Le strategie imprenditoriali ottimizzate mediante tecniche di intelligenza artificiale

4 
 
INTRODUZIONE 
Lo studio della mente umana e il tentativo di riprodurne il 
funzionamento mediante calcolatori è stato l’obiettivo di molti 
studiosi. La svolta avvenne circa cinquanta anni fa con l’introduzione, 
in un seminario nel New Hampshire, del termine intelligenza 
artificiale. Fu proprio il periodo di euforia tecnologica caratterizzata 
dall’avvento del computer e, quindi, l’intelligenza artificiale sembrava 
essere a portata di mano. Ma cosa si intende con tale termine? 
L’intelligenza artificiale (IA) indica l’insieme di studi e tecniche volte 
a riprodurre i processi mentali mediante l’uso di computers. Molti 
sono stati gli studi condotti su essa e le teorie elaborate al punto da 
creare due scuole di pensiero: l’intelligenza artificiale forte secondo la 
quale una macchina correttamente programmata può essere dotata di 
intelligenza pura e, l’intelligenza artificiale debole in base alla quale 
un computer può simulare processi umani ma mai riprodurli 
totalmente. Indipendentemente dalle varie critiche e differenti modi di 
pensare, il principio condiviso da tutti era quello di elaborare 
l’informazione sottostante i processi cerebrali tramite sistemi 
informatici. Ciò ha portato alla nascita di strumenti noti anche come 
pilastri dell’intelligenza artificiale ossia i sistemi esperti, la logica 
fuzzy e le reti neurali ma anche gli algoritmi genetici che però non 
sono trattati in questa tesi. I sistemi esperti, programmi che 
ripropongono il comportamento dell’essere umano in uno specifico 
dominio, hanno avuto vasta applicazione in vari settori come quello 
medico, finanziario ecc proprio per la loro caratteristica di basarsi 
sulla competenza umana registrata nella base di conoscenza. Ma a 
prescindere da ciò, la svolta vera e propria si ha con l’introduzione
5 
 
della logica fuzzy. Una logica che costituisce un nuovo modo di 
pensare e vedere le cose, infatti con essa non viene più contemplata la 
validità assoluta del principio del terzo escluso accettata, invece, da 
studiosi come Aristotele e George Boole. Per cui si ha a che fare con 
una realtà dove non esiste solo il bianco o nero ma una realtà 
caratterizzata da sfumature. Ovviamente tale logica presenta vantaggi 
e svantaggi. I principali vantaggi, come si vedrà nel capitolo apposito, 
sono dovuti al fatto che è una logica facile da comprendere, permette 
di utilizzare l’esperienza degli esseri umani, ma soprattutto riesce a 
manipolare dati imprecisi e tutto ciò avviene senza complesse formule 
matematiche ma solo con regole. Infatti, sono proprio le regole ad 
essere il fulcro di questa logica in quanto dati determinati input 
permettono di ottenere l’output. Quindi, oltre a costituire il fulcro 
rappresentano un passaggio fondamentale per il funzionamento di 
quello che verrà nominato come sistema fuzzy. Per dimostrare il 
funzionamento di un sistema fuzzy si possono fare tanti esempi ma 
uno sul quale la tesi è focalizzata riguarda il comportamento di un 
imprenditore edile sulla valutazione della convenienza economica di 
un progetto. Perché il mondo dell’edilizia? Nonostante la crisi che 
attualmente sta investendo molti settori tra cui anche quello edile, esso 
ricopre un ruolo importante nell’economia per cui è importante 
effettuare un processo di programmazione e controllo della 
produzione. In Italia la maggior parte delle imprese edili sono di 
piccole-medie dimensioni e sono caratterizzate dalla presenza di vari 
tipi di attori tra cui i professionisti che si occupano della progettazione 
dell’opera. Indipendentemente dalle dimensioni dell’impresa va 
sottolineato che la complessità a cui bisogna far fronte sta nel gestire i 
lavori, le collaborazioni, gli approvvigionamenti e tutte quelle fasi che
6 
 
implicano una serie di strategie e valutazioni. Una delle valutazioni 
più importanti riguarda, appunto, la fattibilità di un progetto 
denominato anche commessa. Nel momento in cui ci si trova di fronte 
ad un ordine bisogna valutarne la fattibilità tecnica, la compatibilità 
con i piani e i programmi di produzione e, la convenienza economica. 
In merito a quest’ultimo aspetto è necessaria la determinazione dei 
costi, ricavi e margini preventivi al fine di effettuare un controllo 
antecedente che andrà a costituire il preventivo esecutivo. In particolar 
modo il margine (in seguito denominato margine di contribuzione) 
costituisce l’elemento chiave ai fini della valutazione in quanto, come 
verrà visto nel proseguio del lavoro, un progetto viene ritenuto 
altamente conveniente solo se porta a quel margine costituente l’utile 
per l’impresa. Tutto questo verrà sperimentato con un software ossia il 
Matlab nella sua versione 7.0. La scelta di ricorrere a questo software 
non è da imputare al caso ma è dovuta alla sua capacità di integrare il 
calcolo, la visualizzazione e la programmazione ed, inoltre, permette 
di risolvere problemi con algoritmi molto più semplici di quelli 
utilizzati da linguaggi di programmazione meno recenti quali il 
fortran e il C. Date queste caratteristiche e la presenza del fuzzy logic 
toolbox verrà costruito un sistema fuzzy che ruota attorno alle scelte di 
un generico imprenditore edile proprio per dimostrare come stabilendo 
determinati input, il comportamento dell’essere umano interpretato 
dalla macchina permetterà di raggiungere un determinato risultato. 
Nonostante la logica fuzzy rappresenta la tecnica centrale studiata in 
questa tesi, la ricerca continua con la trattazione di un'altra tecnica 
costituente l’altro pilastro dell’intelligenza artificiale ossia le reti 
neurali. In questo caso si ha a che fare con un approccio diverso 
dovuto all’obiettivo di voler studiare il cervello umano in modo da
7 
 
riprodurne il funzionamento mediante computers. Infatti, le reti 
neurali artificiali altro non sono che sistemi mediante i quali viene 
riprodotto con strumenti informatici il funzionamento dei sistemi 
nervosi biologici. Grazie alla loro capacità di apprendere 
dall’esperienza riescono ad adattarsi anche a situazioni dove non 
esistono formule matematiche. Infatti, l’apprendimento rappresenta 
l’elemento chiave delle reti neurali in quanto indica il comportamento 
assunto dalla rete a seguito dell’interazione con l’ambiente esterno da 
cui si avranno determinati risultati. Come verrà esposto in seguito, a 
seconda dei modi in cui il processo viene influenzato e le modalità di 
interazione si possono avere diverse tipologie di apprendimento. 
Particolare attenzione sarà data all’apprendimento delle reti neurali 
costituite da strati nascosti il che implica un processo noto come 
backpropagation da cui deriva l’algoritmo di back propagation, un 
algoritmo molto efficace e potente ma comunque oggetto di molte 
critiche. A prescindere dalle varie caratteristiche delle tecniche di 
intelligenza artificiale presentate, la curiosità sta nella trattazione di 
una tecnica particolare nata dalla mescolanza della logica fuzzy e reti 
neurali ossia le reti neuro-fuzzy. L’idea di creare un sistema ibrido 
scaturisce proprio dall’obiettivo di voler superare tutti quegli ostacoli 
presentati dalle varie tecniche singolarmente come il fatto di non poter 
acquisire conoscenza dai dati tipico della logica fuzzy e la non capacità 
di rappresentare la conoscenza in un sistema di regole codificate tipico 
delle reti neurali. Grazie a questa possibilità i sistemi neuro-fuzzy 
trovano vasta applicazione nelle problematiche più disparate come il 
riconoscimento di caratteri e immagini tele-rilevate, le previsioni 
finanziarie, di marketing ecc. Per cui il presente lavoro è strutturato in 
cinque capitoli. Nel primo si ha una breve rassegna dell’intelligenza
8 
 
artificiale, dalle sue origini storiche alla sua evoluzione. Infatti il 
paragrafo 1.2 presenta una trattazione di ciò che rappresenta 
l’evoluzione dell’intelligenza artificiale ossia i sistemi esperti e ne 
verranno analizzate le varie distinzioni nei relativi sottoparagrafi. 
Verrà, anche, presentata una breve rassegna di quelle che sono state le 
principali applicazioni ed i relativi vantaggi e svantaggi. Dopodiché si 
passa al secondo capitolo dove si ha la trattazione della principale 
tecnica presa come riferimento in questo lavoro ossia la logica fuzzy. 
Nel paragrafo 2.2 viene presentata una breve rassegna delle origini 
storiche per poi passare ai principi base di tale logica (paragrafo 2.3). 
Si arriva, quindi, alla base ossia gli insiemi fuzzy (paragrafo 2.4) con 
la trattazione, anche, dei numeri fuzzy e le varie distinzioni. Si arriva 
in questo modo al fulcro di tale logica ossia il ragionamento fuzzy 
(paragrafo 2.5) con le relative fasi ossia la fuzzyficazione, l’inferenza e 
la defuzzyficazione. Inoltre, dato che si tratta di una logica che ha per 
oggetto il trattamento dell’incertezza è importante vedere il rapporto 
che si crea con la teoria della probabilità e ciò avviene nel paragrafo 
2.6. Dopodiché, come visto in precedenza per i sistemi esperti, si ha 
una breve rassegna delle principali applicazioni e a riguardo viene 
presentato un esempio di applicazione riguardante gli investimenti nei 
mercati finanziari. Successivamente, nel capitolo 3, si arriva al caso 
pratico che come accennato prima riguarda le strategie di un 
imprenditore edile. Nel capitolo in questione vengono analizzate tutte 
le nozioni fondamentali per un impresa edile, in particolar modo cosa 
si intende per attività edile, la gestione per commessa (paragrafo 3.2) 
per poi passare alle varie tipologie di costi (paragrafo 3.3) ed i vari 
procedimenti di stima trattati nei sottoparagrafi. Dopodiché, nel 
paragrafo successivo si passa all’analisi della fattibilità di una
9 
 
commessa dato che è il tema centrale dell’applicazione che verrà 
svolta con matlab. Tale applicazione viene illustrata nel quarto 
capitolo. Prima di entrare nel vivo dell’applicazione è importante 
capire questo software ed in particolar modo, nel paragrafo 4.2, viene 
esposto il fuzzy logic toolbox e le relative funzioni. A seguire si ha un 
esposizione del procedimento di inferenza fuzzy con il matlab per poi 
arrivare alla parte più interessante ossia l’inferenza fuzzy applicata alle 
strategie imprenditoriali (paragrafo 4.4). Infine, il lavoro prosegue con 
la trattazione delle reti neurali nel capitolo cinque. Per cui si ha una 
breve rassegna delle origini storiche per poi analizzare le reti neurali 
biologiche (paragrafo 5.3) e la struttura ed il funzionamento 
(paragrafo 5.4). In merito a quest’ultimo aspetto ci si sofferma 
sull’architettura e apprendimento per poi arrivare alla back 
propagation network (paragrafo 5.5). Anche in questo caso vengono 
esposte, nel paragrafo 5.6, le principali applicazioni per poi passare ad 
un ulteriore sviluppo della ricerca ossia le reti neuro-fuzzy.
10 
 
Capitolo 1 
UN NUOVO APPROCCIO PER LA 
RISOLUZIONE DI PROBLEMI 
 
1.1 – INTRODUZIONE 
Il sogno di capire i principi e i meccanismi del funzionamento della 
mente umana va avanti da oltre cinquant’anni quando durante un 
seminario nel New Hampshire venne introdotto, per la prima volta, il 
termine Intelligenza Artificiale. Da allora il sogno di molti ricercatori 
si è trasformato nel tentativo di riprodurre l'intelligenza umana su una 
macchina. Infatti, il termine intelligenza artificiale (IA) indica 
l’insieme di studi e tecniche volti a riprodurre i processi mentali più 
complessi mediante l’uso di computers. Uno dei contributi più 
importanti in quest’ambito è quello fornito da Alan Turing nel 1950 
con il test di Turing che prende spunto dal “gioco dell’imitazione”
1
 
dove un osservatore cerca di distinguere un uomo da una donna solo 
sulla base di risposte ad una serie di domande. Turing, immaginando 
di sostituire alla donna una macchina, riesce ad affrontare il problema 
per stabilire se una macchina è intelligente e ciò non sulla base della 
risposta ottenibile dall’esperimento ma proprio dalla capacità di 
concatenare idee e pensieri. Tuttavia gli sviluppi più importanti si 
hanno nel 1956 quando un docente della Darmouth College, J. 
McCarthy, cerca di risolvere la questione riunendo in un seminario 
                                                             
1
 A.M. Turing (1950),”Computing machinery and intelligence”, Mind 49: 433-460. 
 Longo G. O. (2009), “Il test di Turing storia e significato”, Mondo Digitale n. 1, marzo 2009