Quando si parla di intelligenza artificiale generativa all’edge, l’attenzione si concentra sugli algoritmi, ma tutto inizia dall’hardware. È il punto di vista di Danilo Pau, ingegnere elettronico, direttore tecnico e IEEE Fellow di STMicroelectronics, che in questa intervista per la Società Italiana di Elettronica spiega come l’innovazione dell’AI inizi proprio con l’innovazione dei sistemi hardware.

“Avendo vissuto in prima persona la transizione dall’analogico al digitale del video, ho imparato che senza adeguato hardware gli algoritmi non sono computabili. Valeva allora e vale ancora oggi con l’AI all’edge. Una volta compreso il meccanismo di elaborazione delle reti neurali, diventa evidente che senza un’adeguata accelerazione hardware non si ottengono le prestazioni necessarie. In questo l’elettronica è fondamentale perché offre la possibilità di capire ciò che si sta progettando e di trasformare le idee in tecnologia concreta”.

Per aiutarci a comprendere meglio cosa sia l’AI generativa all’edge, Danilo Pau ha ripercorso le principali tappe dell’evoluzione tecnologica che ne ha reso possibile la nascita.

“Immaginiamo di avere una funzione di trasferimento che non può essere descritta analiticamente perché non disponiamo di una formulazione matematica del fenomeno, ma solo dei dati che ne rappresentano il comportamento ingresso-uscita. Come possiamo allora approssimare questa funzione incognita? È qui che entrano in gioco le reti neurali, quei modelli capaci di apprendere le relazioni presenti nei dati e di costruire un approssimatore della funzione sottostante. Questo principio era già noto a partire dai primi anni ‘60 ma mancavano GPU potenti per eseguire il calcolo necessario all’addestramento delle reti neurali, software per addestrarle e tecniche di inizializzazione e ottimizzazione per garantire la convergenza dell’apprendimento e la minimizzazione dell’errore di approssimazione. La svolta arriva nel 2006, quando Geoffrey Hinton, uno dei padri del deep learning e premio Nobel per l’AI, dimostra come reti neurali basate sulle Restricted Boltzmann Machines siano in grado di apprendere distribuzioni di dati sempre più complesse arrivando a codificare e decodificare caratteristiche proprie dei volti umani. Questi risultati riaccendono l’interesse verso le reti neurali profonde e il punto di svolta definitivo arriva nel 2012 con l’ImageNet Large Scale Visual Recognition Challenge. Durante questa competizione, che prevedeva la classificazione di immagini appartenenti a oltre mille categorie, una rete neurale profonda addestrata utilizzando un paio di GPU ottiene risultati nettamente superiori rispetto agli approcci tradizionali. Per la prima volta si dimostra che la combinazione tra nuovi algoritmi e hardware può portare a prestazioni senza precedenti. Da quel momento le reti neurali si affermano come tecnologia dominante nel campo dell’AI. Nel 2017 la disponibilità di grandi quantità di dati, l’accesso a elevate capacità di calcolo e l’evoluzione degli algoritmi consentono all’industria cloud di adottare l’AI su larga scala. Nasce così l’AI percettiva, capace di estrarre significato dai dati grezzi e di associare informazioni astratte ai contenuti osservati. Ad esempio, un’immagine è composta da pixel, ma l’AI è in grado di riconoscere che quei pixel rappresentano una persona o un oggetto, aggiungendo quindi un livello di metainformazione astratta al dato grezzo originale. In questa fase gran parte dell’elaborazione viene concentrata nel cloud, ma appare subito chiaro che il cloud non può scalare per tutte le esigenze applicative di miliardi di utenti. Infatti, la latenza, i costi di trasmissione dei dati, i vincoli di privacy, l’affidabilità delle connessioni e la scalabilità rendono necessario distribuire l’esecuzione dell’AI più vicino alla fonte del dato. È da questa esigenza che nasce il concetto di Edge AI, cioè l’esecuzione di modelli di AI direttamente sui dispositivi embedded a bassissimo consumo energetico. Oggi che questa sfida è stata risolta dal punto di vista industriale, stiamo assistendo alla Generative AI all’edge, che consente di generare contenuti, prendere decisioni e interagire direttamente sul dispositivo senza dipendere dal cloud”.

In questo scenario, realtà industriali come STMicroelectronics hanno avuto un ruolo chiave contribuendo allo sviluppo di microcontrollori, sensori intelligenti e acceleratori hardware che oggi costituiscono una base tecnologica solida dell’edge AI distribuita.

“Nel 2018, in California, nasce la Tiny Machine Learning Foundation e STMicroelectronics ne fa parte fin da subito. Già dal 2016 iniziamo a sviluppare le prime implementazioni di algoritmi di AI su microcontrollori e direttamente a bordo dei sensori. Si trattava di una sfida complessa dato che in un package di un sensore di 2 o 3 millimetri di lato devono entrare due micromacchine, un accelerometro e un giroscopio, insieme a circuiti analogici e digitali. Da qui sono nati i primi strumenti di sviluppo e i primi tool dedicati a rendere accessibile l’AI su dispositivi ultra-compatti. Parallelamente, nel 2017 era stato dimostrato il chip denominato progetto Orlando, concepito per accelerare in tempo reale l’esecuzione di reti neurali convolutive come AlexNet consumando solo pochi milliwatt e dotato di un sofisticato compilatore neurale. Questo chip dimostrava come fosse possibile eseguire reti neurali avanzate con consumi ridotti. L’insieme di queste innovazioni ha dato origine a quella che oggi definiamo la proliferazione del Tiny Machine Learning: una nuova generazione di dispositivi dotati di acceleratori neurali, con livelli di prestazione scalabili a seconda delle destinazioni d’uso. Sembrava che la sfida di eseguire l’AI all’edge fosse stata risolta ma purtroppo il cloud non era più quello del 2017 perché grazie a innovazioni come le Generative Adversarial Networks e i Transformers di Google, i modelli neurali erano diventati molto più complessi. L’intero settore cloud è arrivato quindi a scontrarsi con quello che viene definito il memory wall e per sostenere l’addestramento e l’inferenza dei modelli linguistici più avanzati si è reso necessario costruire super-computer composti da milioni di GPU, sistemi capaci di raggiungere prestazioni dell’ordine di 10¹⁵operazioni al secondo ma con costi economici ed energetici enormi. Oggi solo poche grandi aziende cloud al mondo dispongono delle risorse e competenze necessarie per sviluppare e gestire infrastrutture di questa portata. Il risultato è stata la ri-centralizzazione dell’AI nel cloud. Quando utilizziamo ChatGPT, Claude o Gemini stiamo accedendo ai sistemi di inferenza di enormi super computer e di altri sottosistemi che si occupano dell’addestramento continuo dei modelli, con tutte le implicazioni che comporta in termini di costi, consumi energetici e concentrazione delle capacità tecnologiche. Questa situazione ha generato una profonda frattura nel mondo della ricerca. Chi può permettersi le risorse per addestrare questi modelli? Certamente non la maggior parte delle università o dei centri di ricerca indipendenti. Le stime indicano che entro il 2030 il fabbisogno energetico associato a quei super computer AI potrebbe raggiungere livelli tali da richiedere una capacità produttiva equivalente a decine di centrali elettriche di media potenza. Di fronte a questo scenario, è stato imperativo creare una svolta coraggiosa: TinyML Foundation evolve nel 2024 in Edge AI Foundation, dove il gruppo di lavoro dedicato all’AI generativa che ho il privilegio di coordinare, ha soddisfatto lo scopo di dimostrare l’AI generativa all’edge. Nel giro di un anno sono emerse una quindicina di aziende nel mondo capaci di progettare hardware specializzato per l’esecuzione locale di modelli generativi. Non dobbiamo replicare Gemini o altri modelli su un dispositivo edge, ma ripensare completamente l’AI generativa in funzione delle esigenze dell’utente finale, come il problema della privacy e l’interazione uomo-macchina. Gli utenti non vogliono che le proprie conversazioni, i propri dati o le proprie informazioni sensibili vengano trasferiti sui super computer. Per soddisfare questa esigenza bisogna sviluppare modelli generativi capaci di operare localmente, direttamente sul dispositivo. Uno degli sviluppi più promettenti è rappresentato dai Language-to-Action Models, sistemi che creano un collegamento diretto tra sensori, modelli linguistici e attuatori. L’esempio più immediato è quello della robotica. In questo contesto, l’attuazione significa controllare motori elettrici, bracci robotici o altri sistemi fisici sulla base dei dati raccolti dai sensori e interpretati da modelli generativi. Questi algoritmi sono in grado di adattarsi a diverse distribuzioni di dati, anche le più rumorose come i modelli diffusivi, prendere decisioni in tempo reale e tradurre il linguaggio e la percezione del mondo fisico in azioni concrete con complessità implementabili all’edge e con prestazioni adeguate”.

Secondo Danilo Pau, l’attenzione si sta spostando verso la necessità di rendere queste tecnologie sempre più vicine alle persone nelle applicazioni quotidiane.

“Trasferire grandi quantità di parametri verso le unità di calcolo non è sempre la scelta ottimale e viene naturale chiedersi: perché non fare l’opposto? Non è semplice per vari problemi implementativi, nondimeno è questa l’opportunità hardware e la direzione verso cui si sta andando. Un altro obiettivo è rendere questi sistemi realmente utili nella vita quotidiana delle persone. L’AI generativa non deve essere vista solo come uno strumento per creare immagini per i social o per produrre testi con meno fatica intellettiva ma abilitare una nuova interazione con le macchine. L’idea è quella di avere sistemi capaci di percepire l’ambiente attraverso sensori, interpretare ciò che accade, ciò che l’umano dice o come si comporta, ragionare e agire a supporto dell’essere umano nelle attività quotidiane. L’elettronica gioca un ruolo fondamentale perché è proprio grazie all’evoluzione dei dispositivi hardware che oggi è possibile sostenere livelli di calcolo e di memorizzazione sempre più elevati a costi più accessibili anche in termini di consumo energetico e quindi alla portata di un numero crescente di applicazioni che entrino nell’utilizzo pratico quotidiano. È in questo spazio che si aprono in modo quasi inaspettato enormi opportunità di innovazione e di crescita professionale. Se queste tecnologie vengono comunicate e comprese correttamente, anche gli studenti possono essere consapevoli delle direzioni possibili e orientare le proprie scelte formative e professionali per diventare protagonisti nell’era dell’AI. Non è un caso che da tempo tutte le grandi aziende del cloud includano al proprio interno ingegneri e progettisti elettronici. L’innovazione nasce sempre dall’integrazione tra hardware e software, le due facce della stessa medaglia. L’una è essenziale all’altra”.

Questo cambio di paradigma tecnologico non riguarda solo l’architettura dei sistemi, ma ha ricadute profonde anche sul modo in cui formiamo competenze e prepariamo le nuove generazioni a interpretare e guidare questa trasformazione.

“A fare la differenza è la possibilità di portare esempi concreti e credibili, e in questo l’industria può giocare un ruolo fondamentale, lavorando a stretto contatto con i docenti universitari, diventando una fonte di valori e di ispirazione reale. Quando i giovani assistono a dimostrazioni di credibilità, passione e fiducia, riescono a ispirarsi ed esprimere il loro enorme potenziale. Nella prima fase della carriera è importante fare delle scelte e specializzarsi, ma con il tempo il percorso evolve naturalmente verso una maggiore interdisciplinarità dettata anche da una curiosità acquisita durante gli studi e trasmessa dai docenti. Nessuna competenza e nessun progetto restano validi per sempre, perché il contesto tecnologico e industriale cambia continuamente. In questo scenario, la capacità di realizzare compiutamente prima e poi di adattarsi mantenendo la mentalità del principiante rappresenta il vero valore aggiunto da custodire attraverso l’incessante sviluppo della tecnologia AI”.

“Parlando con gli studenti, mi rendo conto che, rispetto alla mia generazione, oggi sentono il bisogno di compiere scelte condizionate dal mercato del lavoro. Ho l’impressione che spesso credano di non potersi permettere di seguire davvero le proprie passioni. Ed è un peccato, perché inseguire un sogno significa realizzare sé stessi, ma anche contribuire all’innovazione e cambiare il corso delle cose. La tendenza a seguire le mode del momento sta contribuendo alla carenza di ingegneri elettronici, figure che possono trasformare un’idea in soluzioni concrete, capaci di progettare, costruire e dare forma all’innovazione: creare valore aggiunto dalla materia”.

Queste sono le parole del professore Alessandro Cidronali, docente di elettronica dell’Università di Firenze che, in una recente intervista per la Società Italiana di Elettronica, ha raccontato come è cambiato nel tempo l’approccio dei giovani al mondo dell’elettronica e come la sua passione per i sistemi aeronautici e per l’elettronica delle microonde siano diventati nel tempo il fulcro della sua attività di ricerca.

Dalle misure elettroniche alle metasuperfici

Il prof. Cidronali ha spiegato che l’elettronica moderna ha esteso il suo dominio dalla misura delle grandezze fisiche al controllo attivo dei campi elettromagnetici. In questo scenario si collocano le recenti tecnologie basate su metasuperfici programmabili.

“L’acquisizione e il trattamento dei segnali consentono di attribuire un valore quantitativo alle diverse grandezze fisiche, rendendo possibile la loro osservazione e interpretazione attraverso strumenti elettronici. In questo senso, tutto ciò che riguarda l’elettronica legata al trattamento dell’informazione nasce dall’esigenza di “vedere” il mondo fisico attraverso segnali, informazioni e sensori. Esiste poi un altro dominio, quello delle contromisure elettroniche, che invece rappresenta in un certo senso il tentativo opposto: quando un sistema fisico è soggetto all’osservazione e al controllo da parte di strumenti esterni, le contromisure cercano di introdurre strategie di evasione o di protezione. Sono strumenti che permettono di nascondersi quando si è osservati, o di alterare ciò che può essere rilevato. Si parla di elettronica perché l’osservazione e il controllo avvengono tramite sistemi elettronici, e si tratta quindi di un’applicazione chiaramente difensiva, in cui il problema centrale è il controllo dell’informazione contenuta nei segnali elettromagnetici”.

In questo ambito legato alla misura e alla protezione dei segnali si inserisce un’evoluzione più recente che riguarda il controllo attivo della loro propagazione nello spazio.

“Un esempio è rappresentato dalla realizzazione di superfici “programmabili”, più correttamente conosciute con la definizione di “metasuperfici”. Queste vengono utilizzate anche per rivestire oggetti o dispositivi e sono in grado di modificare il comportamento delle onde elettromagnetiche. Le metasuperfici sono una classe di metamateriali realizzati su scala nanometrica. Si tratta di strutture estremamente sottili e piatte, progettate in modo che le loro “unità” siano più piccole della lunghezza d’onda della luce con cui interagiscono. All’interno di queste superfici sono presenti nanostrutture ingegnerizzate che permettono di controllare con grande precisione il comportamento della luce. In particolare, possono modificarne la fase, la polarizzazione e l’ampiezza, cioè le caratteristiche fondamentali con cui un’onda luminosa si propaga. Anche se molte delle loro applicazioni si concentrano sulla luce visibile, le metasuperfici possono essere progettate anche per lavorare nella gamma delle microonde o onde millimetriche. Questo le rende particolarmente interessanti per applicazioni avanzate, come quelle in ambito delle comunicazioni e dell’aerospazio, dove il controllo della radiazione elettromagnetica è fondamentale per sensori, imaging e sistemi di rilevamento. La loro struttura permette di superare la legge naturale della riflessione, introducendo nuove modalità di propagazione in ambienti complessi, in cui il rimbalzo delle onde sulle superfici viene indirizzato verso direzioni utili. Il principio fisico alla base è che, modificando localmente le proprietà elettromagnetiche del materiale, è possibile controllare e programmare le caratteristiche del segnale riflesso, rendendole diverse da quelle che si avrebbero in una riflessione naturale. In pratica, la riflessione viene “ingegnerizzata”. Il fronte d’onda viene intercettato prima che si distacchi dalla superficie, rielaborato a livello locale e poi reimmesso nello spazio in una direzione controllata. Questo consente di orientare la propagazione delle onde secondo esigenze progettuali, aprendo la strada a nuove tecniche per la gestione dei segnali in scenari complessi”.

Le metasuperfici e l’ingegnere elettronico del futuro

Le metasuperfici programmabili si inseriscono in questo scenario come una delle tecnologie emergenti più promettenti per tradurre in dispositivi reali i progressi della microelettronica avanzata. Permettono di miniaturizzare funzioni complesse e introducendo anche un livello di programmabilità del materiale che diventa capace di adattare il proprio comportamento in tempo reale.

“Le metasuperfici possono diventare un’interfaccia tra mondi diversi: da un lato la microelettronica, che continua a costituire la base hardware dei sistemi moderni, e dall’altro le tecnologie quantistiche emergenti, come la sensoristica e il calcolo quantistico. In particolare, la loro capacità di controllare la luce con precisione le rende candidate ideali per applicazioni avanzate in fotonica quantistica, comunicazioni sicure e sensori ad altissima sensibilità. In questo quadro, l’ingegnere elettronico del futuro sarà chiamato a sviluppare dispositivi sempre più miniaturizzati da integrare con piattaforme ibride, fotonica e strutture programmabili su nanoscala, per rendere operative le potenzialità delle tecnologie quantistiche. A lungo termine, l’ingegnere elettronico sarà chiamato a tradurre in applicazioni concrete le potenzialità dell’ingegneria quantistica, le cui ricadute sull’elettronica sono già oggi significative e presenti in diversi ambiti, come l’optoelettronica. Si tratta di tecnologie consolidate da decenni, che costituiscono una base importante per l’evoluzione attuale. La nuova sfida riguarda la possibilità di rendere operative le applicazioni del calcolo e della sensoristica quantistica, ambiti ancora in sviluppo ma dal forte potenziale trasformativo. Parallelamente, la microelettronica continuerà a essere sempre più strategica, rappresentando un settore chiave per l’innovazione e per lo sviluppo di sistemi avanzati in numerosi campi”.

“Da molti anni mi occupo dello sviluppo di dispositivi biomedici indossabili e impiantabili, progettati per operare a basso consumo energetico e garantire un funzionamento continuo nel lungo periodo. A un certo punto mi sono chiesto: perché non trasferire le competenze maturate nella salute umana alla salute delle piante?”.

Danilo Demarchi, Professore Ordinario presso il Politecnico di Torino, ha trasformato questa intuizione in un nuovo filone di ricerca dedicato ai sensori indossabili per il monitoraggio delle colture. In questa intervista per la Società Italiana di Elettronica, il Prof. Demarchi racconta come l’elettronica possa contribuire a rendere l’agricoltura più sostenibile, produttiva e al tempo stesso resiliente date le condizioni imposte dai cambiamenti climatici.

“Abbiamo applicato alle piante una delle tecniche che utilizziamo con successo in ambito umano: la misura della bioimpedenza, cioè la valutazione delle proprietà elettriche dei tessuti attraverso il passaggio di correnti a bassissima intensità. I minerali che la pianta assorbe dal terreno sono sostanze ioniche e l’attività fisiologica della pianta è strettamente legata al trasporto di questi elementi attraverso lo xilema, che conduce acqua e nutrienti dalle radici, e il floema, che distribuisce i prodotti della fotosintesi. Misurando questi processi di assorbimento e trasporto dei nutrienti, siamo riusciti a estrarre quello che, in modo volutamente evocativo, definiamo “elettrocardiogramma della pianta”, che ci permette di valutarne le condizioni di salute. Durante il suo metabolismo, infatti, la pianta mostra un andamento periodico dei segnali elettrici, con una dinamica quotidiana legata al ciclo circadiano. Quando la pianta è fisiologicamente attiva, il segnale varia in modo evidente e il sensore ci restituisce informazioni sul suo stato di salute. Si tratta di un monitoraggio continuo e in tempo reale. Infatti, acquisendo i dati ogni 15 minuti possiamo osservare come il segnale cambi durante la giornata. Ad esempio, dopo l’irrigazione notiamo una diminuzione della media del “battito cardiaco” della pianta, segno che sta reagendo positivamente all’acqua ricevuta. Il vero salto innovativo è questo: non è soltanto il sensore nel terreno a indicarci che il suolo è stato irrigato, ma è la pianta stessa a comunicarci se sta realmente beneficiando dell’acqua. Se invece la pianta è in sofferenza, il segnale non mostra variazioni significative. Grazie all’analisi di questi dati siamo riusciti a individuare precocemente condizioni di stress idrico. Nelle sperimentazioni condotte su due campi di mele abbiamo ottenuto un risparmio d’acqua compreso tra il 40% e il 50%. Questi segnali ci permettono anche di capire quando una pianta sta entrando in uno stato patologico o di deterioramento, ancora prima che compaiano sintomi visibili. Una pianta malata può infatti apparire sana all’esterno, con foglie ancora verdi, inducendo in errore l’osservazione superficiale. Monitorando invece ciò che avviene internamente, possiamo rilevare alterazioni fisiologiche in anticipo, proprio come accade con le analisi del sangue nell’uomo quando all’apparenza possiamo stare bene ma alcuni parametri interni possono rivelare che qualcosa non funziona correttamente. In questo senso, il monitoraggio diventa uno strumento di prevenzione”.

Il prof. Demarchi, insieme al suo gruppo di ricerca, nell’ultima evoluzione del sistema ha iniziato a monitorare anche le foglie, che rappresentano l’organo attraverso cui la pianta respira e scambia gas con l’ambiente esterno. Questi nuovi sensori consentono di osservare parametri che descrivono il modo in cui la pianta mantiene il proprio equilibrio fisiologico con l’ambiente circostante.

“Integrando queste diverse sorgenti di dati, otteniamo un quadro molto più completo e accurato dello stato di salute della pianta. Disporre di informazioni sempre più precise significa poter intervenire in modo tempestivo ed efficace sul benessere della coltura, prendendo decisioni mirate su irrigazione, nutrizione e gestione agronomica. Oggi stiamo integrando anche strumenti di intelligenza artificiale, perché la quantità di segnali raccolti è estremamente elevata. L’AI ci aiuta a interpretarli, a individuare correlazioni e ad arrivare a decisioni sempre più accurate e affidabili, rendendo il monitoraggio delle piante predittivo. Qui dobbiamo però sottolineare due aspetti fondamentali. Il primo riguarda il modo in cui utilizziamo l’AI che attualmente lavora principalmente su computer o sistemi cloud, ma noi stiamo sviluppando un approccio basato sull’edge computing. Elaborare tutto nel cloud, infatti, non è sempre la soluzione ottimale perché significa dover trasmettere continuamente grandi quantità di dati, con un elevato consumo energetico e una forte dipendenza dalla connettività. Per questo stiamo lavorando allo sviluppo di algoritmi e di elettronica in grado di ospitare capacità di elaborazione direttamente sul sensore installato in campo. L’obiettivo è portare l’AI a bordo del dispositivo stesso, realizzando sistemi di edge AI capaci non solo di acquisire dati, ma anche di interpretarli localmente. Questo approccio può innanzitutto ottimizzare il consumo di potenza che rappresenta una delle risorse più importanti e critiche per questi sistemi. Se il sensore dispone già di un’intelligenza sofisticata a bordo, non è necessario trasmettere continuamente tutti i dati raccolti. Se il sistema rileva che la pianta sta bene e non ci sono informazioni nuove o anomalie da segnalare, non ha senso inviare dati ripetitivi. Oggi, invece, trasmettendo dati grezzi, questa valutazione non può essere fatta localmente e la comunicazione continua comporta un maggiore consumo energetico. Con l’edge AI possiamo quindi ridurre drasticamente la quantità di dati trasmessi e lavorare a un’ottimizzazione molto più efficiente dei consumi. Inoltre, avere la capacità di elaborare le informazioni direttamente sul campo permette anche di prendere decisioni in tempi molto più rapidi, senza dipendere necessariamente da infrastrutture esterne o da collegamenti dati che, in alcuni contesti agricoli, potrebbero non essere sempre disponibili o affidabili”.

Il Prof. Demarchi ha sottolineato come l’elettronica e l’AI rappresentino elementi chiave nello sviluppo di strumenti predittivi avanzati per l’agricoltura. Allo stesso tempo, ha evidenziato la presenza di una naturale diffidenza iniziale da parte degli agricoltori nei confronti di queste innovazioni, una resistenza che può essere superata solo attraverso l’evidenza concreta dei risultati ottenuti direttamente sul campo.

“Queste tecnologie ci consentono di stimare in anticipo se una pianta sta entrando in condizioni critiche, di prevedere l’andamento della produzione oppure di anticipare l’insorgenza di malattie. Questo apre la strada a una gestione molto più mirata e sostenibile delle colture: se, per esempio, identifichiamo con precisione un’area in cui sta emergendo un’infezione, è possibile intervenire in modo localizzato, distribuendo pesticidi solo dove servono, invece di trattare l’intero campo. Un aspetto altrettanto importante riguarda l’adozione di queste tecnologie da parte degli agricoltori. Spesso esiste una naturale resistenza al cambiamento, legata all’esperienza e all’”aver sempre fatto così, perché cambiare?”. Questa riluttanza è comprensibile, ma tende a ridursi rapidamente quando i risultati diventano evidenti nella pratica. Una volta osservati i benefici concreti, molti agricoltori non solo adottano il sistema, ma non vogliono più farne a meno, proprio perché ne riconoscono l’efficacia. In Piemonte, diverse aziende agricole stanno già testando queste soluzioni direttamente sul campo, per valutarne le prestazioni in condizioni reali e verificarne l’impatto”.

La riluttanza degli agricoltori può essere superata anche alla luce della necessità di adattare l’agricoltura ai cambiamenti climatici. In questo contesto, l’elettronica e i sistemi di AI diventeranno strumenti sempre più utili per supportare decisioni rapide, precise e sostenibili direttamente sul campo.

“Oggi non è sufficiente disporre di dati raccolti nell’arco di una settimana o di un mese, è necessario costruire serie temporali su scala stagionale. Questo livello di analisi richiede infrastrutture di calcolo e server di una certa importanza. Il processo di sviluppo si articola infatti in diverse fasi perché oggi non disponiamo ancora di dataset ampi e sofisticati, ma siamo in grado di prendere decisioni efficaci sulla base dei segnali disponibili. In una seconda fase, raccogliendo dati stagione dopo stagione, potremo migliorare ulteriormente la nostra comprensione dei fenomeni e la capacità di interpretazione. Infine, potremo tornare sul campo con algoritmi sempre più efficienti e accurati. Il problema principale è che con i cambiamenti climatici le condizioni stanno evolvendo in modo rapido e continuo, rendendo meno affidabile l’esperienza passata. Dobbiamo costruire una nuova base di conoscenza direttamente sulla situazione attuale. Il primo ostacolo è che sappiamo ancora molto poco delle piante. Sono sistemi complessi, difficili da modellare e interpretare. Anche concetti apparentemente semplici, come portare una pianta a uno stato di stress controllato per aumentarne la produttività, richiedono una comprensione profonda. Per questo motivo, lavorare in questo ambito significa anche confrontarsi con una sfida culturale e interdisciplinare importante: mettere in dialogo ingegneria elettronica, AI e agronomia. È un contesto in cui spesso ci si confronta con interlocutori esperti del loro settore, ma che hanno esigenze molto precise e concrete, e questo rende lo sviluppo di soluzioni tecnologiche per l’agricoltura complesso e stimolante.

“Le comodità della vita moderna poggiano su sistemi elettronici di straordinaria complessità: dai radar avionici agli ecografi 3D, fino alle unità di controllo per la robotica industriale. Questi sistemi operano catturando dati ambientali tramite sensoristica avanzata, elaborandoli istantaneamente attraverso architetture di calcolo ad alte prestazioni per generare mappe, immagini o movimenti millimetrici. Una delle sfide cruciali dell’ingegneria elettronica moderna è l’integrazione armonica tra circuiti analogici ad alta sensibilità e potenti processori digitali”.

È con queste parole che il professore Stefano Ricci, ingegnere elettronico e docente all’Università di Firenze, ha iniziato a raccontare alla Società Italiana di Elettronica di quanto sia stimolante lavorare nel settore dell’elettronica digitale, capace di attraversare ambiti diversi, mantenendo sempre lo stesso entusiasmo e la stessa curiosità.

“Mi occupo principalmente di elettronica digitale per cui ho da sempre una grande passione perché non si limita alla sola elaborazione numerica o ai computer, ma include anche aspetti fondamentali legati all’acquisizione e alla riproduzione di segnali analogici. In questo ambito rientrano per esempio, i convertitori analogico-digitali (ADC) e digitale-analogici (DAC), oltre ai sistemi a basso rumore per l’acquisizione dei segnali, dove la componente analogica gioca ancora un ruolo cruciale. A questa si affianca la dimensione più propriamente digitale, che comprende dispositivi ad alte prestazioni come FPGA e processori avanzati, utilizzati per elaborazioni complesse e in tempo reale. Nel corso degli anni ho avuto modo di applicare queste competenze anche nel settore biomedicale, lavorando su sistemi per l’acquisizione e l’elaborazione di segnali fisiologici, un ambito in cui precisione e affidabilità sono essenziali”.

La comunicazione a luce visibile

“Attualmente mi sto dedicando a un campo emergente e particolarmente promettente come quello delle comunicazioni a luce visibile (VLC). Si tratta di sistemi di comunicazione che utilizzano la luce visibile come mezzo trasmissivo, aprendo scenari innovativi rispetto alle tradizionali tecnologie basate su radiofrequenze. Un esempio concreto sono le cuffie utilizzate nei musei, che possono essere pilotate direttamente dalle lampade presenti nelle sale, eliminando la necessità di contenuti pre-registrati. Un’altra applicazione riguarda l’ambito domestico, dove parte della trasmissione dati del Wi-Fi potrebbe avvenire attraverso la luce emessa dalle lampade, o ancora in campo veicolare, dove auto e rete potrebbero scambiarsi informazioni tramite l’illuminazione stradale”.

Si tratta di una tecnologia che si sta sviluppando soprattutto per via della crescente saturazione dello spettro radio. Le frequenze disponibili, infatti, sono ormai molto sfruttate, rendendo estremamente interessante qualsiasi alternativa che non le utilizzi.

“La luce può essere usata per trasmettere dati, proprio come le radiofrequenze, perché rappresenta un mezzo ideale per la trasmissione di informazioni, un potenziale già intuito nell’antichità con i segnali luminosi tra i vascelli e che oggi trova la sua massima espressione nelle fibre ottiche, infrastrutture che abilitano servizi essenziali come la TV on-demand e lo smart-working. Attualmente, la ricerca mira a estendere questo paradigma integrando la comunicazione nei comuni sistemi di illuminazione, dalle lampade domestiche ai proiettori automobilistici. Questa evoluzione è resa possibile dalla diffusione della tecnologia LED che, a differenza delle lampade a incandescenza o a fluorescenza, permette di modulare l’intensità luminosa con estrema rapidità. L’informazione viene infatti codificata variando l’emissione luminosa: in uno schema binario elementare, una lieve diminuzione di intensità rappresenta il bit 0, mentre un incremento corrisponde al bit 1. Queste variazioni avvengono a frequenze così elevate da risultare impercettibili all’occhio umano, analogamente a quanto accade con la sequenza di fotogrammi statici che compone un film. Per massimizzare le prestazioni, si adottano schemi di modulazione più sofisticati, come la QAM (Quadrature-Amplitude Modulation). In questo caso, vengono variate caratteristiche quali l’ampiezza e la fase di una portante sinusoidale, adottando logiche simili a quelle utilizzate nelle trasmissioni RF per la telefonia cellulare o il Wi-Fi domestico”.

Il prof. Ricci ha inoltre spiegato come cambia l’elettronica nella trasmissione di dati tra lo spettro radio e la luce.

“L’implementazione di sistemi VLC richiede l’integrazione sinergica di sezioni analogiche e digitali. Nel front-end di trasmissione, è fondamentale il ruolo del driver LED, mentre in ricezione è indispensabile un amplificatore a transimpedenza (TIA) per convertire la corrente del fotodiodo in segnale di tensione. A differenza dei sistemi a radiofrequenza (RF), la radiazione non viene irradiata da un’antenna, ma emessa da un LED e captata da un fotorilevatore. La sfida ingegneristica cruciale risiede nella massimizzazione della larghezza di banda: a tal fine, si impiegano tecniche di pre- e post-distorsione (sia nel dominio analogico che in quello digitale) abbinate a schemi di modulazione avanzati, indispensabili per superare i limiti fisici intrinseci del canale ottico. Parallelamente, una seconda sfida fondamentale riguarda la gestione di scenari ad elevata dinamicità. Un esempio emblematico è rappresentato dalla comunicazione tra veicoli (Vehicle-to-Vehicle o V2V) che procedono in direzioni opposte su strade extraurbane: in questo contesto, la rapidità di variazione del canale e i tempi di connessione estremamente ridotti richiedono algoritmi di sincronizzazione e puntamento di eccezionale reattività, campo ove dispositivi di processing digitale quali FPGA o GPU fanno la differenza”.

Dal punto di vista tecnico e applicativo, i sistemi VLC offrono diversi vantaggi.

“Innanzitutto, consente comunicazioni localizzate perché la luce emessa da una sorgente è confinata a uno spazio ben definito, come una stanza, rendendo la trasmissione intrinsecamente più sicura e difficile da intercettare. Inoltre, non genera interferenze con ambienti o dispositivi vicini, caratteristica particolarmente rilevante in contesti sensibili come quello ospedaliero. Le prospettive si applicano anche agli ambienti outdoor. In futuro, le infrastrutture stradali potrebbero comunicare direttamente con i veicoli attraverso la luce, ad esempio segnalando in tempo reale la presenza di un semaforo rosso o altre condizioni di traffico, contribuendo allo sviluppo della mobilità intelligente. Sebbene dal punto di vista commerciale queste soluzioni siano ancora poco diffuse, l’interesse sia nel mondo accademico sia in quello industriale è molto elevato, e lascia intravedere sviluppi significativi nei prossimi anni”.

Il futuro degli ingegneri elettronici

Secondo il prof. Ricci, l’ingegneria elettronica oggi vive una situazione paradossale: da una parte un campo in continua evoluzione grazie alle tecnologie che avanzano in ogni settore poggiandosi sull’elettronica e dall’altra la scarsa presenza sul mercato di figure qualificate.

“L’ingegneria elettronica è poco conosciuta e le aziende sono in difficoltà perché non riescono a trovare ingegneri elettronici. Parliamo di un professionista capace di progettare, sviluppare e ottimizzare sistemi elettronici complessi. Ai giovani vorrei dire di non lasciarsi spaventare perché con il giusto approccio non ci sono difficoltà nello studio della materia. Inoltre, un aspetto distintivo del corso di laurea in ingegneria elettronica è la capacità di muoversi tra teoria e applicazione: oltre alla progettazione, l’ingegnere elettronico svolge attività di simulazione, testing e validazione dei sistemi, spesso utilizzando strumenti avanzati di misura e software specialistici. Nel campo emergente delle comunicazioni a luce visibile (VLC), ad esempio, questo professionista si occupa di sviluppare nuovi sistemi di trasmissione dati basati su sorgenti luminose, progettando sia la parte elettronica che gestisce i segnali sia gli algoritmi che ne permettono la codifica e la decodifica. Ciò richiede competenze trasversali che includono l’elaborazione dei segnali, l’ottica, le comunicazioni digitali e la progettazione di dispositivi innovativi”.

Al di là delle competenze tecniche, sono fondamentali curiosità, aggiornamento continuo e attitudine alla risoluzione dei problemi. L’ingegnere elettronico può operare in contesti diversi: dall’industria high-tech ai centri di ricerca, contribuendo allo sviluppo di tutte le tecnologie che hanno un impatto diretto sulla vita quotidiana.

“Nel corso di laurea del nostro ateneo si presta grande attenzione a fornire una preparazione ampia e non limitata ai soli aspetti dell’elettronica. L’ingegnere elettronico deve saper lavorare in team, scrivere progetti, costruire sistemi e molto altro. Non insegniamo a progettare circuiti integrati, ma a realizzare sistemi elettronici utilizzando componenti progettati da altri, da integrare in dispositivi come smartphone e altre tecnologie. Quello che utilizziamo oggi nel nostro lavoro non è ciò che abbiamo studiato all’università, perché negli anni la rivoluzione tecnologica è stata molto ampia e continua a evolversi. Allo stesso modo, ciò che insegniamo oggi agli studenti non sarà necessariamente quello che utilizzeranno nel loro futuro professionale. Per questo è fondamentale sviluppare un metodo solido e una capacità di adattamento continuo”.

“Oggi si tende a separare l’elettronica dall’informatica, pensando che da un lato ci siano i circuiti, dall’altro il codice. In realtà, questa distinzione è ormai superata. Il chip, che rappresenta il cuore di ogni sistema elettronico, viene realizzato attraverso un’attenta programmazione. Con l’evoluzione tecnologica e la diffusione di dispositivi smart, siamo arrivati a integrare persino modelli di intelligenza artificiale, come le reti neurali, direttamente nei microcontrollori. Quello dell’ingegnere elettronico è dunque un percorso che unisce competenze diverse, dalle basi di matematica e fisica alla progettazione dell’hardware, fino alla programmazione necessaria per far funzionare e “pensare” questi dispositivi. È proprio questo intreccio tra discipline, questa continuità tra teoria e applicazione che ha fatto in modo che la curiosità di capire come funzionassero i dispositivi elettronici diventasse poi il mio lavoro”.

È con questa riflessione che Laura Falaschetti, ingegnere elettronico, ricercatrice e docente presso l’Università Politecnica delle Marche, apre la sua intervista per la Società Italiana di Elettronica. Dopo la laurea e il dottorato in ingegneria elettronica, ha proseguito il suo percorso accademico e di ricerca nello stesso ateneo, approfondendo diversi ambiti con un costante focus sui sistemi embedded.

“Un sistema embedded è un sistema elettronico digitale progettato per controllare ed eseguire operazioni specifiche. È molto più diffuso di quanto si pensi perché lo troviamo in tantissimi oggetti della vita quotidiana, dai dispositivi domotici agli elettrodomestici come frigoriferi e lavatrici. Per esempio, quando apriamo il frigorifero, la temperatura interna cambia e c’è un sistema embedded che la rileva e interviene attivando il compressore per riportarla al valore impostato. Si tratta di sistemi progettati per svolgere una funzione ben precisa. Proprio questa specializzazione consente di realizzare dispositivi efficienti, affidabili e a basso costo, con numerosi vantaggi rispetto a soluzioni più generiche. Oggi è possibile arricchire questi sistemi con nuove funzionalità, tra cui l’intelligenza artificiale. Riprendendo l’esempio del frigorifero: se prima ci limitavamo a rilevare e regolare la temperatura, ora possiamo integrare sensori e telecamere per riconoscere gli alimenti presenti e generare automaticamente la lista della spesa. Questo significa passare da un sistema embedded tradizionale a uno AI-enabled, in cui l’intelligenza è integrata direttamente “on edge”, cioè sul dispositivo stesso. In questo contesto, l’uso delle reti neurali in ingegneria assume caratteristiche particolari: lavorando su microcontrollori, infatti, non si dispone di potenza di calcolo illimitata. Non basta quindi programmare per una funzione specifica, ma è necessario conoscere a fondo anche l’architettura hardware per ottimizzare l’acquisizione e l’elaborazione dei dati. L’ingegnere elettronico deve avere una visione completa del sistema, dal circuito alla programmazione. Non a caso, la ricerca si sta orientando sempre più verso acceleratori hardware per l’AI: non solo integrare reti neurali in sistemi esistenti, ma progettare componenti dedicati capaci di massimizzarne le prestazioni. In questo scenario, il compito dell’ingegnere è ottimizzare sia la componentistica sia la comunicazione tra i vari elementi del sistema”.

Secondo la dottoressa Falaschetti, l’ingegnere elettronico è sempre più orientato verso lo sviluppo di acceleratori hardware. In passato l’obiettivo era ottimizzare il software per adattarlo all’hardware disponibile, oggi la sfida è progettare hardware per valorizzare il software, in particolare gli algoritmi di intelligenza artificiale. Si tratta di ripensare le architetture tradizionali alla luce di una nuova elaborazione del segnale basata su reti neurali.

Dalla ricerca sul segnale all’edge AI

Durante il suo dottorato la dottoressa Falaschetti ha iniziato a lavorare nell’ambito del riconoscimento vocale, sia dal punto di vista algoritmico che di quello dell’integrazione di questi algoritmi su microprocessori. L’obiettivo era quello di realizzare dispositivi simili agli attuali assistenti vocali, come Alexa, che oggi diamo per scontati ma che, all’epoca, rappresentavano un vero trend emergente.

“Il lavoro si sviluppava su due fronti: da una parte lo studio degli algoritmi, dall’altra la sfida di adattarli a piattaforme con risorse limitate. Si trattava di algoritmi complessi, pensati per funzionare su PC o nel cloud, che dovevano essere “portati” su microprocessori con capacità di calcolo ridotte, costi contenuti e dimensioni compatte, adatti quindi a sistemi embedded portabili e facilmente integrabili in diversi contesti. È qui che entra in gioco il concetto di edge computing che consente di ottimizzare un algoritmo affinché possa essere eseguito su una piattaforma diversa da quella per cui è stato progettato. All’epoca non utilizzavo ancora le reti neurali perché si lavorava principalmente nell’ambito del signal processing. Ho assistito all’evoluzione verso l’uso sempre più consolidato delle reti neurali, che oggi permettono di ottenere feedback a partire dall’elaborazione dei segnali attraverso modelli capaci di emulare, in parte, il funzionamento del nostro sistema neurale. Il tutto sempre con l’obiettivo di integrare queste soluzioni all’interno di sistemi embedded”.

La dottoressa Falaschetti ha spiegato che inizialmente, l’intelligenza artificiale e il machine learning erano pensati per l’informatica tradizionale, quindi per ambienti con grandi risorse di calcolo come PC, server o smartphone che si appoggiavano a infrastrutture remote. Il dispositivo acquisiva i dati, li inviava a un server su cui era implementata la rete neurale e riceveva indietro una risposta.

“Oggi, invece, si parla sempre più di edge AI, ovvero di intelligenza artificiale integrata direttamente nel dispositivo che acquisisce i dati. Questo significa che il sistema non deve più interrogare una risorsa esterna dato che la rete neurale è già incorporata nel software e può fornire una risposta in tempo reale. A questo punto viene spontaneo chiedersi perché sia necessario comprimere una rete neurale per portarla nel sistema. Perché esistono applicazioni in cui questo approccio è fondamentale. Un esempio è la guida autonoma o assistita. La vista, per esempio, è una nostra capacità naturale che può essere affiancata da dispositivi elettronici dotati di telecamere che analizzano l’ambiente circostante, rilevando pedoni, semafori o altri elementi critici. A questo punto si aprono due possibilità: inviare le immagini a un server remoto per l’elaborazione oppure integrare direttamente la rete neurale nel dispositivo. La seconda soluzione offre vantaggi decisivi. Innanzitutto, riduce drasticamente la latenza perché il dispositivo elabora i dati in tempo reale, senza dipendere da una comunicazione esterna, un aspetto cruciale in situazioni in cui la risposta deve essere immediata, come nel rilevamento di un pedone. Inoltre, elimina la dipendenza dalla connettività. Non tutte le aree, infatti, sono coperte dalla rete e un’interruzione potrebbe avere conseguenze critiche. Con l’edge AI, invece, il sistema continua a funzionare in modo autonomo. Infine, c’è il tema della privacy: trattandosi di un sistema chiuso, i dati incluse immagini e informazioni sensibili non vengono trasmessi all’esterno, riducendo il rischio di esposizione. Abbiamo citato la guida autonoma ma l’edge AI trova applicazione in molti altri ambiti in cui servono risposte rapide, affidabilità e indipendenza dalla connessione di rete. Un altro esempio, infatti, sono i dispositivi medicali indossabili che consentono il monitoraggio continuo di parametri vitali, o ancora nel settore industriale dove l’edge AI viene utilizzata per la manutenzione predittiva delle macchine”.

Il concetto non è abbandonare il cloud, ma ripensarne il ruolo in un’architettura ibrida, in cui cloud ed edge lavorano in sinergia. Il cloud lavora per l’addestramento e l’elaborazione di grandi quantità di dati mentre il dispositivo lavora all’esecuzione locale e in tempo reale delle decisioni.

In chiusura, un consiglio a chi si avvicina con timore allo studio dell’ingegneria elettronica: “le difficoltà esistono in ogni corso di laurea, ma con la giusta dose di interesse e curiosità possono essere affrontate con serenità. Non bisogna lasciarsi scoraggiare dal timore di non avere una preparazione adeguata perché i docenti sono disponibili ad aiutare gli studenti a colmare eventuali lacune e di non sottovalutare il ruolo dei tutor, sempre pronti ad affiancare i docenti e a supportare gli studenti lungo il loro percorso formativo”.

La Società Italiana di Elettronica ha intervistato la Professoressa Susanna Spinsante, ingegnere elettronico e docente presso l’Università Politecnica delle Marche, che ha condiviso sin dalle prime battute la sua profonda passione per l’ingegneria elettronica.

“Fin da piccola avevo colto questo mio interesse per le materie scientifiche. Soprattutto durante le scuole medie rimasi affascinata dalla disciplina che si chiamava “Tecnica” che poi, vista a posteriori, altro non era che l’applicazione della fisica alla vita quotidiana. Quella materia aveva scatenato in me la curiosità di capire perché le cose funzionassero in un certo modo. Perciò poi scelsi il liceo scientifico, ma per la scelta universitaria avevo dei dubbi su quale ingegneria scegliere. L’esperienza riportata da chi già studiava ingegneria elettronica che me ne parlava come un corso di laurea con fisica in abbondanza mi aveva colpita. E poi ho deciso perché vedevo ingegneria elettronica come un percorso più spendibile, dove potevo impegnarmi e avere più opportunità”.

L’entusiasmo della prof.ssa Spinsante per l’ingegneria elettronica si riflette nella sua attività di ricerca e nel costante impegno nelle iniziative di orientamento rivolte agli studenti delle scuole.

“Negli ultimi anni mi sono occupata spesso di attività di orientamento e mi è capitato spesso di parlare con ragazzi e ragazze delle scuole superiori e questo scambio di opinioni ha rafforzato in me l’idea che la complessità che si incontra nel comunicare l’elettronica è legata al fatto che essa è fortemente pervasiva nella vita di tutti, ma in una maniera che non è percepita. Io dico sempre ai ragazzi che quando l’elettronica funziona bene nessuno se ne accorge, riusciamo tutti a usare i nostri dispositivi senza problemi. Il livello di sofisticatezza a cui è arrivata l’elettronica è anche il motivo per cui i ragazzi fanno fatica ad avere un’immagine specifica di ciò che essa è, proprio perché, in quanto pervasiva, si ritrova in tutti i settori. Se ne vedono i risultati ma non la complessità che c’è sotto. Poi, almeno in parte, regge ancora il mito per cui lo studio dell’Ingegneria Elettronica è complesso, difficile da affrontare e un po’ spaventa”.

Dalla ricerca nelle telecomunicazioni al mondo delle misure

Dopo la laurea, la professoressa Spinsante si è specializzata dapprima nel settore delle telecomunicazioni sviluppando diversi progetti di ricerca tra dottorato e post-doc. Ma poi per una serie di circostanze ha cambiato settore iniziando a occuparsi di misure.

“Nella fase iniziale della mia carriera, mi occupavo di telecomunicazioni facendo riferimento a soluzioni sensoristiche e alle implicazioni legate alla trasmissione dei dati di sensori. Oggi, cerco di lavorare su metodiche di misura innovative per determinate applicazioni e sulla possibilità di applicare nuovi approcci sensoristici, non occupandomi, però, della tecnologia del sensore. Quello è un campo più vicino agli ambiti elettronica e materiali. Quello che cerco di sperimentare è l’uso innovativo di componenti che già esistono per cercare di acquisire grandezze diverse da quelle per cui sono stati originariamente pensati”.

La professoressa Spinsante ha raccontato di quanto sia affascinante il mondo delle misure che sono alla base dell’approccio scientifico. Galileo stesso ci diceva che per conoscere un fenomeno bisogna misurarlo altrimenti non è conoscenza ma opinione, perché basata su un fatto soggettivo.

“Nelle misure si può spaziare perché trovano applicazione in tantissimi ambiti. Oggi sto lavorando alla possibilità di utilizzare un sensore radar che nasce nel mondo delle telecomunicazioni ma che può consentire di misurare grandezze fisiche come le vibrazioni con modalità innovative perché può lavorare senza contatto. Quindi ci possono essere molti ambiti applicativi in cui il radar può fornirci delle misure senza intervenire sul sistema su cui facciamo la misura e può consentirci di farlo in maniera anche abbastanza veloce, in modo da non rallentare un processo produttivo. Un’applicazione industriale a cui stiamo lavorando è utilizzare i radar per monitorare vibrazioni eccessive in dispositivi rotanti, per esempio le ventole che si usano nei sistemi di aspirazione. Sono elementi dove c’è una meccanica importante e questi elementi sono destinati a stare in rotazione per tempi lunghi e devono avere caratteristiche specifiche per ogni applicazione. C’è un obiettivo comune che è quello di evitare che la girante sia eccessivamente rumorosa perché il rumore può essere un problema. La rumorosità è legata a difettosità nella struttura meccanica e stiamo scoprendo che è possibile avere un’indicazione della potenziale difettosità di queste giranti facendo un’indagine completamente non invasiva. Quindi un sensore radar può consentire di individuare le giranti difettose in uno stadio iniziale della fabbricazione. C’è una spinta industriale dietro a questo ed è il fine dell’essere ingegnere perché siamo chiamati a risolvere problemi vicini alle applicazioni finali. Proporre il radar come strumento di misura è innovativo perché oggi gli unici strumenti di misura per le vibrazioni sono i vibrometri laser, costosi e ingombranti. Stiamo usando sensori radar molto diffusi sul mercato come quelli anticollisione installati sulle automobili”.

Misurazioni elettroniche e intelligenza artificiale

Secondo la professoressa Susanna Spinsante, una delle competenze fondamentali dell’ingegnere elettronico è la capacità di astrarre modelli e di renderli applicabili in contesti anche molto diversi tra loro. Questo approccio è alla base del metodo scientifico e, in particolare, del mondo delle misure, dove la costruzione di un modello precede sempre la raccolta e l’interpretazione dei dati.

“Nel campo delle misurazioni elettroniche, infatti, il processo parte dalla definizione di un’ipotesi: si elabora un modello teorico e poi si effettuano misure per verificarne la validità. I dati non sono quindi un punto di partenza ma uno strumento per confermare o mettere in discussione una visione già strutturata del problema. È proprio su questo punto che si inserisce il dibattito attuale sull’intelligenza artificiale. L’approccio tipico degli algoritmi di AI segue una logica opposta: si raccolgono enormi quantità di dati e si lascia che siano gli algoritmi a far emergere correlazioni. Senza un modello di riferimento o un’ipotesi iniziale, si rischia di essere in balia dei dati che possono essere interpretati in modi diversi a seconda delle situazioni. Per questo motivo, nel campo delle misure elettroniche resta fondamentale mantenere un approccio rigoroso, basato su modelli solidi e su una chiara interpretazione fisica dei fenomeni osservati. Infine, lo scenario è reso ancora più dinamico dalle recenti evoluzioni nel campo delle misure, dove stanno emergendo importanti sviluppi legati alle tecnologie quantistiche. Si tratta di un ambito destinato a trasformare profondamente il modo in cui si acquisiscono e interpretano le grandezze fisiche, aprendo nuove prospettive sia nella ricerca sia nelle applicazioni industriali”.

“Ho sempre avuto una grande passione per i computer. Però, più che l’aspetto esterno, mi ha sempre incuriosito quello che c’era dentro: il funzionamento, i componenti, la logica che rende possibile tutto. Ricordo che nei primi anni di liceo mi sono divertito ad assemblare il mio primo computer. Pensavo che l’ingegnere informatico si occupasse del software, mentre quello elettronico dell’hardware e, siccome ero affascinato proprio dalla parte “fisica” delle macchine, alla fine del liceo ho scelto ingegneria elettronica. Ma devo ammettere che, al momento dell’iscrizione all’università, non avevo davvero idea di cosa fosse nel concreto questa disciplina”.

A raccontare del suo percorso esplorativo dell’ingegneria elettronica è Piergiulio Mannocci, ricercatore presso il Dipartimento di Elettronica, Informazione e Bioingegneria al Politecnico di Milano.

“Ho scoperto l’ingegneria elettronica studiandola ed è stato bello proprio perché è avvenuto in modo del tutto esplorativo. Più andavo avanti, più mi rendevo conto di quanto questo campo fosse vasto e articolato. L’elettronica è un grande contenitore con al suo interno tantissime discipline diverse, ognuna con le proprie peculiarità e i propri ambiti di interesse. Il fatto di aver scoperto questo mondo senza aspettative precise mi ha permesso di apprezzarlo ancora di più”.

 

Elettronica e informatica non sono così distanti

“Il tradizionale paradigma che separava nettamente informatica e software da un lato ed elettronica e hardware dall’altro, un tempo molto radicato e compartimentato, negli ultimi anni si è progressivamente dissolto. Oggi i confini tra queste discipline sono sempre più sfumati. L’ingegnere elettronico, infatti, non può più limitarsi alla sola progettazione hardware: deve essere in grado di muoversi con disinvoltura anche tra concetti di software, programmazione e machine learning. Con l’avvento dell’intelligenza artificiale, la comprensione degli algoritmi è diventata fondamentale anche nelle attività di progettazione e sviluppo tipiche dell’elettronica. Allo stesso tempo, chi si occupa di software non può prescindere da una conoscenza approfondita dell’hardware su cui il codice verrà eseguito. Le prestazioni, l’efficienza e persino alcune scelte progettuali dipendono sempre più dall’interazione stretta tra questi due livelli. Sono ormai diffusissimi sistemi integrati, acceleratori e architetture in cui hardware e software sono progettati congiuntamente. A ciò si aggiunge un panorama applicativo estremamente vasto e in continua espansione, che richiede flessibilità, aggiornamento continuo e una visione sempre più interdisciplinare”.

 

Come si realizza un chip intelligente

Piergiulio Mannocci spiega come il “chip intelligente” sviluppato presso il Politecnico di Milano rappresenti un esempio concreto e avanzato di integrazione tra competenze e discipline diverse. Un sistema in cui hardware, software e algoritmi danno vita a soluzioni innovative, capaci di rispondere alle attuali sfide tecnologiche.

“Alla base di questo dispositivo c’è un concetto noto come calcolo in memoria (in-memory computing). L’idea nasce dall’esigenza di superare uno dei limiti strutturali dei calcolatori tradizionali, che ancora oggi si basano in larga parte su una netta separazione tra due componenti fondamentali: da un lato l’unità di calcolo, dove vengono eseguite le operazioni, e dall’altro l’unità di memoria, dove i dati sono immagazzinati. Questo paradigma, dominante per decenni e alla base sia delle architetture hardware sia di quelle software, è stato estremamente efficace nelle prime fasi dello sviluppo dell’informatica. Oggi, però, con le esigenze delle applicazioni moderne, in particolare quelle legate all’intelligenza artificiale, che richiedono l’elaborazione di enormi quantità di dati, questo modello sta mostrando i suoi limiti. Il problema principale è legato al continuo trasferimento di dati tra memoria e unità di calcolo. Ogni operazione richiede che i dati vengano prelevati dalla memoria, spostati verso il processore, elaborati e poi riscritti nuovamente in memoria. Questo flusso continuo comporta un costo elevatissimo in termini di energia e tempo, arrivando a rappresentare una parte predominante del consumo complessivo. Il chip che abbiamo sviluppato affronta direttamente questa criticità, eliminando la separazione tra memoria e calcolo. Invece di avere due unità distinte, il sistema integra le capacità di elaborazione direttamente dove i dati sono conservati. In altre parole, i calcoli vengono eseguiti all’interno della memoria stessa. Questo approccio consente di ridurre drasticamente, o addirittura eliminare, il trasferimento dei dati, con benefici significativi in termini di velocità ed efficienza energetica. Il risultato è un sistema più rapido, più efficiente e anche più sostenibile, in linea con uno degli obiettivi principali della nostra ricerca: sviluppare tecnologie avanzate che non solo migliorino le prestazioni, ma riducano anche l’impatto energetico complessivo”.

La realizzazione del chip intelligente si colloca nell’ambito del progetto ANIMATE (ANalogue In-Memory Computing with Advanced device Technology), guidato dal Prof. Daniele Ielmini. Il progetto si fonda su una linea di ricerca preliminare dedicata al paradigma del CL-IMC (Closed-Loop In-Memory Computing), cioè il calcolo in memoria ad anello chiuso. Tra le potenzialità emergono tempi di elaborazione più rapidi e un consumo energetico fino a 5.000 volte inferiore rispetto ai tradizionali sistemi di calcolo digitali.

“Il chip, realizzato in collaborazione con STMicroelectronics, è progettato attorno a questa nuova architettura e, in particolare, sfrutta un fenomeno puramente elettronico: la retroazione. Si tratta di una configurazione circuitale in cui l’uscita di un sistema viene riportata all’ingresso, permettendo di accelerare alcune operazioni, soprattutto quelle di tipo inverso. Queste operazioni sono centrali in numerosi ambiti applicativi: dall’intelligenza artificiale, ad esempio nell’addestramento delle reti neurali, fino alle telecomunicazioni, dove vengono eseguite quotidianamente nelle stazioni base del 5G e del 6G. Si tratta però di processi estremamente onerosi dal punto di vista computazionale, perché richiedono un numero molto elevato di elaborazioni per risolvere problemi complessi. Il nostro chip è in grado di affrontare questa sfida in modo radicale, accelerando tali operazioni e riducendo il consumo energetico, con un notevole abbattimento anche della latenza. In questo senso, introduce una nuova architettura di calcolo che potrebbe rappresentare la base per una futura generazione di acceleratori, pensati per gestire una classe di problemi sempre più diffusa, dalle infrastrutture urbane intelligenti fino ai dispositivi personali, ma con costi energetici e operativi drasticamente ridotti”.

Il gruppo di ricerca guidato dal Prof. Daniele Ielmini, di cui fa parte l’ingegnere Mannocci, rappresenta una realtà di primo piano nel panorama della ricerca sull’elettronica avanzata, distinguendosi per un approccio fortemente interdisciplinare e orientato all’innovazione.

“Stiamo lavorando su dispositivi di memoria emergenti, con applicazioni che spaziano sia nell’ambito dello storage sia in quello del calcolo. Parallelamente, portiamo avanti diverse linee di ricerca dedicate allo studio dei materiali, in particolare quelli bidimensionali, utilizzati ad esempio per lo sviluppo di dispositivi di memoria non volatile. In passato, queste tecnologie sono state impiegate anche nella realizzazione di sistemi per il rilevamento e la previsione di crisi epilettiche.

Accanto a queste attività, sono in corso ulteriori progetti in collaborazione con STMicroelectronics, focalizzati sulla progettazione di chip per reti neurali destinati al settore automotive. In questo contesto, le applicazioni principali riguardano il riconoscimento di immagini e l’analisi di sequenze, ambiti sempre più centrali nello sviluppo di sistemi intelligenti per la mobilità”.

L’ingegnere elettronico del futuro

Secondo il ricercatore Mannocci, oggi l’ingegnere elettronico non può più considerarsi un professionista confinato alla propria nicchia perché deve confrontarsi con una contaminazione continua di discipline diverse, dall’informatica e dalla matematica fino a settori applicativi come le telecomunicazioni o l’ingegneria biomedica.

“Con lo sviluppo dei sistemi embedded, sempre più orientati a dispositivi portatili e applicazioni reali, diventa imprescindibile avere una conoscenza trasversale e mantenere un contatto stretto con tutte queste aree, integrando competenze per progettare sistemi complessi ed efficienti. La perfusione rappresenta la sfida imminente. I sistemi stanno evolvendo da un’architettura tradizionalmente centralizzata, caratterizzata da grandi nodi centrali, a un ecosistema distribuito, in cui numerosi piccoli calcolatori devono svolgere compiti specifici e collaborare tra loro. Questo cambiamento porta con sé una serie complessa di sfide: dal consumo energetico all’ottimizzazione della comunicazione, passando per la gestione e l’immagazzinamento dei dati, il tutto con l’obiettivo di trasferire le informazioni nel minor tempo possibile. In questo contesto emergono sfide tecnologiche fondamentali. Sin dall’avvento dei semiconduttori, abbiamo fatto affidamento sul processo di miniaturizzazione, arrivando oggi ai limiti fisici dei materiali, fino alle dimensioni atomiche. Per proseguire lungo questa strada, è necessario sviluppare nuove tecnologie e materiali innovativi. È un lavoro che richiederà decenni di ricerca, e per affrontarlo servono ingegneri elettronici preparati e motivati, pronti a guidare le prossime frontiere dell’innovazione”.

Guardando alle nuove generazioni, l’ingegnere rivolge alcuni consigli agli studenti e agli ingegneri di domani, per affrontare il percorso di studi e costruire le competenze del futuro, dalle difficoltà iniziali fino all’importanza dell’esperienza pratica.

“Chi riesce a superare i primi anni, spesso caratterizzati da molta teoria, ne trae poi un grande beneficio, acquisisce una visione più completa della disciplina ed è in grado di applicare con maggiore consapevolezza i concetti in contesti pratici. All’inizio, la materia può risultare respingente proprio perché non immediatamente intuitiva e si sente il bisogno di vedere applicazioni concrete per appassionarsi davvero. Al Politecnico di Milano si sta investendo sempre di più nel potenziamento della didattica laboratoriale fin dai primi anni. È un passo importante, anche se c’è ancora margine per rafforzare ulteriormente la parte pratica senza trascurare quella teorica. In questo equilibrio tra teoria e pratica, un ruolo chiave è svolto anche dalle associazioni studentesche che rappresentano un’opportunità preziosa. Durante il mio percorso universitario ho partecipato a un’associazione in cui progettavamo e costruivamo razzi sonda, arrivando a lanciarli fino a un chilometro di apogeo. Esperienze di questo tipo sono veri e propri banchi di prova, in cui i concetti appresi a lezione prendono forma e diventano strumenti concreti. Il consiglio che mi sento di dare, che è anche quello che avrei voluto ricevere, è di non lasciarsi scoraggiare dalla complessità iniziale. È del tutto normale trovarsi di fronte ai grandi concetti dell’elettronica e non comprenderli subito. Si tratta di una disciplina che richiede tempo e pazienza, ma che è accessibile a chiunque sia disposto ad affrontarla con costanza. Spesso viene percepita come astrusa, e questo può portare alcuni studenti a scoraggiarsi fino ad abbandonare. In realtà, se affrontata con i giusti tempi e senza fretta, può essere compresa e apprezzata molto più di quanto si immagini”.

Perché nell’era dell’AI il valore professionale si sposta dalla generazione alla validazione, e quale ruolo spetta alle Società Scientifiche e all’Università.

Salvatore Pennisi – Università di Catania

Il licenziamento di 37 professionisti – tra ingegneri e informatici – nello stabilimento InvestCloud di Marghera non è un episodio isolato né un’anomalia locale. È un segnale coerente con una traiettoria già visibile in altri contesti industriali: dalla riduzione di team di sviluppo software in grandi multinazionali fino alla sostituzione di intere pipeline di progettazione con strumenti basati su intelligenza artificiale.

Negli ultimi due anni, sistemi di generazione automatica di codice, progettazione assistita e modellazione hanno ridotto drasticamente il tempo necessario per produrre soluzioni tecniche. Attività che richiedevano settimane di lavoro possono oggi essere prototipate in ore. Questo cambiamento ha un impatto diretto su una categoria che fino a poco tempo fa si considerava relativamente protetta: il lavoro altamente qualificato.

Il punto non è se questi strumenti aumentino la produttività – lo fanno – ma come questa produttività venga redistribuita. E qui il caso di Marghera diventa rilevante.

Efficienza locale, costo sistemico

Dal punto di vista aziendale, la sostituzione parziale di lavoro umano con strumenti di AI è una scelta razionale. Se un team di 10 ingegneri può essere ridotto a 6 mantenendo (o addirittura aumentando) l’output, il vantaggio competitivo è evidente.

Ma questa logica, applicata su larga scala, produce effetti sistemici. La riduzione del personale qualificato non è neutra: indebolisce la base di competenze locali, riduce la capacità di trasferimento tecnologico e, nel medio periodo, può compromettere la stessa capacità di innovazione.

Esempi simili sono già osservabili in altri settori:

• nella progettazione software, dove l’uso massivo di strumenti di code generation sta riducendo la domanda di profili junior;
• nella progettazione elettronica, dove tool avanzati di sintesi e verifica automatica stanno comprimendo alcune fasi tradizionali del design;
• nella consulenza tecnica, dove report complessi vengono oggi generati e raffinati con supporto AI.

Il rischio non è la scomparsa del lavoro tecnico, ma la sua polarizzazione: meno figure intermedie, più richiesta di competenze altamente specializzate e, al tempo stesso, una maggiore precarietà per chi non riesce a riconfigurarsi rapidamente.

Il nuovo valore: saper dire “no”

In questo scenario emerge un cambiamento profondo: il valore dell’ingegnere non è più soltanto nella capacità di produrre soluzioni, ma nella capacità di valutarle criticamente.

Un sistema di AI può generare un circuito, un algoritmo o un’architettura software formalmente corretti. Ma non è detto che siano:

• robusti in condizioni non ideali,
• stabili nel lungo periodo,
• sicuri rispetto a failure modes non previsti,
• ottimizzati rispetto a vincoli reali (energetici, economici, di scalabilità).

Qui si inserisce il ruolo umano: non tanto “costruire da zero”, ma riconoscere errori plausibili, identificare limiti nascosti, validare le ipotesi.

In altre parole, il nuovo valore professionale sta nella capacità di dire: questa soluzione funziona, oppure questa soluzione fallirà – e per quali ragioni.

È un cambiamento non banale, perché sposta il focus dalla produzione alla responsabilità tecnica.

Reskilling: evitare la scorciatoia retorica

Di fronte a questi cambiamenti, il termine “reskilling” viene spesso evocato come soluzione automatica. Ma senza una definizione rigorosa rischia di diventare una formula vuota.

Non ogni aggiornamento è un vero aggiornamento. Seguire un corso su un nuovo tool non equivale ad acquisire una nuova competenza. La differenza sta nella profondità: comprendere i modelli sottostanti, i limiti degli strumenti, le condizioni in cui falliscono.

Ad esempio:

• imparare a usare un generatore di codice è utile, ma comprendere come validarne l’output è decisivo;
• utilizzare strumenti di simulazione avanzata è importante, ma saper interpretare risultati anomali lo è ancora di più.

Qui le Società Scientifiche possono svolgere un ruolo concreto: contribuire a definire cosa sia un reskilling sostanziale, distinguendolo da aggiornamenti superficiali guidati da logiche di mercato.

Università: il ritorno del metodo (e della presenza)

Questo scenario ha implicazioni dirette anche per la formazione universitaria, e in particolare per le discipline tecniche.

Se l’accesso all’informazione, agli strumenti e persino alla generazione di contenuti è oggi ampiamente democratizzato, il valore dell’Università non può più essere identificato nella semplice trasmissione del sapere. Il punto centrale si sposta sul metodo: capacità di analisi, pensiero critico, gestione dell’incertezza e, soprattutto, capacità di validazione.

Ma questo passaggio ha una conseguenza spesso sottovalutata: il metodo non si trasferisce efficacemente in modo asincrono e disintermediato.

La relazione docente–discente, nella sua dimensione in presenza, non è un residuo del passato ma un elemento strutturale della formazione tecnica. È nel confronto diretto che emergono le ambiguità, che si chiariscono i fraintendimenti, che si sviluppa la capacità di porre domande corrette. L’interazione in aula consente al docente di modulare il livello di astrazione, di intercettare segnali deboli di incomprensione e di guidare lo studente in un processo che non è solo acquisizione di contenuti, ma costruzione di un modo di pensare.

Questo aspetto diventa ancora più evidente nell’esperienza di laboratorio.

Nel laboratorio non si apprendono soltanto tecniche, ma si sperimenta il divario tra modello e realtà. Un circuito che in simulazione converge può oscillare in pratica; un algoritmo formalmente corretto può fallire per condizioni non previste; una misura può essere falsata da fattori apparentemente marginali. È in questo spazio – tra previsione e comportamento reale – che si forma la competenza ingegneristica.

L’esperienza laboratoriale introduce lo studente alla gestione dell’errore, alla diagnosi, alla verifica. Sono competenze difficilmente comprimibili in contenuti digitali standardizzati, perché richiedono iterazione, supervisione e contesto fisico.

In questo quadro, le università telematiche avranno inevitabilmente un ruolo, ma è necessario chiarirne i confini.

La formazione a distanza è estremamente efficace per:

• la trasmissione di conoscenze strutturate;
• l’aggiornamento professionale continuo;
• l’accesso flessibile a contenuti per studenti lavoratori o non tradizionali.

Tuttavia, quando si tratta di formazione ingegneristica completa, emergono limiti difficilmente aggirabili:

• la ridotta interazione sincrona limita lo sviluppo del pensiero critico;
• l’assenza (o la simulazione) dell’esperienza laboratoriale riduce l’esposizione alla complessità reale;
• la standardizzazione dei percorsi può favorire un apprendimento più superficiale e meno riflessivo.

Il rischio non è la presenza delle università telematiche in sé, ma una loro sovraestensione a contesti in cui la formazione richiede interazione, sperimentazione e supervisione diretta.

In prospettiva, è plausibile una differenziazione più netta dei ruoli:

• da un lato, istituzioni orientate alla formazione metodologica e sperimentale, con forte componente in presenza;
• dall’altro, piattaforme e università telematiche focalizzate sulla diffusione e aggiornamento delle conoscenze.

Per le discipline ingegneristiche, il punto critico sarà mantenere l’equilibrio tra accessibilità e profondità. Un sistema che privilegia esclusivamente la scalabilità rischia di produrre competenze formalmente adeguate ma sostanzialmente fragili.

In un contesto in cui l’intelligenza artificiale rende sempre più facile ottenere risposte, il valore della formazione universitaria risiede sempre meno nella capacità di fornirle e sempre più nella capacità di metterle in discussione.

Il ruolo delle Società Scientifiche: dalla rappresentanza alla responsabilità attiva

Il ruolo delle Società Scientifiche è spesso interpretato in modo tradizionale: promozione della ricerca, organizzazione di conferenze, supporto alla comunità accademica. Tutte funzioni essenziali, ma oggi non più sufficienti.

Il contesto è cambiato. Le trasformazioni indotte dall’intelligenza artificiale, la ridefinizione del lavoro tecnico e la crescente distanza tra percezione pubblica e realtà scientifica richiedono un’evoluzione del loro ruolo.

In questa direzione, va ricordato che negli anni passati chi scrive si è impegnato attivamente affinché la Società Italiana di Elettronica avviasse una campagna di comunicazione strutturata verso stakeholder, famiglie e studenti – sia potenziali che già iscritti. L’obiettivo era semplice ma non scontato: rendere visibile il valore dell’ingegneria elettronica e chiarire, al di fuori dei contesti accademici, cosa significhi oggi formarsi in questo ambito.

A distanza di qualche anno, i risultati possono essere considerati positivi: maggiore consapevolezza nei percorsi di scelta, migliore allineamento tra aspettative e realtà formativa, e un rafforzamento dell’identità disciplinare.

Questo dimostra un punto fondamentale: le Società Scientifiche, quando agiscono in modo coordinato e con obiettivi chiari, possono incidere concretamente sull’ecosistema formativo e professionale.

Oggi, tuttavia, è necessario un ulteriore passo. Oltre la comunicazione: una funzione sistemica.

Se la fase precedente è stata quella della comunicazione e della visibilità, la fase attuale richiede una funzione più strutturata e continua.

In particolare, le Società Scientifiche possono assumere un ruolo su tre livelli:

1. Interlocuzione tecnica con i decisori

Le decisioni su lavoro, formazione e innovazione tecnologica sono sempre più influenzate da strumenti complessi, ma non sempre supportate da competenze adeguate.

Le Società Scientifiche possono colmare questo divario offrendo:

• analisi tecniche indipendenti;
• contributi alla definizione di politiche industriali e formative;
• valutazioni sull’impatto reale delle tecnologie emergenti.

Non si tratta di entrare nel merito politico delle decisioni, ma di migliorarne la qualità tecnica.

2. Definizione delle competenze nel tempo dell’AI

Uno dei problemi più evidenti è la difficoltà nel definire cosa sia oggi una competenza “solida”.

Nel contesto dell’intelligenza artificiale, dove strumenti potenti sono accessibili a tutti, il rischio è confondere:

• uso dello strumento con comprensione del metodo;
• produttività apparente con competenza reale.

Le Società Scientifiche possono contribuire a:

• definire standard di competenza aggiornati;
• distinguere tra formazione superficiale e formazione strutturata;
• supportare processi di certificazione basati su contenuti scientifici.

3. Ponte tra università e industria

Il disallineamento tra formazione e mercato del lavoro non è nuovo, ma oggi assume forme più rapide e difficili da intercettare.

Le Società Scientifiche possono svolgere una funzione di raccordo:

• raccogliendo segnali deboli dal mondo industriale;
• trasferendoli al sistema universitario in forma strutturata;
• promuovendo iniziative comuni su formazione avanzata e reskilling.

Una responsabilità nuova. Il passaggio chiave è culturale.

Le Società Scientifiche non sono – e non devono diventare – soggetti politici o sindacali. Ma non possono neppure limitarsi a un ruolo osservativo.

In un contesto in cui le decisioni tecnologiche hanno impatti sempre più diretti su lavoro, formazione e coesione sociale, l’assenza di una voce tecnica autorevole diventa essa stessa un problema.

Per questo, la fase che si apre oggi richiede una responsabilità diversa: non solo rappresentare una comunità scientifica, ma contribuire attivamente alla costruzione del contesto in cui quella comunità opera.

Se la campagna di comunicazione ha dimostrato che è possibile incidere sul modo in cui l’ingegneria viene percepita, la sfida attuale è più ambiziosa: contribuire a definire il modo in cui verrà praticata.

Conclusione

Il caso di Marghera non anticipa la fine del lavoro tecnico, ma ne evidenzia una trasformazione già in atto. L’intelligenza artificiale non elimina la necessità di competenze: ne cambia la natura.

La domanda, per la comunità scientifica, non è se opporsi o adattarsi, ma come contribuire a definire le regole del cambiamento.

In un sistema sempre più guidato da algoritmi, la differenza non la farà chi produce più velocemente, ma chi comprende meglio. E questa resta, ancora, una responsabilità profondamente umana.

Il lavoro dell’ingegnere elettronico non si limita alla progettazione di circuiti o dispositivi, può estendersi alla ricerca scientifica, allo sviluppo di nuove soluzioni tecnologiche e alla collaborazione tra università e impresa. Ce lo ha raccontato Enrico Boni, ingegnere elettronico e docente presso l’Università di Firenze, in questa intervista per la Società Italiana di Elettronica. Il prof. Boni affianca all’attività accademica quella imprenditoriale dimostrando come l’ingegneria elettronica possa contribuire allo sviluppo di nuove tecnologie in diversi ambiti.

“Fin da ragazzo mi è sempre piaciuto smontare le cose, non solo elettroniche ma anche meccaniche. La curiosità di capire come funzionano gli oggetti è stata il punto di partenza. Ho iniziato a documentarmi e ho capito che l’elettronica è un mondo estremamente interessante, perché permette di controllare molti degli aspetti della nostra vita moderna attraverso dispositivi tecnologici che negli ultimi anni hanno avuto uno sviluppo praticamente senza limite. Questo è ciò che rende l’elettronica così affascinante: i dispositivi riescono a fare cose sempre più complesse e svolgere funzioni che fino a pochi anni fa sarebbero state impensabili. Spesso si pensa che tutto questo sia merito dell’informatica e della programmazione. In parte è vero: l’ingegneria informatica si occupa infatti della programmazione dei sistemi. Tuttavia, alla base di tutto c’è il sistema elettronico che rende possibile questa elaborazione. Con un certo rammarico bisogna riconoscere che questa componente fondamentale rimane spesso nascosta, perché le persone vedono soltanto il livello informatico. È quindi importante far passare un messaggio chiaro, soprattutto ai ragazzi che stanno scegliendo il proprio percorso universitario: l’elettronica non è qualcosa di irraggiungibile o incomprensibile. In realtà i sistemi elettronici, anche i più complessi, sono costruiti a partire da unità molto semplici, come il transistor o la porta logica. Proprio perché l’essere umano non costruisce direttamente sistemi complessi: costruisce invece sistemi complessi mettendo insieme tanti elementi semplici. Studiare come funzionano questi elementi e come combinarli è proprio il lavoro dell’ingegnere elettronico. L’ingegneria elettronica paga però uno scotto importante: spesso non si vede. Banalmente, tutti utilizziamo uno smartphone per telefonare oppure usiamo programmi di scrittura per studiare o lavorare. Invece il transistor, che è il componente fondamentale di tutti questi sistemi, viene utilizzato e studiato principalmente da chi lavora nell’elettronica. Per questo motivo l’elettronica non ha lo stesso rilievo, sia dal punto di vista della percezione quotidiana sia talvolta anche nell’insegnamento scolastico. Potrebbe invece avere molto senso introdurre alcuni concetti di elettronica già alle scuole superiori, magari collegandoli alla fisica. Oggi l’approccio all’elettronica nella scuola è spesso diverso, se non addirittura assente”.

Il prof. Boni ha fondato tre spin-off in diversi settori dell’ingegneria elettronica, un’esperienza che gli permette di conoscere da vicino anche la dimensione industriale di questo campo.

“Ho fondato il primo spin-off nel 2012 e riguarda la progettazione di sistemi a ultrasuoni più orientati al settore industriale che a quello biomedico. Gli ultrasuoni, infatti, non vengono utilizzati solo in medicina, possono servire anche per analizzare la struttura interna dei metalli e di altri materiali, permettendo di effettuare controlli non distruttivi e verifiche di qualità nei processi industriali. Gli altri due spin-off, invece, sono più legati al settore dei droni e della robotica. Uno sviluppa droni marini a guida autonoma, utilizzati per il monitoraggio ambientale e per attività di sicurezza e sorveglianza lungo le coste. L’altro si occupa di robotica autonoma, progettando sistemi capaci di muoversi e operare in modo indipendente. La mia attività imprenditoriale è un esempio di come l’ingegnere elettronico, soprattutto nel campo dell’elettronica digitale, possa lavorare in ambiti molto diversi tra loro. Dall’ecografo al drone, fino al robot autonomo, tutti questi sistemi condividono una componente fondamentale, l’elettronica e i sistemi digitali che li controllano. È proprio questa base comune che permette di trasferire competenze e tecnologie da un’applicazione all’altra”.

L’elettronica digitale nei sistemi ecografici

Il prof. Boni porta avanti progetti di ricerca su sistemi ecografici con caratteristiche innovative, collaborando con istituti di ricerca internazionali che utilizzano le tecnologie elettroniche per sperimentazioni in ambito biomedico e per lo sviluppo di nuove modalità di imaging ultrasonografico.

“L’obiettivo è contribuire alla realizzazione di macchine ecografiche di nuova generazione, capaci di produrre immagini sempre più precise e di visualizzare dettagli morfologici con maggiore qualità. Uno dei grandi vantaggi dell’ecografia è che non utilizza radiazioni ionizzanti, e quindi non comporta rischi per i pazienti. Tuttavia, sviluppare questi sistemi richiede un intenso lavoro di studio e progettazione elettronica: i circuiti devono garantire prestazioni molto elevate per gestire ed elaborare segnali digitali complessi in modo rapido e accurato”.

L’ingegnere elettronico che lavora su sistemi ecografici deve conoscere molto bene la fisica della propagazione degli ultrasuoni. A questa competenza si affianca una solida preparazione nella progettazione di elettronica digitale.

“Un sistema a ultrasuoni funziona emettendo onde ultrasonore tramite un trasduttore e ricevendo l’eco di ritorno dai tessuti. Questo eco viene captato dalla sonda sotto forma di segnale elettrico analogico, poi convertito in digitale ed elaborato attraverso una catena di digital signal processing. All’interno di questi sistemi lavorano diverse figure di ingegneri elettronici con competenze complementari. C’è, ad esempio, chi si occupa della progettazione hardware, realizzando i circuiti stampati su cui vengono montati tutti i componenti elettronici. Questo richiede la capacità di progettare lo schema elettrico, realizzare il layout della scheda (lo sbroglio) e ottimizzare le prestazioni del circuito: competenze che si apprendono durante il corso di laurea e spesso si approfondiscono con la tesi. Accanto ai progettisti hardware ci sono poi gli ingegneri che programmano i dispositivi digitali presenti sulle schede. Molti di questi sistemi utilizzano dispositivi programmabili chiamati FPGA, che vengono configurati a un livello molto vicino all’hardware. Questo tipo di programmazione richiede conoscenze specifiche, tipicamente insegnate nei corsi di elettronica. Esistono inoltre altri dispositivi, sempre di competenza dell’ingegnere elettronico, come i processori digitali e i microcontrollori, che vengono programmati con linguaggi più simili a quelli utilizzati nei computer tradizionali. Tuttavia, rispetto alla programmazione ad alto livello tipica dell’informatica, gli ingegneri elettronici sono spesso orientati verso modalità di programmazione più vicine all’hardware necessarie per ottenere sistemi efficienti e ad alte prestazioni”.

Secondo il prof. Boni, l’ecografia si sta progressivamente orientando verso l’imaging tridimensionale. Ma ottenere immagini in 3D di alta qualità richiede sistemi ecografici estremamente complessi, che tenderebbero ad avere costi molto elevati e quindi difficilmente sostenibili dal punto di vista commerciale.

“Per questo motivo, una delle principali direzioni della ricerca è trovare soluzioni che permettano di ottenere immagini 3D di qualità sfruttando i continui progressi delle tecnologie elettroniche. La potenza di elaborazione dei sistemi elettronici, infatti, cresce rapidamente e consente di sviluppare architetture sempre più efficienti, capaci di gestire grandi quantità di dati e algoritmi avanzati di elaborazione del segnale. L’obiettivo è quindi rendere l’ecografia tridimensionale sempre più accessibile, migliorando la qualità delle immagini senza aumentare in modo significativo il costo delle apparecchiature”.

Dal suo osservatorio tra università e industria, il professor Boni sottolinea quanto sia critico il calo delle iscrizioni al corso di laurea in ingegneria elettronica per il futuro del settore.

“Questo fenomeno si riflette direttamente sul mercato del lavoro, dove oggi è sempre più difficile trovare ingegneri elettronici qualificati. La presenza femminile, poi, rimane ancora limitata. Per questo motivo è importante far conoscere meglio ai giovani, e alle giovani, le opportunità offerte dall’ingegneria elettronica. Questo è un settore che, pur rimanendo spesso invisibile, è alla base di molte delle tecnologie che utilizziamo ogni giorno e continua a offrire ampi spazi di ricerca, innovazione e sviluppo in ambiti che vanno dal biomedicale alla robotica, fino ai sistemi autonomi”.

“Fin da piccola ho avuto una forte propensione alla risoluzione dei problemi. Per questo ho pensato molto presto che avrei voluto studiare ingegneria. Quando ho iniziato ingegneria elettronica ho avuto subito la conferma di aver fatto la scelta giusta: ho scoperto che l’ingegnere elettronico non si occupa solo di progettare circuiti, ma anche di sviluppare il software che li gestisce. Durante le attività di orientamento nelle scuole mi sono resa conto che ancora oggi esiste spesso una visione un po’ limitata: si pensa che chi scrive codice sia solo l’informatico, mentre l’elettronico progetta esclusivamente l’hardware. In realtà non è così. L’ingegneria elettronica è una disciplina a 360 gradi: oltre alla progettazione dei circuiti, comprende anche lo sviluppo del codice che controlla semiconduttori, sensori e trasduttori collegati alla scheda elettronica”.

Stefania Cecchi, ingegnere elettronico e professoressa associata presso l’Università Politecnica delle Marche, apre la sua intervista per la Società Italiana di Elettronica raccontando come la passione per la risoluzione dei problemi l’abbia portata a intraprendere la carriera nell’ingegneria elettronica. Oggi si occupa di ricerca nel campo dell’audio immersivo, dimostrando come questa disciplina sappia unire tecnologia, algoritmi e comprensione della percezione umana del suono.

“Quando pensiamo all’audio, spesso immaginiamo solo l’altoparlante, che in effetti è un circuito elettromagnetico. In realtà dietro al funzionamento dell’audio ci sono anche molti algoritmi sviluppati da ingegneri elettronici. Pensiamo, per esempio, alle tecnologie che utilizziamo ogni giorno: dal vivavoce del cellulare, che si basa su algoritmi di elaborazione del segnale sviluppati da ingegneri elettronici specializzati in telecomunicazioni, fino alle applicazioni di intrattenimento, come ascoltare musica dal proprio smartphone. Gli esseri umani percepiscono il suono nelle tre dimensioni dello spazio. Molti dei sistemi audio attualmente in commercio, però, riproducono il suono principalmente nel piano frontale, cioè davanti a noi, e fanno più fatica a ricreare sorgenti sonore che provengono dall’alto o da dietro. Le nostre orecchie ci permettono di capire da dove arriva un suono nel piano orizzontale ed è la forma del padiglione auricolare ad aiutarci a individuare la posizione verticale della sorgente sonora. È qualcosa che riusciamo a fare anche a occhi chiusi: il cervello interpreta i segnali che arrivano alle orecchie e li elabora per ricostruire la posizione del suono nello spazio. In un certo senso, questi segnali vengono “campionati” e interpretati dal cervello quasi come farebbe una scheda elettronica che acquisisce ed elabora dati. Quando studiavo questo tema si trattava ancora di un campo piuttosto pionieristico. L’audio, infatti, ha sempre avuto una sfida in più rispetto all’immagine: non si vede. Per questo motivo lo sviluppo delle tecnologie visive è arrivato prima, basti pensare ai primi televisori 3D, mentre l’audio immersivo è stato studiato più lentamente. Con il tempo, però, si è capito che anche l’audio ha un ruolo fondamentale per creare esperienze davvero immersive”.

La professoressa Cecchi ha spiegato anche come il COVID-19 abbia contribuito allo sviluppo degli studi sull’audio immersivo.

“In quel periodo è emersa chiaramente l’esigenza di rendere le riunioni da remoto il più possibile simili a un incontro reale. Pensiamo, per esempio, alle riunioni online con molte persone: spesso dobbiamo guardare lo schermo per capire chi sta parlando tra le varie finestre. Con l’audio immersivo, invece, è possibile percepire la voce provenire direttamente dalla posizione della persona che parla, proprio come accadrebbe in una stanza reale. Questo è possibile perché il flusso sonoro può essere direzionato in diversi punti dello spazio tridimensionale. In questo modo gli utenti hanno la sensazione di trovarsi nello stesso ambiente, anche se sono collegati da remoto.
Negli ultimi anni questo settore ha attirato grande interesse anche a livello europeo. L’Unione Europea ha infatti finanziato importanti progetti di ricerca, dedicati allo sviluppo di nuove tecnologie per l’audio immersivo. Le applicazioni di queste tecnologie non riguardano solo la qualità della comunicazione tra le persone. Migliorare le interazioni da remoto può avere anche un impatto sociale, economico e ambientale: ridurre gli spostamenti significa risparmiare tempo e risorse. Allo stesso tempo, però, resta la sfida di mantenere il più possibile la naturalezza delle interazioni umane, cercando di rendere le comunicazioni a distanza sempre più simili a quelle in presenza. L’audio immersivo trova applicazioni anche in altri ambiti. Alcuni esempi sono i videogiochi oppure l’utilizzo della realtà virtuale per addestrare le persone in condizioni di pericolo. In questi contesti è fondamentale che il suono sia coerente con ciò che si vede. Se una persona appare davanti a noi ma il suono arriva da un’altra direzione, si crea una dissonanza cognitiva che rende l’esperienza meno realistica”.

Oggi la professoressa Cecchi si occupa di studiare l’impatto dell’audio immersivo sia sulla gestione delle emozioni sia sulla sicurezza, esplorando come il suono possa influenzare il comportamento e la percezione in situazioni reali.

“Il suono ha un ruolo molto importante anche nella gestione delle emozioni. Per esempio, stiamo lavorando su sistemi di monitoraggio del guidatore all’interno del veicolo, con l’obiettivo di capire lo stato emotivo della persona alla guida e valutare come poterlo influenzare attraverso la musica. Un guidatore agitato, per esempio, può essere calmato con una musica più rilassante, come quella classica, mentre un guidatore che sta perdendo attenzione o che si sente assonnato può essere stimolato da una musica più energica, come il rock. Un altro ambito di ricerca riguarda l’uso dell’audio immersivo per i segnali di allarme all’interno del veicolo. L’idea è quella di utilizzare suoni direzionali che aiutino il guidatore a percepire immediatamente da dove proviene il problema. Per esempio, se durante la guida si verifica un problema alla ruota destra, il segnale sonoro può essere percepito provenire proprio da quella direzione, permettendo al conducente di capire subito dove si trova l’anomalia. Questo tipo di ricerca è sviluppato anche nell’ambito di un progetto finanziato dal Ministero, che ha l’obiettivo di supportare il guidatore sia in situazioni di emergenza sia nella gestione generale della sicurezza stradale attraverso l’utilizzo intelligente dell’audio”.

 

Circuiti elettronici all’interno dell’alveare

 “Mio padre fa l’apicoltore e, fin da piccola, ho avuto l’idea di mettere l’elettronica nell’arnia. Dopo tanti anni sono riuscita a inserire un circuito e, soprattutto, dei microfoni in un alveare. Ho sempre avuto la sensazione che le api comunicassero attraverso il suono, anche se molti sostenevano che lo facessero solo tramite i feromoni. In realtà, quando l’apicoltore toglie la parte superiore dell’arnia e si avvicina alle api, loro percepiscono il pericolo e producono un rumore diverso. Ho quindi sempre pensato che ci fosse una correlazione tra il suono che emettono e ciò che succede intorno a loro. Quando ho iniziato, però, era troppo presto: c’erano pochi studi scientifici e pochi progetti finanziati su questo argomento. Oggi la situazione è per fortuna cambiata, si è capita l’importanza di questo studio ed esistono diversi progetti europei dedicati. Io, comunque, ho avuto la mia piccola rivincita: alla fine il mio progetto è stato finanziato dal mio ateneo e ha portato a numerose pubblicazioni scientifiche”.

La professoressa Cecchi ha raccontato di come grazie anche alla collaborazione con i colleghi entomologi della facoltà di agraria, è riuscita a installare nel campus alcune arnie con microfoni e sensori di temperatura, CO₂ e umidità, tutti collegati a un circuito elettronico.

“Abbiamo poi creato un sistema che trasferisce i dati in tempo reale e applicato algoritmi di intelligenza artificiale. C’è stata una lunga fase di osservazione e analisi: controllavamo settimanalmente lo stato di salute delle arnie, registravamo cosa facevano le api e tenevamo una sorta di diario per associare i comportamenti ai suoni. Col tempo abbiamo notato che in alcune condizioni il suono cambiava. L’anno successivo abbiamo utilizzato l’AI per interpretare i dati e verificare se gli stati rilevati si ripetevano. Abbiamo scoperto, ad esempio, che quando muore l’ape regina, il suono cambia: cambiano le frequenze prodotte all’interno dell’alveare, segnalando uno stato di emergenza. L’ape regina è l’unica in grado di riprodursi, e se muore, le api rischiano di morire tutte, perché vivono solo 30-40 giorni e senza ricambio la colonia collassa. Un altro stato di emergenza si verifica quando l’apicoltore spruzza il fumo per spaventare le api. Le api, percependo un possibile incendio, corrono nell’alveare per proteggersi e raccogliere ciò che serve. Il suono che producono in queste situazioni ha le stesse frequenze di un pericolo naturale, come quando un calabrone tenta di attaccarle: è un vero e proprio segnale di allarme che le api trasmettono tra loro”.

Attualmente, il gruppo della professoressa Cecchi in collaborazione con l’Università di Firenze, Padova e Siena sta studiando la carica elettrica dell’alveare. Ogni ape possiede una carica elettrica sul corpo che la aiuta ad attirare il polline, e sommando la carica di tutte le api si ottiene la carica totale dell’alveare. Alcuni studi suggeriscono che questa carica complessiva possa variare in relazione alle condizioni atmosferiche, come temperatura, umidità o pressione. Per approfondire questo collegamento, il gruppo sta progettando un circuito in grado di misurare con precisione questa piccolissima carica elettrica, così da capire se e come lo stato dell’alveare sia influenzato dal meteo. Per l’apicoltore, avere queste informazioni in tempo reale significa poter intervenire tempestivamente per salvaguardare la colonia.

“Attraverso questo aneddoto sulle api voglio dimostrare ai giovani che l’elettronica è ovunque, permea ogni aspetto della nostra vita e che un mondo senza elettronica non potrebbe esistere. Purtroppo, ancora oggi manca una piena consapevolezza del suo ruolo, un problema sia culturale sia politico. Voglio anche rassicurarli sul fatto che non bisogna avere timore di affrontare questa disciplina perché offre moltissime opportunità e oggi gli ingegneri elettronici sono molto richiesti, e lo saranno sempre di più. Il futuro dell’ingegnere elettronico sarà sempre più legato alla scrittura di codice ottimizzato, capace di far funzionare sistemi complessi, come l’intelligenza artificiale, direttamente su dispositivi embedded, permettendo di portare applicazioni oggi molto onerose direttamente sulle schede elettroniche”.