Macchina Taglio Laser Fibra | 4000×2000 | 6 KW | Tavolo Singolo | Volvera

La notizia dell’acquisizione del 50% di Genetic da parte di Renaissance e Aurora ha fatto scalpore nel mondo degli investimenti. Il fondo Cvc ha deciso di uscire dall’operazione, mentre la famiglia Pavese, fondatrice di Genetic, ha deciso di reinvestire nella società.

Genetic è un’azienda leader nel settore della biotecnologia, specializzata nello sviluppo di soluzioni innovative nel campo della genetica. La società ha sede in Italia ma opera a livello internazionale, collaborando con importanti istituti di ricerca e università.

L’acquisizione del 50% di Genetic da parte di Renaissance e Aurora è avvenuta per un valore di 680 milioni di euro, confermando l’interesse crescente per le aziende attive nel settore della biotecnologia. Questa operazione permetterà a Genetic di espandersi ulteriormente sul mercato globale e di continuare a investire in ricerca e sviluppo per mantenere la sua posizione di leadership nel settore.

IntroduzioneLa costruzione di strutture in alluminio rappresenta un aspetto fondamentale nell’ambito dell’ingegneria moderna, grazie alle proprietà uniche di questo metallo che ne favoriscono l’impiego in vari settori, dall’architettura all’automotive. Tra le tecniche di lavorazione più rilevanti, la trafilatura emerge come un processo cruciale per la produzione di profilati di alluminio, permettendo di ottenere sezioni di diverse forme e dimensioni con elevata precisione e qualità superficiale. Questo articolo si propone di analizzare le tecniche di trafilatura impiegate nella costruzione di strutture in alluminio, esaminando i principi teorici che ne governano il funzionamento, le applicazioni pratiche e i vantaggi competitivi derivanti dall’utilizzo di questa tecnologia.Attraverso un approccio sistematico, si intende fornire una panoramica dettagliata che possa contribuire alla comprensione delle potenzialità offerte dalla trafilatura nel contesto dell’ingegneria strutturale, facilitando così la diffusione e l’ottimizzazione di soluzioni innovative basate sull’alluminio.

Analisi delle Proprietà dellAlluminio nella Costruzione di Strutture

L’alluminio è un materiale di costruzione sempre più utilizzato grazie alle sue caratteristiche distintive che lo rendono particolarmente adatto per strutture architettoniche moderne. Tra le sue principali proprietà spiccano:

• Leggerezza: L’alluminio ha una densità molto più bassa rispetto ad altri metalli, come l’acciaio, permettendo la realizzazione di strutture più leggere e facili da manovrare.
• Resistenza alla corrosione: Grazie alla sua capacità di formare uno strato di ossido protettivo, l’alluminio è altamente resistente agli agenti atmosferici e ha una lunga vita utile.
• Buona conducibilità termica e elettrica: Le proprietà conduttive dell’alluminio lo rendono ideale per applicazioni che richiedono l’efficienza energetica.
• Riciclabilità: L’alluminio è riciclabile al 100%, rendendolo una scelta ecocompatibile nella costruzione di strutture.

Un altro aspetto cruciale dell’alluminio nella costruzione è la sua versatilità. Grazie ai moderni processi di lavorazione, come la trafilatura, è possibile ottenere profili e forme complesse che si adattano a diverse esigenze architettoniche.Questa tecnica di produzione consente di realizzare componenti che non solo sono esteticamente gradevoli, ma anche strutturalmente ottimali.

Le proprietà meccaniche dell’alluminio, come la resistenza alla trazione e la duttilità, diventano fondamentali quando si progettano strutture portanti.In particolare, l’alluminio può essere utilizzato per creare travi, colonne e supporti che devono sopportare carichi significativi senza compromettere la stabilità. La tabella seguente riassume alcune delle principali proprietà meccaniche dell’alluminio comparato ad altri materiali:

Proprietà	Alluminio	Acciaio	Beton
Densità (g/cm³)	2.7	7.85	2.4
Resistenza alla trazione (MPa)	200-350	400-550	20-30
Duttilità (%)	10-30	20-30	0-1

l’uso dell’alluminio nelle costruzioni non solo garantisce prestazioni strutturali elevate, ma comporta anche vantaggi significativi in termini di sostenibilità e design. La comprensione delle sue proprietà permette di sfruttarne al meglio le potenzialità, contribuendo a un’architettura innovativa e funzionale.

Tecniche Avanzate di Trafilatura e Loro Applicazioni nel Settore Edile

Ottimizzazione dei Processi di Produzione attraverso lInnovazione nella Trafilatura

L’ottimizzazione dei processi di produzione rappresenta un elemento cruciale per migliorare l’efficienza e la competitività nel settore della costruzione di strutture in alluminio. La tra filatura, in particolare, si sta affermando come una tecnica innovativa in grado di trasformare radicalmente questo settore. Grazie all’evoluzione tecnologica,i produttori sono ora in grado di implementare sistemi di trafilatura che riducono gli scarti di materiale e migliorano la resa complessiva del processo produttivo.

Le nuove tecnologie di trafilatura si riflettono in vari aspetti della produzione, tra cui:

• Aumento della precisione: le tecniche moderne consentono di ottenere profili di alluminio con tolleranze molto strette, riducendo la necessità di operazioni di lavorazione aggiuntive.
• Efficienza energetica: gli impianti di trafilatura recenti sono progettati per ridurre il consumo di energia, contribuendo a un impatto ambientale minore.
• Automazione e monitoraggio: l’introduzione di sistemi automatizzati permette un monitoraggio costante della produzione, facilitando l’identificazione delle inefficienze e delle anomalie.

Un altro aspetto fondamentale è la possibilità di personalizzare i materiali per rispondere a specifiche esigenze del mercato. La trafilatura consente non solo di lavorare diverse leghe di alluminio, ma anche di modificare le proprietà meccaniche del materiale finale attraverso processi innovativi di trattamento termico. Di seguito è riportata una tabella che evidenzia le principali leghe di alluminio utilizzate nella trafilatura, comprensive delle loro caratteristiche chiave:

Leghe di Alluminio	Composizione Principale	Applicazioni
6000	magnesio e Silicio	Strutture architettoniche, telai
7000	Zinco	Componenti aerospaziali, parti ad alta resistenza
5000	magnesio	Strutture marine, componenti automobilistici

con l’adozione di queste tecniche avanzate nella trafilatura, le aziende del settore sono in grado di ridurre i tempi di produzione e i costi, mantenendo al contempo elevati standard di qualità. Questa sinergia tra innovazione tecnologica e ottimizzazione dei processi rappresenta un’opportunità straordinaria per il futuro della costruzione di strutture in alluminio, promuovendo allo stesso tempo una maggiore sostenibilità e un impatto ambientale ridotto.

Linee Guida per la Sostenibilità e lEfficienza Energetica nella Costruzione di Strutture in Alluminio

la sostenibilità e l’efficienza energetica stanno diventando sempre più rilevanti nel settore delle costruzioni, in particolare quando si parla di strutture in alluminio. Questo materiale, noto per la sua leggerezza e resistenza, offre numerosi vantaggi ambientali se utilizzato correttamente. È fondamentale adottare linee guida che promuovano l’uso responsabile e innovativo dell’alluminio, seguendo pratiche che minimizzino l’impatto ambientale.

• Scelta dei Materiali: Optare per alluminio riciclato, che richiede solo il 5% dell’energia necessaria per produrre alluminio primario, riducendo significativamente le emissioni di CO2.
• Progettazione Sostenibile: Integrare principi di progettazione che consentano l’ottimizzazione dell’uso del materiale, minimizzando lo spreco e migliorando la durabilità degli edifici.
• Processi di Produzione Efficienti: Adottare tecnologie all’avanguardia nel processo di trafilatura per ridurre il consumo energetico e le emissioni inquinanti.
• Isolamento Termico: Utilizzare sistemi di isolamento avanzati per aumentare l’efficienza energetica delle strutture, garantendo un minor consumo di energia per il riscaldamento e il raffreddamento.

Un aspetto cruciale nella costruzione di strutture in alluminio è l’efficienza energetica non solo durante la fase di costruzione,ma anche nel ciclo di vita del prodotto. questo implica monitoraggio e manutenzione regolari, affinché le strutture continuino a operare in modo efficiente. Inoltre, l’adozione di energie rinnovabili per alimentare i processi produttivi può ulteriormente migliorare il bilancio energetico complessivo del progetto.

è essenziale stabilire standard chiari per la gestione dei rifiuti e il riciclaggio a fine vita degli edifici. L’implementazione di sistemi di raccolta e recupero efficaci può assicurare che l’alluminio utilizzato nelle strutture venga riutilizzato in nuovi progetti,chiudendo il ciclo produttivo in ottica circolare. Attraverso queste linee guida, il settore della costruzione in alluminio può progredire verso un futuro più sostenibile e responsabile.

Domande e Risposte

Domande e Risposte sulla Costruzione di Strutture in Alluminio: Tecniche di Trafilatura

Domanda 1: Che cos’è la trafilatura dell’alluminio e quali sono i suoi principi fondamentali?

Risposta: La trafilatura dell’alluminio è un processo industriale che consiste nella deformazione plastica del metallo attraverso un die, che consente di ottenere profili e sezioni specifiche. Questa tecnica si basa sul principio della deformazione plastica, dove il materiale è sottoposto a una forza che lo costringe a passare attraverso un’apertura di forma determinata. Questo processo è altamente versatile e permette di realizzare sezioni geometriche complesse, mantenendo tolleranze dimensionali ridotte.

Domanda 2: Quali sono i principali vantaggi della trafilatura dell’alluminio rispetto ad altre tecniche di lavorazione?

Risposta: Tra i principali vantaggi della trafilatura dell’alluminio vi sono la possibilità di ottenere forme complesse con elevate tolleranze dimensionali, la riduzione degli scarti di lavorazione e la capacità di produrre lotti di grandi dimensioni in modo economico. Inoltre, poiché l’alluminio è un materiale leggero e resistente alla corrosione, i prodotti ottenuti tramite trafilatura sono ideali per applicazioni nei settori dell’architettura, dell’auto e dell’aerospaziale.

Domanda 3: Quali tipologie di leghe di alluminio sono più comunemente utilizzate nella trafilatura e perché?

Risposta: Le leghe di alluminio più comunemente utilizzate nella trafilatura appartengono alle serie 6000 e 7000. Le leghe della serie 6000, come l’6060 e l’6082, sono preferite per la loro buona saldabilità, resistenza alla corrosione e lavorabilità. Le leghe della serie 7000, come l’7075, offrono un’elevata resistenza meccanica, rendendole adatte per applicazioni strutturali dove la forza è un fattore critico. La scelta della lega dipende pertanto dalle specifiche esigenze del progetto e dalle proprietà meccaniche richieste.

Domanda 4: Come influisce la temperatura sul processo di trafilatura dell’alluminio?

Risposta: La temperatura ha un impatto significativo sul processo di trafilatura dell’alluminio, poiché influisce sulla malleabilità del materiale. Un adeguato riscaldamento, fino ai 500°C circa, può migliorare la deformabilità dell’alluminio, riducendo il carico necessario per la deformazione. Tuttavia, un eccessivo riscaldamento può portare a fenomeni di ossidazione e degradazione delle proprietà meccaniche. Pertanto, è fondamentale controllare e ottimizzare la temperatura durante il processo per garantire la qualità e l’integrità dei prodotti finiti.

Domanda 5: Quali sono le applicazioni tipiche delle strutture in alluminio ottenute mediante trafilatura?

Risposta: Le strutture in alluminio ottenute tramite trafilatura trovano applicazione in diversi settori industriali. In campo architettonico, vengono utilizzate per la realizzazione di facciate, telai di finestre e supporti strutturali. nel settore automobilistico, sono impiegate per la costruzione di componenti leggeri che migliorano l’efficienza del carburante. nell’industria aerospaziale, le strutture in alluminio trafilato sono utilizzate per il loro rapporto elevato tra resistenza e peso, essenziale per il design di aerei e veicoli spaziali.

Domanda 6: Quali sono le sfide attuali nella trafilatura dell’alluminio e come possono essere affrontate?

risposta: Le sfide attuali nella trafilatura dell’alluminio includono l’ottimizzazione dei processi per ridurre il consumo energetico, il miglioramento delle tecniche di riciclo delle scaglie di alluminio prodotte durante la lavorazione e l’adattamento alle normative ambientali sempre più stringenti. Per affrontare queste sfide, le aziende possono investire in tecnologie avanzate, come l’automazione e il monitoraggio dei processi in tempo reale, nonché in ricerche nel campo delle leghe che possano migliorare le performance meccaniche senza compromettere la sostenibilità.

Conclusione

Questo approfondimento sulle tecniche di trafilatura dell’alluminio evidenzia l’importanza di questo processo nella moderna ingegneria strutturale e industriale. La comprensione delle leghe utilizzate, delle applicazioni e delle sfide attuali è fondamentale per ottimizzare la produzione e garantire la qualità dei prodotti finiti.

In Conclusione

la costruzione di strutture in alluminio tramite tecniche di trafilatura rappresenta una frontiera innovativa nel campo dell’ingegneria dei materiali e dell’architettura. le proprietà uniche dell’alluminio, unite alla versatilità delle tecniche di trafilatura, consentono di ottenere elementi strutturali leggeri, resistenti e altamente personalizzabili, rispondendo così alle esigenze di progettazione moderna e sostenibile. L’adozione di metodi avanzati di trafilatura non solo ottimizza il processo di produzione, ma contribuisce anche a ridurre l’impatto ambientale, ponendo le basi per il futuro delle costruzioni. È, dunque, imperativo che i professionisti del settore continuino a esplorare e sviluppare queste tecniche, investendo nella ricerca e nell’innovazione al fine di amplificare le potenzialità dell’alluminio in applicazioni architettoniche e ingegneristiche. La sinergia tra tecnologia e sostenibilità sarà, senza dubbio, la chiave per affrontare le sfide del nostro tempo e per costruire un futuro più efficiente e responsabile.

Aggiornamento del 19-07-2025

Metodi Pratici di Applicazione

Nella sezione precedente, abbiamo discusso le tecniche avanzate di trafilatura e le loro applicazioni nel settore edile. Ora, esploreremo alcuni esempi pratici di come queste tecniche possono essere applicate in progetti reali.

Esempio 1: Facciata Esterna in Alluminio

Un esempio di applicazione pratica della trafilatura è la realizzazione di facciate esterne in alluminio per edifici commerciali. Utilizzando la tecnica di trafilatura a caldo, è possibile creare profili di alluminio con sezioni complesse e alta precisione, che possono essere utilizzati per creare facciate esterne leggere e resistenti.

• Materiali utilizzati: Alluminio estruso (lega 6060)
• Vantaggi della trafilatura: Leggerezza, resistenza alla corrosione, facile manutenzione

Esempio 2: Sistema di Sostegno per Pannelli Solari

Un altro esempio di applicazione pratica della trafilatura è la realizzazione di sistemi di sostegno per pannelli solari. Utilizzando la tecnica di trafilatura a sezione variabile, è possibile creare profili di alluminio con sezioni diverse e alta precisione, che possono essere utilizzati per creare sistemi di sostegno stabili e resistenti.

• Materiali utilizzati: Alluminio estruso (lega 6060)
• Vantaggi della trafilatura: Massimizzazione della stabilità, leggerezza, resistenza alla corrosione

Esempio 3: Telaio per Finestre in Alluminio

Un ulteriore esempio di applicazione pratica della trafilatura è la realizzazione di telai per finestre in alluminio. Utilizzando la tecnica di trafilatura a caldo, è possibile creare profili di alluminio con sezioni complesse e alta precisione, che possono essere utilizzati per creare telai per finestre leggeri e resistenti.

• Materiali utilizzati: Alluminio anodizzato (lega 6060)
• Vantaggi della trafilatura: Durabilità, basso mantenimento, resistenza alla corrosione

Questi esempi dimostrano come le tecniche di trafilatura possano essere applicate in progetti reali per creare strutture in alluminio innovative e sostenibili. La trafilatura offre una grande flessibilità e versatilità nella produzione di profili di alluminio, consentendo di creare soluzioni personalizzate per diverse applicazioni.

Un Indice dei Prezzi Potrebbe Chiarire i Costi Opachi del Noleggio di GPU per l’Intelligenza Artificiale

Chiedi cosa, se c’è qualcosa, sta frenando l’industria dell’IA e la risposta dipende molto da chi stai parlando. Ho chiesto a uno degli ex capi dei dati di Bloomberg, Carmen Li, e la sua risposta è stata “trasparenza dei prezzi”.

Secondo Li, l’incapacità della maggior parte delle piccole aziende di IA di prevedere quanto dovranno spendere per il privilegio di noleggiare del tempo su una GPU per addestrare i loro modelli rende le loro attività imprevedibili e ha reso le aziende di finanziamento dell’IA inutilmente costose. Ha fondato la startup Silicon Data per creare una soluzione: il primo indice dei prezzi di noleggio a livello mondiale per una GPU.

Quell’indice dei prezzi di noleggio, chiamato SDH100RT, è stato lanciato oggi. Ogni giorno, elaborerà 3,5 milioni di punti dati da più di 30 fonti in tutto il mondo per fornire un prezzo medio di noleggio spot per l’utilizzo di una GPU Nvidia H100 per un’ora. (“Prezzo spot” è ciò che una merce da consegnare immediatamente viene venduta in quel momento.)

“Credo davvero che il calcolo sarà la risorsa più grande per l’umanità nei prossimi anni”, dice Li. “Se la mia tesi è corretta, allora sarà necessaria una gestione del rischio più sofisticata.”

Secondo Li, un tale indice porterà a strumenti di intelligenza artificiale più economici e più opportunità per un numero più ampio di attori che vogliono entrare nell’industria dell’IA. Come si passa da un indice a tutto questo? La storia di origine di Silicon Data aiuta a spiegarlo.

US $1.04: Vantaggio di prezzo di noleggio per le GPU Nvidia H100 sulla costa orientale degli Stati Uniti rispetto a quelle sulla costa occidentale.

Fino all’inizio dell’anno scorso, Li era responsabile dell’integrazione globale dei dati presso Bloomberg. In quella posizione ha incontrato diverse piccole aziende che stavano cercando di offrire prodotti dati alimentati dall’IA, e molte di esse stavano lottando con lo stesso problema. Potevano offrire il loro prodotto solo a una tariffa fissa, ma il costo del tempo della GPU di cui avevano bisogno era imprevedibile. Di conseguenza, anche i margini di profitto lo erano.

Con materie prime tipiche come l’energia, le aziende possono pianificare queste oscillazioni conoscendo le tendenze storiche e coprendosi con prodotti finanziari come i contratti futures. Ma questo non esisteva per la principale materia prima dell’IA, il tempo su una GPU. Quindi Li si è impegnata a creare le basi per quei prodotti, e il risultato è l’indice dei prezzi SDH100RT.

Ha scelto di indicizzare la Nvidia H100, perché è la GPU più diffusa ed è utilizzata per addestrare nuovi modelli di IA. Tuttavia, è in fase di sviluppo anche un indice dei prezzi per le Nvidia A100, che affrontano molte attività di inferenza. E ha sviluppato un metodo che determinerà quando ha senso indicizzare i prezzi per altre chip di IA, come quelli di AMD e della serie Blackwell di Nvidia.

Insights e Curiosità dai Dati

Anche se è stato lanciato oggi, Silicon Data ha monitorato i prezzi di noleggio delle GPU per mesi. Come ci si potrebbe aspettare, avere una finestra sul prezzo dell’addestramento dell’IA ha rivelato alcuni interessanti spunti. Quello che segue sono alcune cose che Li ha scoperto. (Ha pubblicato queste analisi regolarmente da settembre scorso.)

La costa orientale domina! La costa occidentale sbava: Il prezzo di noleggio H100 è molto stabile negli Stati Uniti, ma c’è un persistente vantaggio sulla costa orientale. A marzo si poteva ottenere un’ora di lavoro da un H100 sulla costa orientale per 5,76 dollari. Ma quella stessa ora ti costerebbe 6,80 dollari sulla costa occidentale.

I chip degli iperscalatori aiutano: L’incursione di Amazon Web Service nella progettazione dei propri chip e server ha abbassato i prezzi per i clienti del gigante del cloud. Secondo Silicon Data, a circa 4,80 dollari l’ora il prezzo medio per unità per GPU per il Trainium2 di AWS è inferiore alla metà del prezzo per l’utilizzo di una Nvidia H100. I chip di prima generazione Inferentia e Trainium si attestano entrambi a meno di 1,50 dollari l’ora, che è inferiore alla metà del prezzo del cavallo di battaglia dell’inferenza di oggi, la Nvidia A100. Tuttavia, si ritiene che gli H100 siano l’unica opzione per l’addestramento di modelli all’avanguardia, quindi le loro prestazioni potrebbero giustificare il costo aggiuntivo.

L’effetto modesto di DeepSeek: Lo shock di Deepseek di gennaio ha fatto poco al prezzo di noleggio spot. Forse ricorderete che le prestazioni e il basso costo di addestramento segnalati degli LLM di DeepSeek di Hangzhou hanno sorpreso molti e hanno mandato in fibrillazione le azioni correlate all’IA. “Quando è uscito DeepSeek, il mercato è impazzito”, dice Li. “Ma il prezzo spot non è cambiato molto.” Al debutto di DeepSeek il prezzo dell’H100 è salito leggermente a 2,50 dollari l’ora, ma era comunque nell’intervallo di 2,40-2,60 dollari l’ora dei mesi precedenti. Poi è sceso a 2,30 dollari l’ora per gran parte di febbraio prima di iniziare a salire di nuovo.

Intel è più esclusivo di AMD: Le GPU sono sempre sotto il controllo delle CPU, di solito in un rapporto 4:1. E il mercato per quel posto CPU è conteso tra Intel e AMD. (Nvidia fa anche la propria CPU, chiamata Grace.) Ma sembra che i clienti siano disposti a pagare un po’ di più per i sistemi alimentati da Intel. Per i sistemi Nvidia A100, quelli con CPU Intel hanno raggiunto circa il 40 percento in più rispetto a quelli con processori AMD. Per l’H100, l’effetto dipendeva dalla tecnologia di interconnessione coinvolta. Se un computer utilizzava SXM o PCIe come collegamenti, Intel otteneva un prezzo più alto. Ma per quelli che utilizzavano lo schema di interconnessione NVLink di Nvidia, AMD otteneva il premio.

La Commodity dell’IA

Si può davvero ridurre il prezzo dell’IA a un singolo numero? Dopotutto, ci sono così tanti fattori coinvolti nelle prestazioni di un computer e nella sua utilità per un cliente specifico. Ad esempio, un cliente potrebbe essere in fase di addestramento con dati che, per motivi legali, non possono attraversare i confini internazionali. Quindi perché dovrebbero preoccuparsi del prezzo in un altro paese? E, come chiunque abbia esaminato i principali risultati di riferimento del machine learning, MLPerf, può vedere, le prestazioni della stessa GPU Nvidia possono variare ampiamente a seconda del sistema in cui si trova e del software in esecuzione.

Secondo Li, la visione della merce può funzionare. L’indice di Silicon Data normalizza tutte queste differenze e attribuisce diversi pesi a cose come quanto un data center partecipa al mercato del noleggio, la sua posizione, le sue fonti di dati e molte altre cose.

La più grande approvazione dell’idea dell’IA come merce arriva dal CEO di Nvidia Jensen Huang. Al grande evento per sviluppatori dell’azienda, GTC, ha spinto a pensare ai data center come “fabbriche di IA” il cui output sarebbe misurato in quanti token, la più piccola unità di informazione che un LLM utilizza, possono produrre al secondo.

Gli innovativi robot Vulcan di Amazon stanno dominando la selezione dei pacchi

Da quanto posso capire, i magazzini di Amazon sono estremamente strutturati, estremamente organizzati, molto ordinati, ma allo stesso tempo un vero disastro. Tutto in un magazzino di Amazon è (di solito) esattamente dove dovrebbe essere, solitamente infilato in qualche contenitore di tessuto pseudo-casuale delle dimensioni di una scatola da scarpe insieme a un sacco di altre cose pseudo-casuali. In qualche modo, questo si rivela essere il modo più efficiente in termini di spazio e tempo per fare le cose, perché (come abbiamo già scritto) bisogna considerare il processo di inserimento degli articoli in un magazzino così come il processo di prelievo, e questo comporta alcuni compromessi a favore dello spazio e della velocità.

Per gli esseri umani, questo non è un grosso problema. Quando qualcuno ordina qualcosa su Amazon, un umano può frugare in quei contenitori, spingere alcune cose da parte, e poi tirare fuori l’articolo che sta cercando. Questo è esattamente il tipo di attività in cui i robot tendono ad essere terribili, perché non solo questo processo è leggermente diverso ogni volta, ma è anche molto difficile definire esattamente come gli umani lo affrontano.

Amazon ha lavorato duramente su questo problema di selezione. Oggi, durante un evento in Germania, l’azienda ha annunciato Vulcan, un sistema robotico che può sia inserire che prelevare articoli alla velocità umana.

---

La scorsa volta che abbiamo parlato con Aaron Parness, direttore della scienza applicata presso Amazon Robotics, la nostra conversazione era incentrata sull’inserimento degli articoli nei contenitori. Come parte dell’annuncio odierno, Amazon ha rivelato che i suoi robot sono ora leggermente più veloci nell’inserimento rispetto alla media umana. Ma nel contesto dell’inserimento, c’è un limite a quanto un robot deve realmente capire su ciò che sta accadendo nel contenitore. Fondamentalmente, il compito del robot di inserimento è spingere qualsiasi cosa si trovi attualmente in un contenitore il più possibile da un lato per fare spazio sufficiente a inserire un nuovo articolo. Finché il robot è almeno un po’ attento a non schiacciare nulla, è un compito relativamente semplice, almeno rispetto al prelievo.

Continua a leggere…

Disordine e Contatto

Quanto è difficile identificare correttamente un articolo in un contenitore che potrebbe essere stipato fino all’orlo con articoli quasi identici, un problema ancora più grande è effettivamente estrarre quell’articolo che hai appena identificato dal contenitore. L’hardware e il software che gli umani hanno per svolgere questo compito non sono eguagliati da nessun robot, il che è sempre un problema, ma il vero fattore complicante è gestire articoli tutti mescolati insieme in un piccolo contenitore di tessuto. E il processo di prelievo coinvolge più di una semplice estrazione: una volta che l’articolo è fuori dal contenitore, devi poi portarlo alla fase successiva di evasione dell’ordine, che significa lasciarlo cadere in un altro contenitore o metterlo su un nastro trasportatore o qualcosa del genere.

“Quando abbiamo iniziato, pensavamo di dover trasportare l’articolo per una certa distanza dopo averlo estratto dal contenitore,” spiega Parness. “Quindi pensavamo di aver bisogno di una presa a pinza.” Una presa a pinza è quando si afferra qualcosa tra un dito (o dita) e il pollice, e almeno per gli umani, è un modo versatile e affidabile di afferrare una vasta gamma di oggetti. Ma come sottolinea Parness, per i robot in questo contesto, è più complicato: “Anche la presa a pinza non è ideale perché se si afferra il bordo di un libro, o l’estremità di una borsa di plastica con qualcosa al suo interno, non si ha il controllo della posa dell’oggetto e potrebbe muoversi in modo imprevedibile.”

Continua a leggere…

Un Futuro (Ancora Più) Automatizzato

Parness è stato molto chiaro nel dire che (per il meglio o per il peggio) Amazon non sta pensando ai suoi robot di inserimento e prelievo in termini di sostituzione completa degli esseri umani. C’è quella lunga coda di articoli che necessitano di un tocco umano, ed è francamente difficile immaginare un sistema di manipolazione robotica abbastanza capace da rendere almeno occasionalmente superfluo l’aiuto umano in un ambiente come un magazzino di Amazon, che in qualche modo riesce a massimizzare l’organizzazione e il caos allo stesso tempo.

Questi robot di inserimento e prelievo sono stati sottoposti a test dal vivo in un magazzino di Amazon in Germania per l’ultimo anno, dove stanno già dimostrando modi in cui i lavoratori umani potrebbero beneficiare direttamente dalla loro presenza. Ad esempio, i contenitori di Amazon possono arrivare fino a 2,5 metri di altezza, il che significa che i lavoratori umani devono usare un gradino per raggiungere i contenitori più alti e chinarsi per raggiungere quelli più bassi. Se i robot fossero principalmente incaricati di interagire con questi contenitori, aiuterebbero gli umani a lavorare più velocemente riducendo lo stress sui loro corpi.

Con i robot che finora riescono a tenere il passo con i lavoratori umani, Parness ci dice che l’accento in futuro sarà principalmente sul migliorare nel non fare errori: “Penso che la nostra velocità sia in un punto davvero buono. La cosa su cui ci stiamo concentrando ora è migliorare quel piccolo margine di affidabilità, e sarà il nostro prossimo anno di lavoro.” Mentre potrebbe sembrare che Amazon stia ottimizzando per i suoi casi d’uso molto specifici, Parness ribadisce che il quadro più ampio qui è utilizzare ogni singolo degli 400 milioni di articoli mescolati nei contenitori come un’opportunità unica per fare ricerca fondamentale sulla manipolazione veloce e affidabile in ambienti complessi.

“Se puoi costruire la scienza per gestire il contatto elevato e il disordine elevato, la useremo ovunque,” dice Parness. “Sarà utile per tutto, dai magazzini alla tua casa. Ciò su cui stiamo lavorando ora sono solo i primi problemi che ci stanno costringendo a sviluppare queste capacità, ma penso che sia il futuro della manipolazione robotica.”

Come Evitare Segnali Etici Negativi nei Tuoi Progetti di Intelligenza Artificiale

Essendo un informatico immerso nell’etica dell’IA da circa un decennio, ho visto di persona come il campo si sia evoluto. Oggi, un numero crescente di ingegneri si trova a sviluppare soluzioni di intelligenza artificiale mentre navigano tra complesse considerazioni etiche. Oltre alla competenza tecnica, il deployment responsabile dell’IA richiede una comprensione sfumata delle implicazioni etiche.

Nel mio ruolo di responsabile globale dell’etica dell’IA di IBM, ho osservato un significativo cambiamento nel modo in cui gli ingegneri dell’IA devono operare. Non si limitano più a parlare con altri ingegneri dell’IA su come costruire la tecnologia. Ora devono coinvolgere coloro che capiscono come le loro creazioni influenzeranno le comunità che utilizzano questi servizi. Alcuni anni fa, presso IBM, abbiamo riconosciuto che gli ingegneri dell’IA dovevano incorporare passaggi aggiuntivi nel loro processo di sviluppo, sia tecnici che amministrativi. Abbiamo creato un playbook che fornisce gli strumenti giusti per testare questioni come il bias e la privacy. Ma capire come utilizzare correttamente questi strumenti è cruciale. Ad esempio, esistono molte definizioni diverse di equità nell’IA. Determinare quale definizione si applica richiede la consultazione della comunità interessata, dei clienti e degli utenti finali.

Nel suo ruolo presso IBM, Francesca Rossi copresiede il consiglio etico dell’IA dell’azienda per aiutare a determinare i suoi principi fondamentali e i processi interni. Francesca Rossi

L’istruzione svolge un ruolo vitale in questo processo. Quando abbiamo testato il nostro playbook etico dell’IA con i team di ingegneria dell’IA, un team credeva che il loro progetto fosse esente da preoccupazioni di bias perché non includeva variabili protette come razza o genere. Non si rendevano conto che altre caratteristiche, come il codice postale, potevano fungere da proxy correlati alle variabili protette. Gli ingegneri a volte credono che i problemi tecnologici possano essere risolti con soluzioni tecnologiche. Anche se gli strumenti software sono utili, sono solo l’inizio. La sfida maggiore risiede nel imparare a comunicare e collaborare efficacemente con diversi portatori di interessi.

La pressione per rilasciare rapidamente nuovi prodotti e strumenti di IA può creare tensioni con una valutazione etica approfondita. Per questo motivo abbiamo istituito una governance centralizzata dell’etica dell’IA attraverso un consiglio etico dell’IA presso IBM. Spesso, i singoli team di progetto si trovano di fronte a scadenze e risultati trimestrali, rendendo difficile per loro considerare appieno gli impatti più ampi sulla reputazione o sulla fiducia del cliente. I principi e i processi interni dovrebbero essere centralizzati. I nostri clienti, altre aziende, richiedono sempre più soluzioni che rispettino determinati valori. Inoltre, in alcune regioni le normative ora impongono considerazioni etiche. Persino importanti conferenze sull’IA richiedono che gli articoli discutano delle implicazioni etiche della ricerca, spingendo i ricercatori sull’IA a considerare l’impatto del loro lavoro.

Da IBM, abbiamo iniziato sviluppando strumenti focalizzati su questioni chiave come la privacy, l’esplicabilità, l’equità e la trasparenza. Per ciascuna preoccupazione, abbiamo creato un kit di strumenti open-source con linee guida e tutorial di codice per aiutare gli ingegneri a implementarli in modo efficace. Ma poiché la tecnologia evolve, così fanno le sfide etiche. Con l’IA generativa, ad esempio, ci troviamo di fronte a nuove preoccupazioni sulla creazione di contenuti potenzialmente offensivi o violenti, nonché allucinazioni. Come parte della famiglia di modelli Granite di IBM, abbiamo sviluppato modelli di salvaguardia che valutano sia i prompt di input che gli output per problemi come la veridicità e i contenuti dannosi. Queste capacità dei modelli servono sia ai nostri bisogni interni che a quelli dei nostri clienti.

Anche se gli strumenti software sono utili, sono solo l’inizio. La sfida maggiore risiede nel imparare a comunicare e collaborare efficacemente.

Le strutture di governance aziendale devono rimanere sufficientemente agili per adattarsi all’evoluzione tecnologica. Valutiamo continuamente come nuovi sviluppi come l’IA generativa e l’IA agentica possano amplificare o ridurre determinati rischi. Quando rilasciamo modelli come open source, valutiamo se questo introduce nuovi rischi e quali salvaguardie sono necessarie.

Per le soluzioni di IA che sollevano segnali etici negativi, abbiamo un processo di revisione interno che potrebbe portare a modifiche. La nostra valutazione si estende oltre le proprietà della tecnologia (equità, esplicabilità, privacy) a come viene implementata. L’implementazione può rispettare la dignità e l’agenzia umana o minarle. Conduciamo valutazioni del rischio per ciascun caso d’uso della tecnologia, riconoscendo che comprendere il rischio richiede conoscenza del contesto in cui la tecnologia opererà. Questo approccio si allinea al framework dell’AI Act europeo: non è che l’IA generativa o il machine learning siano intrinsecamente rischiosi, ma certi scenari possono essere ad alto o basso rischio. I casi d’uso ad alto rischio richiedono un’attenzione aggiuntiva.

In questo panorama in rapida evoluzione, l’ingegneria responsabile dell’IA richiede una vigilanza continua, adattabilità e un impegno verso principi etici che pongano il benessere umano al centro dell’innovazione tecnologica.