elementi  di Robot Technology (RT), con  specifiche standardizzate di  
     interfacce comuni ai robot umanoidi e a quelli industriali,  agevola lo studio e la realizzazione di umanoidi
     ( v. Figura 2).
    Anche i sistemi di Visione e di Manipolazione possono essere usati in pratica in una molteplicità di   
    applicazioni, trasportandoli dal settore industriale a quello dei robot umanoidi.. Ricerche in questo ambito 
    comprendono: Visione 3D avanzata(VVV), Sensoristica intelligente,  controllo intelligente,  
    manipolazione di materiale leggero,e altro.
               Figura 2. Componenti RT interoperabili:
HRP2 - braccio di umanoide e PA10 - braccio industriale. 
Sono manipolabili dallo stesso programma.

                
                Si tratta di tecnologie essenziali per robot intelligenti avanzati utilizzabili in fabbrica, in casa o all’aperto. E’ 
                importante migliorare la manipolazione, utilizzando l’informazioni multi-sensoriale  per espandere la sfera di azione 
                del  robot.
            E la tecnologia RT-Middleware, rappresenta la  chiave di questa  integrazione, in quanto permette una alta 
                interoperabilità   tra il settore industriale e quello umanoide della robotica.
         ·         Sistemi Intelligenti Affidabili per la vita quotidiana.  Si tratta di sviluppare sistemi  basati su   
                tecnologia ad  alta affidabilità, di  alta sicurezza funzionale,  con valutazione e gestione dei rischi,  capaci di    
                sopperire all’errore  umano, evoluti  sul piano della ‘Physical Human-Robot Interaction (PHRI)’, basati su   
                progetto human-centered e su standard internazionali.
                Lo scopo è realizzare robot in ambienti di vita umana abituale, come ad esempio: realizzazione di sistemi intelligenti
                per l’ assistenza sociale, per la  gestione intelligente di sedie a rotelle;  sviluppo di braccia robotiche per 
                l’assistenza umana in circostanze di non autosufficienza, ecc..
               Qualche esempio può chiarire il concetto.
Assistente di toilette.
Sistema intelligente per l’aiuto alla toilette presso strutture di cura o in casa. Ad esempio aiutare anziani e diversamente abili a spostarsi da sedia rotelle a bagno e viceversa.


Robot per relax.
Robot per il relax e la tranquillità mentale. Ad esempio esiste un prototipo giapponese chiamato PARO. Riduce lo stress e incoraggia le persone a comunicare tra loro.


          Assistente di lavoro.Sistema Intelligente di supporto al lavoratore umano per montare parti modulari pesanti,  
          senza deteriorare le sue abilità operative. Dotato di controller per realizzare le operazioni in piena sicurezza e con 
          alta efficienza.

Progetti correlati
Accanto ai progetti riguardanti il ‘core’ dei Sistemi Intelligenti Applicati, esistono nel mondo una serie di altri progetti, riguardanti aspetti disaggregati del filone principale di ricerca, i cui risultati alla fine confluiscono in un progetto di Sistemi Intelligenti Integrati. Centinaia di laboratori di ricerca nel mondo affrontano vari aspetti e sono stati essi che hanno contribuito ai grandi risultati di questi ultimi anni nel campo delle tecnologie dei Sistemi Intelligenti.


[1] SIL: “Safety Integrity Level”. SIL è una misura delle prestazioni di sicurezza di un sistema, o la probabilità di errore a domanda di SIF(Safety Instrumented Function) o SIS (Safety Instrumented System). Più alto è il livello di SIL più bassa è la probabilità di errore a domanda per il sistema di sicurezza e migliori le prestazioni del sistema;


Meta genetic behaviour emergence in evolutionary simulation


Guido Tascini
[Università Politecnica delle Marche]


ABSTRACT

How to study phenomena that involve great time scale, like the living being evolution? Computer Science gives us the opportunity of simulating by computer processes and arranging virtual experiments: these imitate natural evolution, and allow investigating processes that, in nature, take place over millions of years. In this case clearly defining the basic laws of transformations and/or evolutions of phenomena to study, appears fundamental. A well-established theory that gathers today the near total biologists is the current dominant explanation of Darwinism, the S.T.E. (Synthetic Theory of the Evolution). This theory is actually the base of research on genetic transformation of human beings, but it is also the reference for some studies on psyche sphere and on social evolution. There are two fundamental elements of the theory: 1) random genetic mutations, 2) sorting, by the natural selection, among those which are favourable to gene or the species (Dawkins 1990). The natural selection and adaptation involves the phenotype, that is the inventory of inherited tracts, and is an adaptation to demand of ecological situation. In practice adaptation stands for process in which the environmental variables select, among individuals in a population, those whose inheritable properties are the best-suited for survival and reproduction.
This theory, that uses a random selection, constitutes the Hard Darwinism, and has received critiques [Beerling 2007, Fodor 2007, Kirshener 2005, Margulis 2002, Mayr 1997, etc.], the most centred on its substantial finalism. The genes, the individuals or the species most suited for survival, depend on the favourable variations in natural selection. But even if it is a random genetic variation result, the mechanism may be considered a utilitarian and finalist design. Modifications are proposed, but the situation is still evolving. Therefore we are wondering if the scientific community is going toward a Week Evolution Theory. The Darwinism was recently integrated by several contributions: molecular biology (Monod 1970); molecular genetics; population genetics (Provine 1971); punctuated balances (Elredge, Gould 1972); neutral theory (Kimura 1990); genetic drifts; etc..The criticisms addressed to the theory may be summarized in the following observation: if it can account for the microevolution, either by phyletic gradualism, or by punctuated balances, it does not explain the macro one and the mega evolution. In practice the independence, outlined by the theory, between the genome and the cytoplasm are not guaranteed. In fact the cellular core permanently interacts with the cytoplasm. In the cell they are permanent exchanges of matter, energy and information, like it is shown by the Molecular (Genevès 1988) and cellular biology (Fain-Maurel 1991); in these exchanges take part all the cellular organoids, nuclear and cytoplasmatic: chromatin, mitochondries, nucleoles, Golgi apparatus, etc.. Moreover the fundamental concept of strictly random mutations is negated by several molecular genetics experiment and observations. For instance the colon bacilli may have an abnormally high mutations able to metabolize lactose in a stock unable to be nourished (Cairns, Overbaugh, Miller 1988); similar experiment is realised on the bacteria Escherichia coli with respect to salicin (Barry Hall, Rochester); mitochondrial D.N.A. and mitochondrial mutations existence was observed, for which it is hypothesized interactions between D.N.A. mitochondrial and nuclear D.N.A. at the mitosis final stage (telophase) (Allorge-Boiteau 1991); the transcriptase opposite transforms the R.N.A. of certain viruses in D.N.A.; etc.. There are some suggestion to introduce probability in the interaction [Borensztejn 2005, Rhodes 2005, Sanguinetti 2006, etc.] between the environmental evolution and the evolution of the organisms. The environment parameters may be various: chemical stimuli, like C, N, H, P, S, etc.; physical stimuli, like electromagnetic waves, sound and vibrations, temperatures, pheromones, etc.; ecological stimuli; pray-pray relations in the beasts; etc... The organism’s reaction to the environmental factors influence is complex, being the biosphere very complex, and they are located at the genome level, as well as at levels of molecular biology, embryogenesis and anatomical structures. The relation between environment parameters and organisms is of probabilistic type and integrates collective phenomena affecting simultaneously distant classes and phyla (Invertebrates and Vertebrates).
From this analysis the basic theory that we hypothesise for our simulation model is a Week Evolution Theory, in which an organism interacts with the environment in a complex way , and reacts to many stimuli of various nature: actually known and still to analyse or to discover. Now it is clear that the environment and its interaction with organisms is the key of the theory. The interaction may be probabilistic and the selection is not more blind, but depends on environment conditioning; and the environment conditioning and finalization is still largely to investigate.
A set of individuals may be viewed as complex system and then we can take care of emergences. Many individuals that evolve may give rise to unpredictable behaviours, that we call emergent. And it is clear that the emergence postulates an observer that sees the emergent behaviour visible at a higher level. In our case we have to hypothesize a level higher then genetic one were the mutations happen. Then if we hypothesize a stratification of the formal theory levels we can localize this emergence observation at a meta-genetic level.
In a context so outlined our model will need fitness function that drive the adaptation to the environment and that take care of interactions previous defined. In our experiments we will also hypothesize that the fitness function will take care of an environment feed-back on the list of individual to select for the survival.
Simulation of evolutionary process
A computer simulation may speed up the evolution process if the goals change continuously [ Kashtan 2007] Computer simulations that mimic natural evolution, allow to investigate processes that, in nature, take place over millions of years. We can simulate a population of digital genomes that evolves over time towards a given goal: to maximize fitness under certain conditions. Like living organisms, genomes that are better adapted to their environment may survive to the next generation or reproduce more prolifically. The work of Nadav Kashtan, Elad Noor, and Uri Alon suggests that varying environments might significantly contribute to the speed of natural and/or artificial evolution. Although the computer simulation is useful for studying theoretical questions of evolution, it may have some practical implications in engineering fields for systems design, and in computer science, for accelerating the optimization algorithms.
The computational model adopted in our experiment is inspired to Holland Model, including a feed-back of the environment on the individual choice. The simulation plans N strings that are random generated. Each string (genotype) is the binary code of a candidate solution (phenotype). At each genotype gi of initial population Pop(t=0 at time t=0, is associated a value of the fitness function ƒ i= ƒ (gi), that represents the ability of the individual to adapt itself to the environment. For detecting the adaptation value the fitness function receives in input a genotype, decodes it in the corresponding phenotype and checks it on the environment. After completion of the evaluation phase of individuals of the population Pop (t), at the time t, a new population Pop (t+1), at the time t+1, of N new candidate solutions is generated; this standard algorithm evolves neural network and structural model of RNA. The population of N individuals is initialized to random binary genomes of length B bits (random nucleotide sequences of length bases). They are several generations: in each generation, the S individuals with highest fitness (the elite) remain unchanged for the next generation. The individuals with least fit are replaced by a new copy of the elite individuals. As the non-elite individuals, pairs of genomes are recombined (with crossover probability Pc), and each genome is randomly mutated (with probability Pm per genome). A simulation runs until max. of fitness function ƒ i is achived for the goal.
Fair-unselfish modelIn general, systems that replicate need resources (energy, space,) for building copies of them. Resources are normally limited and, since each replicator tries to produce a maximum of copies, it will attempt to use resources to the limit. Then when several replicators are using the same resources, there will be competition or conflict. The more efficient replicator will gradually succeed in using more and more of the resources, and the less efficient one will succumb. In the long term, nothing will be leaved for the less fit one, and only the fittest will survive. The concept of ‘altruism’ is present in literature [ Heylighen 1992], and means that a system performs actions for increasing the fitness of another system using the same resources. On the other side selfishness characterizes a system performing actions that increase its own fitness. There is the opinion that, in natural selection, a system not only is selfish, since it try to optimize its own fitness, but it also tends to avoid altruism. Anyway by using the interaction with the environment a schema that brings the system to the solidarity may be the following one. Let a generic system constituted by individuals that may enter a series of resources Ri. Each individual can take the number of resources he wants, necessary for the survival. Being each resource organized in more sections (t), the individual may acquire, for each resource, a number of section m ≤ t to his liking. Since the environment interacts through the fitness function, this may penalize the individuals: this happens if, in section acquisition, they surpass a given number q
The individual selection could be realised, by following the previous policy, with the following formula:
ƒ = max { ∑i ( Ri[q]-Ri[x- q] ) }
Where Ri[j] represents the score for j sections of the Ri resource.
The environment policy, other then punish the not-fair acquisitions, rewards the solidarity: it adds a score for each group of Y sections leaved at other’s disposal, and this for each resource. If Di [y] is this reward for each resource Ri, the selection take place according to the following formula:
ƒ = max { ∑i ( Ri [q]-Ri [x- q] + Di [y] ) }.
This formula is iterated as many times as they are individuals to select for the survival on a group.

Figure 1 shows the results of our simulation. This operates on the interaction of two robots whose behaviour emerge from a simulation of various epochs, and many generations, on many (100) individuals, several (20) parents, and some (5) offspring; using as selection method ‘Elite’, and 1000 simulation steps for each trajectory. The simulation involves a neural structure that is the control of the robot, and runs as just described, including the fair-unselfish policy. The goal of the evolution is the adaptation to the environment: each robot attempts to explore the space, in search of resources for its nutrition, and so, after various epochs of simulation, converging toward a stationary path. The competition is realised with the presence in the same environment of two robots: the application of the fair-unselfish policy allow both the robots to converge toward a cooperative stationary paths.
Anyway the memory of individuals to select remains an important aspect to discover . This may contain inside logics like those just analysed. This fact leaves open a question: from where the stored information comes? But this constitutes object of further investigation. On the other side the analysis of the environment remains a serious aspect, and the questions open are: what the environment is? Can we consider the extension of the environment to the psyche? And other fundamental related questions. Finally the typologies of interaction between environment and genetic individuals have to be clarified.


ARTICOLI