Prevedere l'ignoto

Come si fa a prevedere qualcosa che non si è mai (o molto raramente) osservato? Come rendere i risultati degli algoritmi di intelligenza artificiale interpretabili dagli esperti? Come supportare gli esperti nelle loro decisioni quando gli algoritmi hanno individuato qualcosa? Olga Fink si occupa di queste domande nella sua ricerca. La trentasettenne è professoressa di Sistemi di manutenzione intelligente presso l'ETH di Zurigo.

Con il suo gruppo di ricerca, sta sviluppando algoritmi di intelligenza artificiale per migliorare la sicurezza e la durata di vita di sistemi critici per la sicurezza come centrali elettriche, impianti industriali e sistemi di trasporto. "La nostra ricerca può essere paragonata al monitoraggio della salute delle persone, ma con la differenza che i nostri pazienti sono veicoli o impianti industriali", afferma la ricercatrice.

Apprendere da casi eccezionali

Gli algoritmi normalmente imparano dagli esempi. Hanno bisogno del maggior numero di dati possibile per apprendere modelli e trasferirli a nuovi dati. Nel caso di eventi rari, come i guasti di sistemi critici per la sicurezza, non esistono esempi di questo tipo. "Questi sistemi sono progettati per guastarsi solo raramente. In alcuni casi, ci vorrebbero decenni per raccogliere abbastanza esempi da cui imparare", dice Fink, descrivendo la sfida che affronta quotidianamente. Al centro della sua ricerca c'è anche lo sviluppo di algoritmi che permettano di prevedere questi eventi.

Uno dei requisiti è che gli algoritmi siano applicabili anche a nuovi sistemi per i quali non sono ancora stati raccolti dati. Tuttavia, non devono essere validi solo per un singolo veicolo o un singolo sistema. Gli algoritmi devono essere il più possibile facilmente trasferibili ed estendibili a flotte ampie e diversificate. I risultati degli algoritmi dovrebbero essere comprensibili e interpretabili anche dagli esperti tecnici. Solo così potranno fidarsi delle raccomandazioni degli algoritmi.

Per rendere possibile tutto questo, Fink riunisce il meglio di due mondi: la capacità di apprendimento degli algoritmi AI e l'interpretabilità dei modelli fisici. Combina gli algoritmi con modelli fisici che modellano il comportamento dei sistemi. "Questo non solo permette di prevedere quando il sistema si guasterà, ma anche di adattare il funzionamento dei sistemi in modo da mitigare gli effetti di malfunzionamenti o guasti", sottolinea l'ETH.

Approfondimento sull'industria ferroviaria

La scienziata lavora sui sistemi intelligenti per la previsione dei guasti dal 2009, quando ha iniziato il suo dottorato all'ETH di Zurigo. Dopo aver completato la tesi di dottorato, ha continuato il suo lavoro scientifico presso il Massachusetts Institute of Technology (MIT) come scienziato affiliato e allo stesso tempo ha assunto una posizione nell'industria ferroviaria. "Il mio obiettivo è sviluppare metodi innovativi che risolvano problemi rilevanti in questo settore. Per farlo, è necessario avere un'esperienza e una conoscenza approfondita del settore".

Tuttavia, si è presto resa conto di volersi concentrare completamente sulla ricerca. Si è quindi trasferita alla Scuola universitaria di scienze applicate di Zurigo (ZHAW), dove ha sviluppato la ricerca nel campo dei sistemi di manutenzione intelligenti come capogruppo. ? poi tornata all'ETH di Zurigo nel 2018, quando le è stata assegnata una cattedra finanziata dal Fondo nazionale svizzero per la ricerca scientifica (FNS).

"Prima di arrivare in Germania con la mia famiglia all'età di tredici anni, sono cresciuta nella Siberia occidentale", racconta. "La vita lì è dura, ma ho visto come la creatività rendeva possibili cose che sembravano impossibili". Questo ha plasmato il suo atteggiamento. "C'è sempre un modo per trarre il meglio da una situazione", dice.

Anche gli approcci creativi caratterizzano la sua ricerca. ? così che la scienziata, che è entrata a far parte dell'illustre circolo di pagina esternaWEF Giovani scienziati è attualmente in procinto di rendere i suoi algoritmi utilizzabili in altri settori, come la previsione delle inondazioni o il rilevamento precoce dei rischi naturali. "Più ci addentriamo nella ricerca, più vedo un potenziale e più allargo i miei orizzonti", dice Olga Fink.

Sviluppare nuove idee

Non le piace l'ampio orizzonte solo in senso figurato. Uno dei suoi luoghi preferiti è una panchina vicino al suo luogo di domicilio a Winterthur, da cui può vedere fino al castello di Kyburg. Spesso si reca su questa panchina per sviluppare nuove idee. A livello personale, ama anche ampliare i propri orizzonti e incontrare persone provenienti da tutto il mondo. Nel suo gruppo di ricerca ha riunito persone di diverse nazionalità e nella vita privata è sposata da oltre dieci anni con un uomo indiano. Per lei, questo matrimonio è il simbolo della sua vita. "Uniamo Asia ed Europa e viviamo il nostro mix culturale".