Sviluppo e attività di Test in un progetto di Deep Learning

Pierluigi Simonini, CEO - Studio Simonini

Le tematiche relative all'esperienza proposta riguardano aspetti di qualità del software in ambito Machine Learning e Intelligenza Artificiale con particolare focus in tecniche basate sulle reti neuronali di ultima generazione e di prototipazione in ambito R&D. Il progetto, di recente sviluppo e sottoposto ad accordo di riservatezza, ha per titolo "Multi Modal sensing extension to Deep Learning techniques" (esposizione in lingua italiana) e riguarda la valutazione dell'estensione a tecniche di Deep Learning (reti neurali convoluzionali, CNN) di un sistema software per l'elaborazione di immagini in ambito industriale. Il progetto, estensione di un precedente lavoro già presentato in occasione dell'ultimo STF (Milano, 2019), si è sviluppato su metodologie e strumenti in ambito "apprendimento automatico" per la gestione di sensori complessi: prendendo spunto dalla comparsa sul mercato di sensori di visione multimodo si è proceduto alla sintesi di modelli NN per l'indagine di possibili applicazioni di classificazione e segmentazione. L'aspetto del progetto che qui si intende condividere riguarda le implicazioni di Test (attività di Verifica e di Validazione, V&V) del processo di istanza del modello: dalla selezione dell'architettura alla fase di training, fino all'utilizzo del modello stesso. In particolare, per 'titoli':

• qualità del modello e problematiche di verifica

• accessibilità ed interpretabilità dei dati

• validazione delle previsioni (concetti di base)

• Tecnologie di Data Management - Pipeline

• Tooling ed Automazione

• 'Understandability' di sistemi "Deep" (cenni)