Portare l’Intelligenza Artificiale Generativa (Gen AI) nel mondo aziendale con l’intento di supportare i lavoratori nei processi produttivi: è questa l’ambizione di Breton, gruppo con sede a Treviso che si distingue per la progettazione e realizzazione di macchinari e sistemi industriali all’avanguardia.
Il gruppo ha dato vita al progetto Magick, beneficiando di un contributo finanziario pari a 200.000 euro nell’ambito del Bando IRISS, promosso dal Competence Center Smact.
Il progetto per portare l’AI generativa nell’industria
Il progetto, nato dalla collaborazione con l’Università di Padova e Statwolf – azienda che opera nel monitoraggio del ciclo di vita delle soluzioni di Machine Learning – si articola in due soluzioni distinte ma sinergiche: BretonExplorer e BretonDesigner.
La prima è un chatbot avanzato che facilita la diffusione e l’utilizzo della conoscenza all’interno dell’azienda, a tutti i livelli.
BretonDesigner, invece, offre assistenza ai progettisti attraverso uno strumento in cui l’AI genera immagini fotorealistiche partendo da una bozza preliminare.
“Fondamentale nella nostra visione è la creazione di strumenti che non solo facilitino, ma abilitino veramente i nostri operatori, designer e manager, elevando la loro consapevolezza e liberandoli dal peso di attività ripetitive e di scarso valore aggiunto”, spiega Federico Milan, Digital Innovation Manager di Breton e referente del progetto.
“Con BretonExplorer e BretonDesigner, posizioniamo l’uomo al centro dell’industria, permettendo così che l’ingegno umano emerga e generi nuovo valore. Questo rappresenta il cuore della nostra filosofia: trasformare ogni sfida in un’opportunità di eccellenza, attraverso l’uso di agenti intelligenti”, aggiunge.
Il progetto si avvarrà della Gen AI per generare contenuti originali sia in formato testuale che visuale, grazie all’apprendimento da dataset di grandi dimensioni.
Ogni necessità dell’operatore troverà una risposta in una soluzione testuale o visiva. La tecnologia innovativa alla base delle due soluzioni utilizza modelli generativi diversificati: BretonExplorer per le sintesi testuali impiega i Large Language Models e i Generative Adversarial Networks (GANs), mentre BretonDesigner per la sintesi di immagini realistiche fa uso dei Diffusion Models.
L’elemento distintivo nell’implementazione di queste soluzioni è l’automazione: l’applicazione di tecniche di apprendimento automatico consente ai modelli di selezionare le informazioni più rilevanti dai dati e poi ricombinarle per creare nuovi contenuti con caratteristiche analoghe.
