DAIMON: piattaforma intelligente per il monitoraggio, la diagnosi e la previsione del comportamento delle reti

Una serie di interviste dedicate all’innovazione tecnologica e al pensiero progettuale: esploriamo le storie dietro invenzioni e soluzioni che rispondono a sfide reali. Un’occasione per approfondire processi creativi, approcci metodologici e impatti concreti sul mercato e sulla società.

L'articolo è di Francesca Montuschi, del Settore della comunicazione e informazione del dipartimento

L’affermazione delle reti 5G Stand-Alone, di Internet of Things e la crescita delle comunicazioni Machine-to-Machine stanno introducendo livelli di complessità senza precedenti nella gestione delle infrastrutture di rete. Alla luce di questa evoluzione, l’analisi dei dati assume un ruolo sempre più centrale per la comprensione dei fenomeni che governano il comportamento dei sistemi, la rilevazione di condizioni anomale, la previsione di scenari evolutivi e l’ottimizzazione dell’impiego delle risorse. La comunità scientifica è pertanto impegnata nello sviluppo di modelli e metodologie capaci di integrare osservabilità, analisi predittiva e intelligenza artificiale, con l’obiettivo di accrescere affidabilità, efficienza operativa e capacità di adattamento. È in questo contesto che si inserisce D.A.I.MON (Dynamic Artificial Intelligence Monitoring), progetto sviluppato nell’ambito degli accordi per l’Innovazione promossi dal Ministero delle Imprese e del Made in Italy. Nato dalla collaborazione tra università e imprese del settore delle telecomunicazioni (RESI S.p.A, IPS S.p.A., Kalliope S.r.l.), DAIMON è finalizzato allo sviluppo di una piattaforma intelligente per il monitoraggio, la diagnosi e la previsione del comportamento delle reti di nuova generazione, integrando metodologie avanzate di Machine Learning e Intelligenza Artificiale nei processi di gestione delle reti 5G e delle infrastrutture digitali emergenti. Al progetto hanno contribuito il prof. Marco Prandini e il prof. Franco Callegati del Dipartimento di Informatica – Scienza e Ingegneria dell’Università di Bologna, impegnati nello studio delle architetture di rete, dei requisiti di sicurezza e delle tecniche di analisi applicate a sistemi distribuiti ad alta complessità operativa e caratterizzati da una marcata eterogeneità dei dati. Tre sono gli assi principali su cui si sviluppa DAIMON: la diagnostica, per l’identificazione tempestiva di anomalie; la predizione, orientata ad anticipare condizioni di degrado o criticità attraverso l’analisi dei pattern di traffico; e la Quality of Experience (QoE), volta a comprendere come le prestazioni della rete siano effettivamente percepite dagli utenti e dalle applicazioni che ne utilizzano i servizi.

Con dispositivi connessi e flussi continui di dati che generano una quantità di informazioni difficili da interpretare, il monitoraggio sembra spostarsi dalla semplice osservazione degli indicatori alla capacità di comprendere le relazioni tra i dati e anticipare il comportamento del sistema. Quanto è importante oggi trasformare il dato grezzo in conoscenza operativa e quale ruolo può svolgere l'intelligenza artificiale in questo processo?

«Il tema centrale è proprio la capacità di attribuire significato ai dati. Le tecniche di IA consentono di individuare correlazioni, classificare eventi e riconoscere schemi di comportamento che difficilmente emergerebbero attraverso un'analisi tradizionale. In questo senso l'AI diventa uno strumento particolarmente efficace per le attività di diagnosi, previsione e pianificazione. L'ingegnere continua a svolgere un ruolo fondamentale perché deve comprendere il problema, selezionare le tecniche più appropriate e valutare criticamente i risultati prodotti dai modelli. La disponibilità di strumenti avanzati permette oggi di operare su una scala di complessità che fino a pochi anni fa sarebbe stata molto difficile da gestire».

Nelle architetture 5G, caratterizzate da elevata variabilità del traffico, forte eterogeneità dei servizi e dinamiche operative che cambiano continuamente nel tempo e nello spazio, il monitoraggio basato su soglie fisse sembra mostrare limiti sempre più evidenti.

«È uno dei problemi concreti dai quali siamo partiti. Per fare un esempio semplice, si può stabilire che oltre un determinato numero di chiamate perse debba essere generato un allarme. Tuttavia, il traffico varia continuamente nell'arco della giornata. Lo stesso valore può rappresentare una criticità significativa in una determinata situazione e risultare statisticamente irrilevante in un'altra. Le tecniche di intelligenza artificiale consentono di contestualizzare il dato, osservare simultaneamente molteplici indicatori e comprendere se un determinato comportamento rappresenti realmente un'anomalia rispetto alle condizioni operative della rete».

L'aspetto innovativo sembra quindi essere la capacità di mettere in relazione eventi esterni e comportamento della rete.

«La rete opera sempre all'interno di un contesto. Un grande evento sportivo, un concerto, o semplicemente le abitudini quotidiane degli utenti producono effetti misurabili sul traffico. Uno degli obiettivi del progetto consiste proprio nel correlare dati tecnici ed eventi esterni. Questa capacità rende possibili previsioni più accurate, una pianificazione più efficace delle risorse e un aumento della resilienza complessiva dell'infrastruttura».

I parametri tradizionali di rete, come latenza, throughput, disponibilità del servizio, restano fondamentali perché descrivono lo stato dell'infrastruttura e ne misurano le prestazioni operative. Tuttavia, la qualità percepita dell’utente segue dinamiche più complesse.

«Esatto. Una chiamata può essere instaurata correttamente, un flusso video può essere trasmesso senza interruzioni evidenti e gli indicatori numerici dei parametri di rete possono rientrare nei valori medi attesi. Nonostante questo, l'utente può percepire degradazioni nella qualità del servizio dovute a fenomeni come jitter, variazioni nei tempi di consegna dei pacchetti, microinterruzioni o distorsioni. Diventa quindi necessario sviluppare modelli capaci di correlare i dati raccolti dalla rete con il comportamento delle applicazioni e con gli effetti percepiti dagli utenti».

Si parla sempre più spesso di reti autonome, capaci di osservare il proprio stato, prevedere problemi e correggersi automaticamente. Quanto siamo vicini a questo scenario?

«Siamo in una fase intermedia. Disponiamo già di sistemi capaci di individuare anomalie, suggerire interventi e supportare il processo decisionale. Le aziende continuano però a esercitare grande cautela nella delega di funzioni operative a sistemi completamente autonomi. L'obiettivo attuale consiste nel fornire agli operatori strumenti sempre più sofisticati per comprendere situazioni complesse e prendere decisioni informate. La responsabilità ultima delle scelte operative resta nelle mani delle persone».

Chi protegge l'intelligenza artificiale che protegge la rete?

«È una domanda fondamentale. I modelli di IA diventano a loro volta componenti critici dell'infrastruttura e richiedono adeguate misure di protezione. Per questa ragione le soluzioni sviluppate nel progetto sono state addestrate ed eseguite internamente, senza dipendere da piattaforme pubbliche o da modelli esterni. Quando l'intelligenza artificiale entra nei processi operativi, aspetti come sicurezza, riservatezza e controllabilità assumono un'importanza centrale».

I sistemi di intelligenza artificiale operano attraverso modelli statistici e probabilistici. Possono raggiungere livelli di efficacia molto elevati, pur restando soggetti a margini di errore. Quale ruolo imprescindibile continua a svolgere l'essere umano?

«L'essere umano introduce due elementi essenziali: il giudizio e il tempo. Il giudizio consente di interpretare situazioni ambigue e valutare il contesto nel quale una decisione viene presa. Il tempo permette di verificare e riflettere prima di intraprendere azioni che potrebbero avere conseguenze significative».

Nel Regno Unito è stata avanzata l'ipotesi di introdurre una sorta di kill switch per i sistemi di AI, un meccanismo straordinario che consentirebbe di interromperne il funzionamento in presenza di rischi particolarmente elevati. La proposta richiama una questione più ampia: come mantenere il controllo di infrastrutture sempre più autonome e capaci di assumere decisioni a velocità superiori a quelle umane, con impatti potenzialmente devastanti?

«Trovo interessante che si stia iniziando a discutere concretamente di questi aspetti. Quando affidiamo a sistemi intelligenti una parte crescente delle attività operative, diventa inevitabile chiedersi che cosa accade quando qualcosa va storto e chi abbia la possibilità di intervenire. Nelle infrastrutture critiche la velocità rappresenta un vantaggio enorme. Un sistema automatizzato può identificare una condizione anomala e reagire in tempi irraggiungibili per un operatore umano. La stessa rapidità, però, può amplificare gli effetti di una decisione errata. Per questo considero essenziale mantenere una presenza umana all'interno della catena decisionale. Quando si parla di infrastrutture strategiche, la questione centrale riguarda la responsabilità: occorre sapere chi controlla il sistema, chi può intervenire e chi risponde delle decisioni assunte. L'idea di un meccanismo di arresto richiama proprio questo principio. Un sistema di emergenza risulta efficace se resta realmente sotto controllo umano e può essere attivato quando necessario. La vera posta in gioco riguarda la difesa della capacità di mantenere il controllo».

Riproduzione riservata © copyright 

Hai qualcosa da raccontarci? Desideri essere intervistato?

La redazione web del dipartimento è sempre alla ricerca di nuovi contenuti.

Scrivi una mail a disi-redazioneweb@unibo.it