**Ti interessa questa tecnologia?**

Se vuoi saperne di più o collaborare con noi su questo progetto, contattaci a info@deix.ai.


Immaginate di dover risolvere un problema complesso, come organizzare la turnazione ottimale dei dipendenti in un’azienda, minimizzando i costi e rispettando tutti i vincoli di legge e produttività. Per un esperto di ricerca operativa, questo significa trasformare la richiesta in un modello matematico, con equazioni e vincoli precisi, per poi affidarne la soluzione a un software specializzato.


Ma cosa succederebbe se un’intelligenza artificiale potesse fare questa traduzione automaticamente?

Qui entra in gioco **LLM4OR**, il progetto di ricerca di Deix che esplora l’uso dei **modelli di linguaggio (LLM)** per interpretare un problema descritto in linguaggio naturale e convertirlo in un **modello matematico pronto all’uso**.


*L’idea è tanto semplice quanto ambiziosa: possiamo insegnare a un’intelligenza artificiale a fare il nostro lavoro di analisi e formalizzazione?*

Non per sostituire l’intelligenza umana, ma per renderla più efficace e veloce.

### Il Cuore del Progetto: Modelli di Linguaggio e Ottimizzazione

**Come Funziona un LLM?**

Un **Large Language Model (LLM)** come ChatGPT non "pensa" né "comprende" nel senso umano del termine. **Non ragiona come un esperto di ottimizzazione** che analizza un problema, riflette sulle sue implicazioni e formula un modello matematico consapevole del contesto.

Invece, un LLM è come un enorme completatore di frasi avanzato. Funziona associando sequenze di parole con altre sequenze statisticamente probabili, basandosi su tutto ciò che ha visto nei dati di addestramento.

*Un’analogia utile?*

*Immaginate un turista in un paese straniero che non parla la lingua locale. Ha con sé una guida con frasi pre-tradotte: non comprende davvero cosa significano, ma sa che per chiedere il conto al ristorante deve dire “Il conto, per favore”. Se la situazione cambia leggermente (ad esempio, un cameriere gli chiede se vuole pagare con carta o contanti), potrebbe rimanere spiazzato.*

Un LLM lavora in modo simile: non capisce davvero il problema, ma sa quale tipo di risposta è più probabile in base ai dati con cui è stato addestrato.

**LLM per la Ricerca Operativa**

Questo processo statistico può essere sorprendentemente efficace. Per verificare se un LLM può simulare la capacità di tradurre un problema di ottimizzazione in un modello matematico, abbiamo:
- **scelto un modello open-source** (Llama3-8B-Instruct) per valutarne l’efficacia rispetto ai modelli proprietari come ChatGPT,
- **usato un dataset pubblico**, contenente problemi di ottimizzazione già tradotti in modelli matematici, dando quindi al modello una serie di esempi chiari,
- **creato un dataset personalizzato**, con problemi più realistici e complessi per migliorare ulteriormente la capacità del modello,
- **affinato il modello**, facendogli “studiare” i nuovi dati per migliorare la sua capacità di traduzione.

Questa precisazione è importante: non abbiamo “insegnato” al modello a pensare come un esperto, ma lo abbiamo addestrato a riconoscere e riprodurre schemi di traduzione che funzionano. 

Il risultato? Un sistema che è in grado di convertire problemi raccontati in linguaggio naturale in modelli matematici.

### I Risultati: AI vs Esperti Umani?

Abbiamo confrontato il nostro modello con ChatGPT-3.5 e ChatGPT-4o su un insieme di problemi, valutando:
- corretta identificazione delle variabili e della funzione obiettivo
- traduzione precisa dei vincoli matematici
- capacità di generare codice eseguibile per la risoluzione del problema.

Il nostro modello ha dimostrato migliori performance rispetto a ChatGPT-3.5 e, grazie al fine-tuning sui dati personalizzati, **ha supertato le capacità di ChatGPT-4o**.


*Ma cosa significa questo nella pratica?*

*Significa che un utente potrebbe descrivere a parole un problema e ottenere automaticamente un modello pronto per essere risolto da un software di ottimizzazione.*


### Applicazioni: Dove può Essere Utilizzata questa Tecnologia?

Oggi il progetto è in fase sperimentale, ma le applicazioni sono molteplici:
- **Supporto ai nostri esperti**: in Deix, questa tecnologia potrebbe **accelerare il nostro lavoro**, riducendo il tempo necessario per la fase di modellazione iniziale.
- **Integrazione in [JINN](https://deix.ai/solutions/products/jinn)**, la piattaforma AI di Deix che permette la creazione di Agenti AI multi-purpose, include ore le funzionalità di creazione e fine-tuning di un modello dedicato a partire da un modello open source, non solo su problemi di ottimizzazione.


### Un Primo Passo Verso l’Automazione dell’Ottimizzazione

L’esperimento LLM4OR ha dimostrato che gli LLM possono supportare l’ottimizzazione, traducendo problemi in modelli matematici con crescente accuratezza.


🚀 Non si tratta di sostituire l’intelligenza umana, ma di potenziarla, fornendo uno strumento che velocizza e facilita il lavoro degli esperti.

💡 Per Deix, questa è una conferma della nostra missione: esplorare il potenziale dell’AI per creare soluzioni innovative e pratiche.


Un progetto Deix per esplorare il potenziale dei modelli di linguaggio nell’ottimizzazione

LLM4OR: L’AI Generativa che Traduce i Problemi in Soluzioni

Due giorni di innovazione, connessioni e nuove opportunità: il nostro team ha partecipato all’evento Innovare X Crescere, organizzato da ELIS Innovation Hub a Roma, e siamo tornati con nuove idee, collaborazioni e – soprattutto – un grande senso di orgoglio per il percorso che stiamo costruendo.

**L’innovazione passa dalla collaborazione**

Innovare X Crescere è un evento che mette in connessione corporate, startup e realtà innovative, creando occasioni di confronto e collaborazione per portare avanti progetti concreti. È in questo contesto che Deix ha avuto l’opportunità di presentare il lavoro svolto all'interno del programma Open Italy: [una Proof of Concept con il Gruppo Lactalis Italia per testare sul campo come l’AI generativa possa trasformare il mondo della manutenzione industriale](https://www.linkedin.com/posts/gruppolactalisitalia_impact-award-activity-7303733768064794625-i8Eo?utm_source=share&utm_medium=member_desktop&rcm=ACoAACXkgLsBwaBxzk15U3w6dDrLBauc2YhJW-s).

**Il Progetto**

Il nostro obiettivo? Dimostrare che l’AI generativa può supportare gli operatori sul campo, rendendo le attività di manutenzione più efficienti e intuitive. Grazie alle nostre soluzioni, puntiamo a:
- Facilitare e velocizzare la reportizzazione degli interventi permettendo ai manutentori di registrare un vocale
- Semplificare la gestione della conoscenza, strutturando dati e procedure in modo facilmente accessibile.
- Fornire informazioni in tempo reale agli operatori, riducendo i tempi di ricerca e migliorando la rapidità di intervento

**Un ecosistema che favorisce l’innovazione**

Un grande grazie va a ELIS e al programma Open Italy, che continua a dimostrarsi un acceleratore di innovazione, mettendo in contatto startup e grandi aziende per realizzare progetti ad alto impatto.


Siamo solo all’inizio di un percorso che ci porterà a ridefinire il futuro della manutenzione intelligente. Non vediamo l’ora di condividere con voi i prossimi passi! 

AI Generativa e Manutenzione Intelligente per il futuro dell’industria

Deix a Innovare X Crescere

In un mondo in cui le decisioni si prendono spesso di corsa e le parole dominano il nostro modo di comunicare, fermarsi a pensare con le mani può sembrare un'idea insolita. Eppure, è proprio quello che abbiamo fatto questa mattina in Deix, guidati dalla mitica Elisabetta Maier, attraverso una sessione di LEGO® SERIOUS PLAY®.

Un’esperienza che ci ha portati a riflettere sul nostro ruolo nel team, su cosa significhi per noi il successo e su quale sia la Deix del domani che vogliamo costruire. E lo abbiamo fatto non con presentazioni o lunghe discussioni, ma con i mattoncini LEGO, trasformando pensieri e visioni in modelli concreti.

**Pensare con le mani: il metodo LEGO® SERIOUS PLAY®**

Il metodo LEGO® SERIOUS PLAY® è una tecnica di facilitazione che aiuta individui e team a esplorare idee complesse attraverso la costruzione fisica. Basato sul concetto di "costruire per comprendere", questo approccio permette di visualizzare concetti astratti, stimolando creatività, collaborazione e pensiero strategico.

Le fasi principali del metodo sono quattro:
- *Sfida* → Il facilitatore pone una domanda o un problema.
- *Costruzione* → Ogni partecipante risponde creando un modello con i LEGO.
- *Condivisione* → Ognuno spiega il proprio modello e il significato che rappresenta.
- *Riflessione* → Il gruppo discute e costruisce una visione condivisa.

Un processo che, al di là dell’apparente semplicità, porta a intuizioni profonde e a un allineamento di squadra sorprendente.

**Cosa ci ha insegnato questa esperienza?**

Durante la sessione, ci siamo ritrovati a dare forma ai nostri pensieri, a scoprire nuovi punti di vista e a costruire metafore visive per raccontare chi siamo e dove vogliamo andare. Alcuni spunti che ci portiamo a casa:

* Il potere delle metafore: un modello LEGO può raccontare più di mille parole.
* Tutti hanno voce: il metodo mette tutti sullo stesso piano, favorendo un confronto aperto.
* Costruire aiuta a vedere: tradurre un’idea in un oggetto concreto aiuta a chiarirla e a condividerla meglio.
* Il futuro si progetta insieme: immaginare la Deix del domani è un esercizio che richiede collaborazione, visione e creatività.

**E ora? Continuiamo a costruire!**

Questa esperienza ci ha dimostrato quanto sia importante fermarsi a riflettere, esplorare idee in modo nuovo e costruire insieme una visione condivisa. E non vediamo l’ora di mettere in pratica ciò che abbiamo scoperto!

Il nostro viaggio con LEGO® SERIOUS PLAY®

Lascia pensare le mani

Il 2024 è stato un anno ricco di traguardi, sfide e crescita, e ieri abbiamo avuto l'opportunità di celebrare i nostri successi durante la riunione plenaria di fine anno. Questo momento speciale ci ha permesso di riflettere su quanto realizzato insieme e di riconoscere l'impegno e la dedizione di tutto il nostro team, che ogni giorno contribuisce a costruire qualcosa di unico e innovativo.

Tra i momenti più significativi del 2024, oltre ai tanti progetti di successo portati avanti con i nostri clienti, abbiamo celebrato i riconoscimenti ricevuti per le nostre soluzioni (come il [premio DigiSafeWell](https://www.deix.ai/it/magazine/articles/deix-vince-il-premio-digisafewell) e la [challenge InfoCamere](https://www.deix.ai/it/magazine/articles/vincitori-della-challenge-data-driven-innovation-di-infocamere)) , l'avvio di nuove partnership e di [progetti di ricerca industriale](https://www.deix.ai/it/magazine/articles/deix-and-egeos-in-collaborazione-con-esa) per lo sviluppo di soluzioni d'avanguardia.

Un sentito ringraziamento va anche al nostro partner OTTOZEROUNO, che ci ha affiancati con grande professionalità e collaborazione, contribuendo al successo di questo anno intenso e stimolante.

Deix conclude un anno pieno di soddisfazioni

Plenaria Deix 2024

**L'Importanza delle Serie Temporali**

Le serie temporali sono alla base di molte applicazioni cruciali nel mondo reale. Dati finanziari, consumi energetici, dati sul comportamento degli utenti, misurazioni industriali e previsioni meteorologiche: tutti questi scenari generano informazioni strutturate nel tempo. Le serie temporali, infatti, rappresentano sequenze di dati rilevate in intervalli regolari e costituiscono una delle forme di dati più pervasive e preziose nelle applicazioni moderne. La loro analisi permette di comprendere fenomeni, individuare pattern ricorrenti e fare previsioni che sono fondamentali per decisioni strategiche in molti settori.

Nel contesto delle aziende, comprendere come un sistema si evolverà nel tempo o come una certa variabile influenzerà il comportamento futuro può fare la differenza tra successo e fallimento. Proprio per questo motivo, è fondamentale sviluppare modelli in grado di gestire e interpretare al meglio queste informazioni dinamiche, ed è qui che entra in gioco il potere dei modelli di IA avanzata, come i Transformers.


**La rivoluzione dei Transformer**

I Transformers sono un tipo particolare di rete neurale per elaborare sequenze di dati. Sono emersi come una delle innovazioni più significative nel campo dell'intelligenza artificiale negli ultimi anni, in particolare nella modellazione del linguaggio naturale. Introdotti per la prima volta nel 2017, questi modelli hanno rivoluzionato il modo in cui l'IA gestisce l'elaborazione del linguaggio naturale (NLP), dando vita a sistemi avanzati come i modelli di linguaggio di grandi dimensioni (LLM) - tra cui GPT, BERT e molti altri.

L'idea centrale dei Transformers è la meccanica dell'"attenzione", un meccanismo che consente al modello di focalizzarsi su diverse parti di un input in modo flessibile ed efficace. Grazie alla capacità di considerare simultaneamente le relazioni tra tutte le posizioni di una sequenza, i Transformers si sono dimostrati estremamente potenti nel catturare relazioni di lungo termine nei dati sequenziali, una caratteristica che li rende particolarmente adatti non solo per il testo, ma anche per l'analisi delle serie temporali.

**Perché i Transformers per le Serie Temporali?**

Le serie temporali possono essere viste come sequenze di dati che cambiano nel tempo, molto simili al modo in cui un testo è composto da una sequenza di parole. Tradizionalmente, modelli come le reti neurali ricorrenti (RNN) e le Long Short-Term Memory (LSTM) sono stati utilizzati per modellare le serie temporali, grazie alla loro capacità di mantenere una memoria temporale. Tuttavia, questi approcci hanno delle limitazioni nell'affrontare sequenze particolarmente lunghe o con dipendenze complesse.

I Transformers, grazie al meccanismo di attenzione auto-applicata, superano queste limitazioni fornendo una visione più ampia e contestualizzata dei dati. Con i Transformers, ogni punto di una serie temporale può essere messo in relazione con ogni altro punto, senza la necessità di percorrere la sequenza in modo rigido come nelle RNN. Questo consente ai Transformers di individuare rapidamente, e in modo automatico, pattern complessi, anche a distanza significativa nel tempo.


**Embedding e Predizione: Come Funzionano i Transformers per le Serie Temporali**

L'applicazione dei Transformers alle serie temporali prevede diversi passaggi fondamentali. Prima di tutto, le serie temporali vengono rappresentate tramite embedding, ovvero rappresentazioni numeriche dense che catturano le caratteristiche salienti delle sequenze. Questi embedding fungono da input al modello Transformer, che attraverso i suoi layer di attenzione riesce a identificare pattern, tendenze e relazioni tra i dati.

Questa rappresentazione, altamente informativa, può essere utilizzata alla base di layer di classificazione o di previsione, a seconda dell'obiettivo finale. Se l'obiettivo è classificare un evento (ad esempio, rilevare un'anomalia in una serie di dati industriali), gli embedding vengono utilizzati come input per un layer di classificazione. Se invece l'obiettivo è prevedere valori futuri (come le vendite mensili di un prodotto), gli embedding vengono utilizzati per un layer di previsione.

Grazie a queste caratteristiche, i Transformers permettono di affrontare una vasta gamma di problemi di analisi delle serie temporali, migliorando sia l'accuratezza delle previsioni che la capacità di interpretare e spiegare i fenomeni sottostanti. Inoltre, l'utilizzo di architetture basate su Transformers consente di integrare anche informazioni esterne o contesti diversi, aumentando ulteriormente la potenza dei modelli sviluppati.


**Opportunità per le Aziende**

L'utilizzo dei Transformers per l'analisi delle serie temporali rappresenta un passo avanti significativo rispetto ai metodi tradizionali. Grazie alla capacità di catturare pattern complessi e relazioni di lungo termine, questi modelli offrono nuove possibilità per la previsione e la classificazione dei dati temporali, rendendo più efficace l'applicazione dell'IA in contesti aziendali e industriali.

In Deix, abbiamo esperienza nell’utilizzo di questo approccio per la classificazione di dati finanziari al fine di riconoscere potenziali frodi e per la previsione di serie temporali provenienti da sensoristica IoT per stimare la vita utile rimanente di componenti industriali, ma le potenziali applicazioni sono ancora più vaste.

In un mondo sempre più orientato dai dati, comprendere e sfruttare appieno il potere delle serie temporali significa dare alle aziende strumenti concreti per migliorare la loro competitività e le loro capacità decisionali. I Transformers si pongono come una delle soluzioni più promettenti per affrontare queste sfide in modo innovativo ed efficace.


L'uso dei Transformers per analizzare serie temporali

Il 28 novembre 2024, abbiamo avuto l'onore di partecipare a Matcher On Stage, l'evento conclusivo di Matcher Data-Driven Innovation - Edizione 2024. Organizzato da Art-ER e Enterprise Europe Network, questo programma internazionale di open innovation si propone di favorire incontri di business strategici tra aziende di eccellenza della Regione Emilia-Romagna e startup o scaleup internazionali.

Il nostro Jacopo Corno, Head of Business Solutions di Deix, è stato tra i protagonisti della tavola rotonda dal titolo "Analisi dei Dati come Chiave per le Decisioni Strategiche". L'evento ha visto la partecipazione di realtà di primo piano come Fondazione ITL, Chiesi, Gruppo CAMST e Rekeep, che insieme hanno discusso il ruolo cruciale dell'analisi dei dati nella trasformazione delle decisioni aziendali in opportunità strategiche.

Durante il panel, sono stati esplorati casi concreti e soluzioni innovative che mostrano come l'utilizzo di dati possa potenziare la capacità decisionale delle aziende, migliorandone la competitività e promuovendo strategie orientate al futuro.

La partecipazione di Deix a Matcher On Stage è un ulteriore passo avanti nel nostro impegno a guidare l'innovazione attraverso l'Intelligenza Matematica e la collaborazione con partner di rilievo.

Deix a Matcher 2024

Siamo lieti di annunciare che Deix Srl ha ottenuto un finanziamento attraverso un bando a cascata del PNRR, nell'ambito dello Spoke 2 "Integrative AI" del progetto FAIR (Future Artificial Intelligence Research). Questa iniziativa, coordinata dalla Fondazione Bruno Kessler, mira a promuovere l'integrazione di tecniche eterogenee che sfruttino approcci basati sia su dati che su modelli, sviluppando teorie e soluzioni in grado di affrontare le sfide dell'Intelligenza Artificiale. Integrare modelli matematici e data-driven rappresenta la sfida chiave del bando, una visione che rispecchia l'approccio distintivo di Deix alla Mathematical Intelligence: un connubio che unisce il rigore della modellistica matematica alla flessibilità e potenza dell'IA data-driven.

Il progetto di Deix, denominato INTEGRA (INtegrative AI Technologies for Ergonomic Guidance and Risk Assessment), ha l'obiettivo di migliorare la sicurezza sul lavoro combinando tecniche avanzate di Intelligenza Artificiale con modelli fisici del movimento umano. Questa sinergia permetterà di automatizzare la valutazione dei rischi ergonomici, utilizzando scale standard come REBA, RULA e OWAS, sfruttando dati acquisiti tramite tecnologie di motion capture e pose estimation basate su immagini.

La collaborazione con la Fondazione Bruno Kessler, leader nello Spoke "Integrative AI" del partenariato FAIR, offrirà a Deix l'opportunità di sviluppare soluzioni all'avanguardia, beneficiando dell'esperienza e delle risorse di un centro di eccellenza nel campo dell'Intelligenza Artificiale.


INTEGRA rappresenta un'evoluzione naturale della nostra piattaforma [Varda-AI](https://www.deix.ai/it/soluzioni/prodotti/varda-ai), già impiegata per monitorare comportamenti e movimenti in ambienti industriali. L'integrazione di nuove funzionalità per la valutazione ergonomica in tempo reale consentirà di ridurre gli infortuni sul lavoro e migliorare la salute dei lavoratori, offrendo al contempo soluzioni applicabili in settori come la sanità e lo sport.

Questo progetto rafforza l'impegno di Deix nel combinare Intelligenza Artificiale e modellistica matematica per sviluppare soluzioni innovative e sostenibili, contribuendo alla trasformazione digitale delle aziende e promuovendo una cultura della prevenzione e della sicurezza sul lavoro.


innovazione nell'ergonomia grazie all'Intelligenza Artificiale

Deix avvia il progetto INTEGRA

Il 29 e 30 ottobre, Deix ha partecipato a SMAU Milano, evento chiave per l’innovazione in Italia, ospitato presso FieraMilanoCity. Grazie al supporto di Regione Lombardia, eravamo presenti con il nostro stand insieme ad altre eccellenze del territorio, rappresentando il meglio dell’innovazione lombarda.

L’esperienza a SMAU ci ha permesso di incontrare corporate di rilievo, interessate alle nostre soluzioni di Intelligenza Matematica e alla nostra esperienza nel campo dell’AI e della modellistica matematica. Questi incontri hanno aperto prospettive di collaborazione con realtà che condividono il nostro obiettivo: accelerare la digital transformation delle aziende in modo etico, sostenibile e trasparente. 


Partecipare ai tavoli di lavoro dedicati all’innovazione e all’intelligenza artificiale è stato fondamentale per confrontarci con i trend emergenti e, soprattutto, con i principali pain points delle imprese. Tra le sfide cruciali discusse, spicca il tema dell’adoption degli strumenti di AI all'interno delle aziende: portare innovazione significa anche superare barriere culturali e strutturali, per garantire un’implementazione efficace e vantaggiosa delle tecnologie avanzate​​.

Abbiamo avuto inoltre l’opportunità di partecipare a due sessioni di speed pitching, dove abbiamo presentato le nostre soluzioni a una platea di esperti e decision-maker del settore. 


I due giorni a SMAU sono stati intensi ma estremamente proficui, grazie a tutto il team di Deix, Jacopo, Fabio, Rossella e Francesca, e ai nostri partner di Ottozerouno, Luca e Marco per il grande lavoro svolto!

Articoli e notizie