Controllo dei sistemi dinamici con l'intelligenza artificiale
I ricercatori dell'ETH di Zurigo e della Scuola di Francoforte hanno sviluppato una rete neurale artificiale in grado di risolvere complessi problemi di controllo. Il sistema di autoapprendimento può essere utilizzato per l'ottimizzazione delle catene di approvvigionamento e dei processi produttivi, nonché per le reti intelligenti o i sistemi di controllo del traffico.
![Illustrazione dell'intelligenza artificiale](/de/news-und-veranstaltungen/eth-news/news/2022/01/dynamische-systeme-mit-kuenstlicher-intelligenz-steuern/_jcr_content/news_content/fullwidthimage/image.imageformat.930.63063003.jpg)
Blackout elettrici, interruzioni nelle reti finanziarie e nelle catene di approvvigionamento: molti problemi di controllo nei sistemi complessi sono difficili o impossibili da risolvere con i metodi esistenti. L'uso di sistemi di controllo basati sull'intelligenza artificiale (AI) può aiutare a ottimizzare processi complessi e a sviluppare nuovi modelli di business.
Insieme al professore Lucas B?ttcher della Scuola di Finanza e Management di Francoforte, i ricercatori dell'ETH Nino Antulov-Fantulin e Thomas Asikis - entrambi della Scuola di Finanza e Management di Francoforte - hanno illustrato l'intelligenza artificiale. Cattedra di Scienze sociali computazionali - ? stato sviluppato un sistema di controllo versatile basato sull'intelligenza artificiale, chiamato AI Pontryagin, per stabilizzare le fluttuazioni in sistemi e reti complessi. Utilizzando una combinazione di metodi numerici e analitici, i ricercatori dimostrano che AI Pontryagin impara automaticamente a controllare i sistemi in modo quasi ottimale senza che l'AI conosca in anticipo la soluzione ottimale.
Controllo dell'autoapprendimento
Le fluttuazioni nei sistemi complessi possono potenzialmente innescare cascate e blackout. Per evitare tali eventi e migliorare la robustezza dei sistemi, esistono diversi meccanismi di controllo e normative, come la regolazione della tensione nelle reti elettriche e gli stress test nelle istituzioni finanziarie. Tuttavia, gli interventi manuali non sono sempre in grado di controllare efficacemente sistemi dinamici complessi.
Nel loro lavoro, i ricercatori dimostrano che l'AI Pontryagin apprende automaticamente segnali di controllo quasi ottimali per dinamiche complesse. Sebbene l'applicabilità a casi specifici richieda ancora ulteriori ricerche, hanno posto un'importante pietra miliare. Oggi i metodi di controllo sono utilizzati, ad esempio, per proteggere le reti elettriche da fluttuazioni e interruzioni, per gestire le epidemie e per ottimizzare la catena di approvvigionamento.
Esempio di catene di approvvigionamento
L'applicazione dell'IA di Pontryagin richiede informazioni sulla dinamica del sistema. Nelle catene di fornitura, queste informazioni comprendono il numero di possibili fornitori, i costi di ordinazione e i tempi di consegna. Queste informazioni vengono utilizzate per ricavare le dinamiche che devono essere ottimizzate.
Inoltre, gli utenti devono determinare informazioni sullo stato iniziale, ad esempio il livello attuale delle scorte, e sullo stato desiderato, ad esempio il rifornimento delle scorte.
Il testo si basa su un pagina esternaComunicato stampa della Scuola di Finanza e Management di Francoforte.
Letteratura di riferimento
B?ttcher L, Antulov-Fantulin N, Asikis T, AI Pontryagin o come le reti neurali artificiali imparano a controllare i sistemi dinamici, DOI: pagina esterna10.1038/s41467-021-27590-0