Periodico delle Tecnologie dell'Informazione e della
Comunicazione per l'Istruzione e la Formazione
A+ A A-

Robotica educativa

L’EVOLUZIONE DELLE IA: DAI PRIMI ROBOTS ALLA MECCANICA QUANTISTICA di Katia Canonico

ABSTRACT:

Quali effetti avrà l’evoluzione dell’automazione in futuro? Si creeranno nuovi posti di lavoro o verremo soppiantati dai robots? Quale impatto ha avuto l’interpretazione di Copenaghen dopo la conferenza di Solvay del 1927? Un oggetto macroscopico può effettivamente ritrovarsi in uno stato di correlazione quantistica? Dal principio di indeterminazione di Heisenberg secondo cui non è possibile determinare contemporaneamente la posizione e la velocità delle particelle subatomiche, ai fenomeni quali l’entanglement quantistico che porta a conseguenze logiche misteriose come il paradosso del gatto di Schrödinger, alla base della crittografia quantistica e del Quantum Computing.

 

L’EVOLUZIONE DELLE IA: DAI PRIMI ROBOTS ALLA MECCANICA QUANTISTICA

di Katia Canonico

 

Nel 2017 ebbi l’occasione di partecipare alla Robocup JR rescue line. Allora il nostro team dell’Istituto Tecnico Industriale Statale “Enrico Fermi” di Castrovillari, utilizzò una scheda Arduino Mega 2560, che fa uso di un ATmega2560 ed è un’evoluzione dell’Arduino Mega, collegata alla scheda Arduino UNO + EV SHIELD tramite comunicazione I2C in cui ricopriva il ruolo di “Master”, mentre l’Arduino Uno + EV SHIELD quella di “Slave”. A tal proposito furono redatti due programmi software: uno per il Master e uno per lo Slave.

La comunicazione I2C è uno dei metodi che permettono di comunicare con altri dispositivi utilizzando come canale di trasmissione dati i protocolli seriali e ce ne servimmo in quanto l’uso della EV SHIELD sulla scheda Adafruit causava contrasti nei motori, dovuti all’identicità tra le variabili delle librerie.

La libreria Wire dispone di tutte le funzioni necessarie alla realizzazione Master-Slave tra due schede Arduino.

 

Il bus I2C, basandosi su due fili, non permette la comunicazione contemporanea tra Master e Slave. Lo scambio dati deve essere gestito dal Master tramite gli indirizzi (univoci) degli Slave. Il flusso può essere sintetizzato in questo modo:

  1. Il Master invia sul bus un bit di start
  2. Il Master invia sul bus l’indirizzo dello slave con cui vuole comunicare
  3. Il Master decide se scrivere o leggere dal dispositivo
  4. Lo Slave legge o scrive in base alla richiesta del Master

 

Ma come nasce la robotica?

Nel 1919, uno degli allievi di Freud, lo psicanalista Viktor Tausk, pubblicò un articolo intitolato “Sulla genesi della macchina influenzante nella schizofrenia”. In questo studio Tausk notava come fosse comune, a molti pazienti schizofrenici, la convinzione che esistesse una macchina elettrica capace di governare i destini degli uomini. Tausk arrivò ad elencare almeno due caratteristiche ricorrenti di questa macchina:

  • la macchina invia sempre ai pazienti delle immagini con cui li influenza e li condiziona;
  • la macchina produce e ruba i pensieri dei malati e con dei raggi elettrici li suggestiona.

Il termine robot vede la luce nel 1920, in un dramma distopico ceco “R.U.R.”, dove i lavoratori vengono sostituiti e sterminati da androidi efficienti. Nel 1939 Electro (figura a lato), uno scheletro di ingranaggi in ferro con un motore avvolto nell’alluminio, crea grande scalpore all’esposizione universale di New York: in questi anni la narrativa dipinge i robots come utili aiutanti o macchine malvagie che annientano i loro padroni.

In un film degli anni ’40, il robot maggiordomo Roll-Oh soddisfa tutte le esigenze di una casalinga.

Nel 1950 lo scrittore di fantascienza Isaac Asimov enuncia un codice morale dei robots:

  • Un robot non può far del male ad un essere umano;
  • Deve obbedire agli ordini ricevuti dal personale qualificato, a meno che non violino la regola numero uno;
  • Un robot deve proteggere la propria esistenza, a patto di non violare la regola numero uno o due.

Nel 1961 la General Motors inserisce bracci robotici nella catena di montaggio per affrontare la crescente domanda di automobili in America. Nel 1966 la Nokia produce i primi bracci robotici per la Scandinavia e l’Europa dell’Est, nel 1969 la Kawasaki li fabbrica per il mercato asiatico, nel 1970 seguono BMW, Mercedes-Benz, British Leyland, Fiat che li impiegano nelle proprie fabbriche. Ma è il Giappone a sfruttare al massimo questa nuova tecnologia: nel 1981, infatti, nelle fabbriche di auto vengono impiegati 6000 robots a fronte dei 370 del Regno Unito (per questo, negli anni’80, l’industria automobilistica britannica è arretrata, incapace di competere con le auto più economiche importate dal Giappone). Oggigiorno, i tecnici giapponesi impiegano l’IA per generare robots più amichevoli e sensibili, come Asimo, sviluppato da Honda nel 2000. Il motivo è radicato nella religione: secondo gli antichi insegnamenti shintoisti, gli oggetti prodotti dall’uomo possono avere un’anima umana. Nel 2013, il robot umanoide di Toyota Kirobo, viene mandato sulla stazione spaziale internazionale per fare compagnia all’astronauta: i due trascorrono 18 mesi in orbita insieme. Sebbene i robots non provino sentimenti, essi vengono impiegati per sostegno emotivo; il Giappone è in testa, con 300.000 robots da compagnia: possono aiutare i bambini autistici a riconoscere e ad esprimere reazioni emotive, aiutano nell’assistenza agli anziani, insegnano e giocano con i bambini, rimpiazzano i genitori assenti e le mogli umane (dal 2016, più di 3700 uomini hanno scelto di sposare ologrammi robotici).

Nel 2020 condividiamo la Terra con 9 milioni di robots: circa 3 milioni lavorano in fabbrica, ma li troviamo anche sulle strade sotto forma di automobili a guida autonoma. Eppure il 72% degli americani teme che i robots porteranno via il lavoro agli umani. In una provincia cinese 2 milioni di lavoratori sono stati rimpiazzati dai robots in soli 2 anni. I robots sono presenti persino nei nostri ospedali: circa 5000 bracci chirurgici Da Vinci operano pazienti in tutto il mondo, nonostante il 69% degli americani si sente a disagio con i chirurghi robotizzati. Secondo Shoshana Zuboff, i nostri dati sono diventati il “nuovo petrolio”: l’intelligenza artificiale e la macchina algoritmica raccolgono i dati che ciascuno di noi lascia tramite i nostri comportamenti online.

La parola cognitive computing, cioè sistemi cognitivi capaci di lavorare deriva dall’IBM, che utilizzò questo termine, dal punto di vista commerciale, nel 2013 quando iniziò a pubblicizzare Watson, un insieme di servizi di intelligenza artificiale che già nel 2011 avevano battuto gli esseri umani in un gioco televisivo chiamato Jeopardy!. Nello stesso anno, nascevano i primi sintetizzatori vocali come Siri, che utilizzano tecnologie di reti neurali. Le reti neurali sono strutture simili a quelle del nostro cervello sebbene i “neuroni” delle reti neurali si dispongano in layers (o “livelli”). I neuroni del primo livello sono detti neuroni di input , mentre i neuroni dell’ultimo livello sono i neuroni di output; fra i neuroni di input e quelli di output sono presenti livelli cosiddetti “nascosti”: ogni neurone di ogni livello è collegato a tutti i neuroni del livello prima e a tutti i neuroni del livello dopo. Inoltre ogni collegamento ha a sua volta un numero, che viene chiamato peso, che rappresenta quanto forte o quanto debole sia la connessione fra quei due neuroni. Il primo modello di neurone artificiale venne progettato nel 1943 da Warren Sturgis McCulloch e Walter Pitts. Nel 2015, AlphaGo, progetto nato per studiare le reti neurali profonde, sconfisse il campione europeo di Go Fan Hui; nel 2016 si aggiudicò l’incontro contro uno tra i più forti giocatori mondiali di go, il sudcoreano Lee Sedol.

Ma cos’è l’intelligenza? E come è possibile determinare se una macchina è più o meno intelligente? Blaise Pascal (1623-1662) sosteneva che la nostra intelligenza è estremamente limitata. Il filosofo Douglas Hofstader in Gödel, Escher, Bach, scrive: ”Nessuno sa dove sia la linea di confine fra comportamento non intelligente e comportamento intelligente; di fatto, forse, non ha senso pensare che esista un confine netto. Ma certamente esistono delle caratteristiche essenziali dell’intelligenza: reagire in modo molto flessibile alle varie situazioni; trarre vantaggio da circostanze fortuite; capire messaggi contraddittori oppure ambigui; riconoscere l’importanza relativa di diversi elementi in una situazione; trovare i punti di somiglianza fra diverse situazioni, nonostante esse siano differenti; trovare i punti di differenza fra situazioni, nonostante esse siano simili; creare nuovi concetti prendendo vecchi concetti e mettendoli insieme in nuovi modi, inventare idee che siano nuove.” Già Ada Lovelace (1815-1852), figlia del poeta inglese Lord Byron, prefigurò il concetto di intelligenza artificiale, sebbene non ritenesse che la macchina potesse divenire pensante come gli esseri umani. Ada descrisse un algoritmo per la macchina analitica di Babbage (che si ispirò al telaio di Jacquard) per calcolare i numeri di Bernoulli: algoritmo che oggi viene generalmente riconosciuto come il primo programma informatico della storia.

Per determinare se una macchina sia in grado o meno di esibire un comportamento intelligente, si fa riferimento ad un criterio suggerito dal matematico inglese Alan Turing nel suo articolo Computer machinery and intelligence e noto come “test di Turing”. Per questo test, Turing prese spunto dal “gioco dell’imitazione” in cui sono presenti tre partecipanti: un uomo, una donna e una terza persona. Quest’ultima è separata dalle altre e deve stabilire, tramite una serie di domande, qual è l’uomo e quale la donna. A loro volta l’uomo ha il compito di ingannare e portare la terza persona a fare un’identificazione errata mentre la donna ha il compito di aiutarla. Se la percentuale di volte in cui la terza persona indovina chi sia l’uomo e chi sia la donna è simile prima e dopo la sostituzione dell’uomo con la macchina, allora la macchina dovrebbe essere considerata intelligente in quanto indistinguibile da un essere umano.

Per macchina intelligente Turing ne intendeva una in grado di concatenare ed esprimere pensieri non privi di significato. Nell’articolo, infatti, riprende il Cogito cartesiano secondo la quale l’uomo differisce dagli animali: gli animali sono res extensa, mentre l’uomo deve essere una res cogitans fatta di pensiero. Dagli anni ’70 fino agli anni ’90 infatti, l’intelligenza artificiale è stata basata sulla logica e cioè sulla capacità di emulare il nostro modo di ragionare (sia nella deduzione, che nell’induzione, che nella rappresentazione della conoscenza) a partire da John McCarthy, considerato il padre della logica computazionale, che inventò il linguaggio di programmazione Lisp che gli valse il premio Turing nel 1971. Sappiamo però che la nostra intelligenza non si limita soltanto alla logica ma, stando agli psicologi, possediamo tanti tipi di intelligenze (logico-matematica, tattile etc.); inoltre secondo il premio Nobel della medicina Eric Kandel la nostra intelligenza deriva certamente da una parte innata ma soprattutto dall’esperienza. Gli attuali algoritmi di intelligenza artificiale si sono evoluti sempre di più in quello che si chiama machine learning (o apprendimento automatico) e il deep learning (apprendimento profondo). Con machine learning si intendono quegli algoritmi che non sono stati codificati per un singolo problema ma che attraverso i dati ottimizzano i propri parametri (apprendono, appunto) e possono essere usati per diversi scopi. Per questi motivi, dal 2018 la Comunità europea ha dato un’altra definizione di intelligenza artificiale che non si limita soltanto all’emulazione prevista dal test di Turing ma che al contrario afferma che un’intelligenza artificiale deve occuparsi di sistemi che tendenzialmente fanno tre cose: hanno un comportamento intelligente, riescono ad estrarre informazioni dall’ambiente tramite sensori (capacità visiva, olfattiva, di riconoscimento del linguaggio, lavorano attraverso l’Internet of Things) e riescono ad intraprendere azioni (l’intelligenza artificiale è sicuramente software che è embodied in sistemi hardware che possono essere robots, auto, droni, aerei etc.). In questo momento le IA non possiedono un certo grado di autonomia per compiti specifici ma sono sottoposti a controllo da parte dell’essere umano: questo perché in Europa crediamo fortemente nell’Human-Centered AI, ovvero l’intelligenza artificiale centrata sull’uomo, in quanto l’IA non nasce semplicemente per rispondere alle interazioni con l’essere umano ma nasce soprattutto per essere trasparente, compresa e garantita dall’essere umano (si parla di intelligenza artificiale eXplainable).  E cosa succederà quando l’intelligenza artificiale ci supererà in astuzia? Questo ipotetico punto di non ritorno è conosciuto come singolarità.

Nel maggio 1997, il computer di IBM Deep Blue, batté il campione mondiale di scacchi Garry Kasparov. Gli ingegneri dell’IBM programmarono Deep Blue affinché aspettasse alcuni minuti dopo aver concluso i calcoli, in modo tale da dare l’impressione che la macchina fosse incerta sul da farsi. Ciò fece abbassare la guardia a Kasparov, che dopo aver vinto la prima partita abbandonò la seconda, mentre la terza, la quarta e la quinta si conclusero con un pareggio: Deep Blue sconfisse Kasparov per 3 ½ contro 2 ½ . Il 4 Luglio 1997 il robot a guida autonoma si spinge lì dove nessun essere umano era mai arrivato: Marte. Grazie all’IA, Sojourner esplora per tre mesi il suolo di Marte, raccogliendo campioni e inviando 550 fotografie. Rover simili si rivelano indispensabili anche sulla Terra: sono utili a disinnescare ordigni nelle zone di guerra e salvare vite dal Kosovo all’Afghanistan mentre in Ruanda i droni trasportano sangue per trasfusioni in luoghi difficili da raggiungere. Da allora i computer divennero sempre più intelligenti grazie alla legge di Moore (secondo la quale il numero dei transistors raddoppia ogni 2 anni, aumentando in modo esponenziale la loro velocità e capacità) che permette di integrare un numero sempre più grande di transistors su unità di superficie.

Eppure esistono alcune cose che gli attuali computer non sono in grado di fare, come ricostruire alcune tipologie di molecole per studiarle nella loro completezza: esse, difatti, richiederebbero un numero inimmaginabile di bits (nel caso della molecola della penicillina il numero di bits ammonterebbe a 10^86…per rappresentarla occorrerebbe un computer grande quanto l’intero universo!). Ma cosa accade se arriviamo al limite in cui non si possono fare transistors più piccoli dell’atomo? Qui entra in gioco la meccanica quantistica la cui natura stessa è oggetto di dibattito tra gli scienziati, che si stanno ancora interrogando su di essa per assicurarsi che sia la teoria che funziona per qualsiasi sistema, indipendente dalle sue misure (la stessa giunzione p-n dei transistors segue le leggi della meccanica quantistica!). La fisica quantistica descrive il mondo microscopico attraverso l’equazione di Schrödinger, la cui soluzione talvolta non è una sola, bensì possono coesistere più soluzioni cioè più funzioni di stato o funzioni d’onda: la soluzione, per un sistema quantistico, è una sovrapposizione di stati, ovvero la somma di tutti gli stati in cui il sistema potrebbe trovarsi simultaneamente. La meccanica quantistica è importante per le scoperte tecnologiche in quanto permette di realizzare un computer quantistico potente che contenga un numero di unità quantistiche (Qubit): per fare ciò bisogna fare in modo che questo sistema resti in uno stato di sovrapposizione che necessita di essere isolato in quanto estremamente delicato, chiamato coerenza. A tal proposito ci serviamo di alcuni refrigeratori atti a portare la parte ad una temperatura più bassa della temperatura dello spazio interstellare (nello spazio interstellare è presente ancora un rimasuglio della temperatura dell’esplosione del Big Bang).

Uno dei paradossi quantistici è il paradosso del Sorite (dal greco antico σωρίτης sōritēs aggettivo di σωρός sōros, che significa "mucchio") paradosso da cui scaturisce per esempio la "teoria degli insiemi fuzzy" cioè una teoria di classi con contorni indistinti. Generalmente attribuito al filosofo greco Eubulide di Mileto, stabilisce che dato un mucchio di sabbia, se eliminiamo un granello dal mucchio avremo ancora un mucchio. Eliminiamo poi un altro granello: è ancora un mucchio. Eliminiamo ancora un granello e poi ancora uno: il mucchio diventerà sempre più piccolo, finché rimarrà un solo granello di sabbia. In quale momento quel mucchio iniziale non è più un mucchio? Un paradosso ben conosciuto dai fisici in quanto gli oggetti macroscopici seguono le leggi della fisica classica, mentre i quanti seguono la meccanica quantistica. Ma se tutto è formato da particelle e tutte le particelle seguono la meccanica quantistica, allora non dovrebbe tutto quanto seguire la meccanica quantistica? Quanto grande può essere il mucchio affinché abbia ancora comportamenti quantistici? Possibile far comportare un corpo visibile ad occhio nudo come un quanto? Per rispondere a queste domande, il team di Aaron Douglas O’Connell ha costruito un chip minuscolo e lo ha posto in uno stato particolare: una volta che il chip era stato schermato dalla luce, sistemato in un contenitore a cui era stata tolta l’aria e raffreddato ad una temperatura prossima allo zero assoluto, il chip ha cominciato a vibrare e a non vibrare allo stesso tempo, una cosa che può accadere solo nella meccanica quantistica.

Katia Canonico

Ex Studentessa ITIS "E.Fermi" Castrovillari

Studentessa di Ingegneria Elettronica presso UNICAL

0
0
0
s2sdefault

Tutorial Arduino - Parte 3: tecnica PWM e fading

Tutorial Arduino - Parte 3: tecnica PWM e fading

di Franco Babbo

 

Abstract

“La tecnica PWM (Pulse Width Modulation) è utilizzata in elettronica in diverse applicazioni. Nella scheda Arduino è il modo in cui viene simulata una tensione di uscita analogica sui pin A0-A5. Come vedremo, il valore della tensione che è possibile ottenere dipende da una grandezza detta “duty cycle” e può essere utilizzato, ad esempio, per variare la velocità di un motore in corrente continua o la luminosità di un diodo led. In fondo all’articolo troverete il link ad una simulazione effettuata sul portale gratuito online TinkerCAD della quale è anche possibile copiare il sorgente utilizzato. ”


Layout sperimentale Arduino LED fading con PWM

Come promesso in un precedente articolo, in questa puntata del tutorial spiegherò in cosa consiste la tecnica PWM e come utilizzarla per la variazione continua di luminosità di un diodo LED (effetto fading). La sua importanza risiede nel fatto che i sei pin “analogici” A0-A5 non forniscono, come ci si potrebbe aspettare, una vera e propria tensione continua selezionabile  tra 0V e 5V, ma qualcosa di un po’ diverso che tuttavia può essere utilizzato, come fosse una tensione costante, in alcuni casi di utilità pratica.

L’uscita di tali pin, in effetti, è un’onda quadra la cui ampiezza varia tra 0V e 5V. Grazie al comando

analogWrite(pin_number, n)

nel quale n è un numero intero che varia tra 0 e 255, è possibile cambiare a piacimento la durata della parte “alta” del segnale (quella in cui esso vale 5V per intenderci) applicata al dispositivo connesso al pin il cui numero va inserito nel primo argomento della funzione. Spesso, per rappresentare questa situazione, ci si riferisce ad una grandezza chiamata “Duty Cycle”, di solito espressa in percentuale, che è proprio il rapporto tra la durata td  dello stato “alto” dell’onda quadra ed il periodo T dell’onda stessa (l’intervallo di tempo tra due impulsi consecutivi, nella figura sottostante rappresentato dalle linee verticali verdi):

 

     d%=td/T*100

 

Variazione del duty cycle di un'onda quadra




In effetti è facile convincersi che applicando questo tipo di segnale ad un componente normalmente alimentato in continua, tipo un diodo led o un motore c,c., l’effetto è simile a quello che si avrebbe usando una tensione continua con un valore tra 0V e 5V a patto di andare “sufficientemente veloci”. 

Consideriamo, infatti, il caso del diodo led. Arduino genera sui pin PWM un’onda quadra avente frequenza f=500Hz (cui corrisponde un periodo T=1/f=20ms). Su tale frequenza non possiamo agire, cioè il periodo è costante. Tale frequenza è abbastanza elevata da far apparire stabile all’occhio la luminosità emessa dal diodo. Si può quindi intuire come la luce sia tanto più intensa quanto più, nel loro susseguirsi, abbiano durata maggiore gli intervalli di tempo in cui l’onda quadra è allo stato alto. Questo è proprio ciò che accade quando aumentiamo il valore di una “vera” tensione continua applicata ad un led, sebbene il modo di alimentare il nostro dispositivo sia del tutto differente.

Il valore di tensione continua che equivale a quella prodotta tramite variazione del duty cycle è dato da

V=5⋅d

 

Com’è noto anche la velocità di un motore a corrente continua dipende dalla tensione applicata. Quest’ultimo dispositivo è usatissimo nelle applicazioni in cui si vuole far muovere su ruote un dispositivo in maniera estremamente semplice ed economica, sebbene con precisione non proprio elevata (i modelli radiocomandati fanno quasi tutti uso di motori c.c.).

Diamo ora un’occhiata al codice della nostra simulazione. 

Al solito la parte iniziale, secondo quanto appreso nelle precedenti puntate del tutorial, comprende la definizione di alcune costanti e la dichiarazione della modalità di funzionamento dei pin utilizzati. Ma osserviamo la nostra funzione per variare il duty cycle in azione nelle righe di codice

 

  for (int fadeValue = 0 ; fadeValue <= 255; fadeValue += 5) {

    // sets the value (range from 0 to 255):

    analogWrite(ledPin1, fadeValue);

    // wait for 10 milliseconds to see the dimming effect

    delay(10);

  }

 

Il primo argomento di analogWrite è “ledPin1”, cioè il numero che identifica il primo led, quello di colore rosso. Sarà questo, quindi, il dispositivo sottoposto ad un’onda quadra di duty cycle variabile. Il secondo argomento indica quale deve essere la durata dello stato “alto” dell’onda, ovvero in definitiva il valore del duty cycle. Tale valore è inserito all’interno di un ciclo “for” in modo che aumenti automaticamente da 0 a 255 (con passi di 5) che, come abbiamo visto, sono i valori minimo e massimo ammessi nella funzione analogWrite. Dato che ad ogni ripetizione del ciclo tale valore aumenta, l’effetto sarà quello di una variazione graduale di luminosità da un minimo ad un massimo. La funzione delay(5) serve a rendere più o meno evidente l’effetto fading (provate a cambiare tale valore nella simulazione che trovate in fondo).

La parte di codice seguente è del tutto simile, solo che la variabile fadeValue viene fatta variare tra 255 e 0 (al contrario rispetto al caso precedente). In tal modo si vedrà la luce emessa dal led diminuire fino a spegnersi.

Seguono blocchi di codice identici per gli altri due diodi.

Tanto per dare un tocco “natalizio” al nostro primo esperimento sul duty cycle ho inserito un lampeggio contemporaneo dei tre led ottenuto con le seguenti righe di codice

 

//flashing

  for(int i=0;i<=2;i++){

    //switching LED on

    digitalWrite(ledPin1, HIGH);

    digitalWrite(ledPin2, HIGH);

    digitalWrite(ledPin3, HIGH);

    

    //wait between flashing

    delay(200);

    

    //switching LED on

    digitalWrite(ledPin1, LOW);

    digitalWrite(ledPin2, LOW);

    digitalWrite(ledPin3, LOW);

    

    //wait between flashing

    delay(200);

 

il cui significato dovrebbe essere chiaro se avete letto il primo numero del tutorial.

Per vedere l’effetto totale fading + lampeggio andate all’indirizzo in fondo all’articolo ed avviate la simulazione. Per visualizzare e/o copiare il codice per Arduino cliccate sul pulsate “code”.

Buon divertimento ed arrivederci al prossimo numero....




Franco Babbo

Ingegnere Elettronico

Docente di Elettronica 

e Telecomunicazioni

 

Riferimenti

link alla simulazione

https://www.tinkercad.com/things/honZg5cBsYR-xmas-fading-and-flashing

 

Credits 

Le immagini sono tratte dal tutorial

https://www.arduino.cc/en/Tutorial/PWM

(Termini di licenza https://www.arduino.cc/en/Main/CopyrightNotice)

0
0
0
s2sdefault

Robotica educativa ai tempi del Coronavirus

Robotica educativa ai tempi del Coronavirus

Abstract

Si ripercorre l’esperienza della robotica educativa nel periodo del lockdown attraverso le ansie e le capacità inventive di una comunità educante che ha investito molto su un progetto educativo.

Come dimenticare quella sera del nove marzo del 2020 quando il Presidente del Consiglio appariva in televisione dicendo che non c’era più tempo, bisognava rinunciare tutti a qualcosa, cambiare le nostre abitudini per tentare di arrestare l’avanzata devastante di questo maledetto virus.

Io rientravo da poco in casa dopo avere ritirato dal negozio di componenti elettronici una nuova scheda che sarebbe servita per migliorare la “visione ottica” di uno dei robot della nostra scuola. Erano in pieno fermento i preparativi per le imminenti gare di selezione territoriali per le qualificazioni alla gara Nazionale Robocup Junior 2020, sezione rescue - line. Tale competizione mette a confronto rover che ,seguendo un percorso tortuoso segnato da una linea nera e pieno di detriti ed ostacoli, giungono in una zona di salvataggio recuperando le vittime sia vive e che morte.

Due team erano già pronti ma le rispettive macchine un pò meno, anche perché le regole della nuova competizione sarebbero state più stringenti e complesse.

L’ansia da prestazione e da riconferma del titolo di Campioni d’Europa 2018, Campioni d’Italia 2019 e terzi nel mondo a Sidney 2019, cominciava a crescere. Lo spirito del gioco di squadra come chiave dei successi fin lì ottenuti aveva lasciato un segno indelebile nel cuore dei campioni uscenti che, pur avendo ormai terminato il percorso scolastico, nonostante gli impegni universitari, non esitavano a tornare a dare il loro contributo da coach per addestrare ed incoraggiare le nuove leve. Il fine settimana erano sempre lì, anche dopo aver dato un esame: “Prof scusate il ritardo, ma all’esame mi hanno tenuto più del previsto e ho perso il pullman”.

Inutile dire che quel materiale elettronico è ancora nella mia borsa.

Già dalla mattina di quel fatidico nove marzo avevo avuto la sensazione che qualcosa di lì a poco sarebbe cambiato. Le notizie erano preoccupanti. Si parlava già della necessità di un “distanziamento sociale” e con il collega Alberico Abenante ci si aggirava nervosamente fra i tavoli del laboratorio esortando i ragazzi a tenersi ad un’opportuna distanza l’uno dall’altro.

Difficile da farsi in un laboratorio di robotica se lo si pensa nella sua accezione più autentica di ambiente di apprendimento in cui dare libero spazio, sia pur controllato dagli insegnanti, alla creatività alla comunicatività, alla disponibilità emotiva, all’apertura ,al senso del gruppo in un concerto di condivisione di idee ed emozioni che si concretizza sempre in prodotti finiti. Non semplici prodotti, asettici ed inerti ma quasi simbiotici con chi li ha creati, con chi finisce con considerarsi un tutt’uno con la propria creatura, parlandole ed esortandola ad andare bene, a non sbagliare. Oserei dire dunque che il “distanziamento sociale” si pone in netta antitesi con la robotica educativa che piuttosto si esprime efficacemente attraverso “l’avvicinamento sociale”.

Non sempre tutto va per il verso giusto o almeno non subito. Si prova e riprova, magari anche sbagliando, senza drammi e scoraggiamenti, perché dall’errore non si esce frustrati ma arricchiti e consolidati nelle competenze. Se quel motore e quel sensore non hanno funzionato se ne fa un’analisi ragionata sui loro principi di funzionamento. La lezione di fisica, elettronica o meccanica viene da sé per l’insegnante che, dopo aver spiegato, lavorato e magari anche sbagliato insieme ai sui studenti, finisce con raccogliere una gran mole di risultati e di elementi di valutazione. Inoltre le soddisfazioni arrivano quando, come Montessori diceva, “gli alunni stanno lavorando come se noi non ci fossimo”.

Ma tutto questo da quel nove marzo si fermava.

Seguivano i giorni delle lezioni a distanza delle video lezioni sincrone ed asincrone, dei programmi di simulazione: Tinkercad, Freeze.

Simulare a distanza, anche questo era possibile. Concentrarsi sul software piuttosto che sull’hardware per cercare di risolvere i problemi di un percorso tortuoso che i nostri robot avrebbero dovuto percorrere per andare a salvare vittime. Concentrarsi dunque sul ragionamento della costruzione del programma, mettendo da parte gli altri due aspetti intrinseci della robotica educativa: la materialità e l’emozione nella partecipazione alle gare che coinvolgono sempre tutti gli attori in un afflato emotivo singolare ed irripetibile.

Questo tipo di magia unica era certamente impossibile ricreare virtualmente. Ma qualcos’altro di magico era accaduto ugualmente. Scoprivo che ognuno aveva a casa un piccolo laboratorio attrezzato con Kit elettronici non certo per principianti.

Ecco che c’era chi realizzava un termo-scanner, chi un dispenser igienizzante con sensore ottico, chi perfezionava un dispositivo evita - ostacoli per non vedenti. C’era, inoltre, chi, da perfetto tecnico industriale prossimo al diploma, creava una centralina battezzata SM-Touch capace di misurare e segnalare la velocità, il numero di giri del motore, la temperatura ambiente e la tensione della batteria di un motore di un’automobile. Il display con l’ora, la data e il giorno; segnalazione di eventuali anomalie: mancanza d’olio e carburante, luci spente o batteria scarica. Il tutto in un alloggiamento autoprodotto con stampante 3D. “Prof durante il lockdown ho passato il tempo a realizzare questo”

 Per non parlare poi del collega Vittorio Del Colle che mi mandava le foto della sua mano robotica,

finalmente funzionante. E’ proprio in caso di dire che la passione per la robotica è simile a quella per una squadra di calcio il cui inno la definisce “una malattia che non va più via”.

Inutile descrivere le emozioni nel vedere in video queste cose.

Non tutto è dunque andato perduto in quel tempo sospeso.

Forse è stato più semplicemente un tempo diverso, dove ognuno a suo modo e nei modi più congeniali è riuscito a non spezzare quel filo di emozioni vissute concretizzandole, anche questa volta, in utili artefatti, nello spirito pieno e completo della robotica educativa.

 

Prof.ssa Eleonora Converti

Animatore Digitale e

Docente di Sistemi Automatici presso ITIS “E. Fermi” Castrovillari

0
0
0
s2sdefault

La robotica educativa e PNSD

Era l’ottobre del 2015 quando, con l’entrata in vigore del PNSDil documento di indirizzo del Ministero dell’Istruzione, dell’Università e della Ricerca per il lancio di una strategia complessiva di innovazione della scuola italiana e per un nuovo posizionamento del suo sistema educativo nell’era digitale”(Pnsd) gli scenari della scuola hanno, in parte, subito un evidente cambiamento. Ad ogni #Azione del Piano corrisponde oggi un’attività, un impegno, una proposta. Le azioni #4-6-15-17 parlano di “Ambienti di apprendimento laboratoriali”, di Byod, di “scenari innovativi per lo sviluppo di competenze digitali applicate”(Pnsd), in cui si chiede il potenziamento di una didattica attiva, dove l’alunno diventa protagonista e creatore del suo percorso, dove si impara ad imparare.

A maggior ragione ora, con gli ambienti di apprendimento virtuali (pensiamo a Classroom, presente nelle app di GSuite, che ha fatto capolino in tante scuole grazie all’attivazione del Dominio scolastico Google app for education, oggi GSuite for education, con grandi possibilità offerte da questa piattaforma così versatile e dinamica,  Edmodo e le classi attivabili dai portali delle diverse case editrici dei libri di testo, anche e direi soprattutto nella scuola primaria, dove i bambini accolgono queste nuove modalità con genuinità e  grande semplicità), i kit mobili, le aule aumentate, l’introduzione di notebook, chromebook, Lim, tablet e  robotica educativa per fasce d’età, nella didattica, l’idea del ragazzo al centro del processo insegnamento/apprendimento è maggiormente sentito.

Isole d’apprendimento, nuove strategie, metodologie rinnovate, aule modulari, kit e strumenti informatici, robotica educativa:  cambiano scenari  che  danno una visione di scuola nuova e rinnovata che si adatta al passare del tempo, che sta al passo con l’uomo e la sua grande capacità di innovarsi continuamente.

 

La robotica educativa nella scuola

Sul mercato sono presenti diversi articoli, di vario genere e per più ordini e gradi di scuola. Dalla scuola dell’infanzia alla scuola secondaria di primo grado l’offerta è ampia e va adattata ai percorsi ritenuti opportuni dai docenti, che ben si inseriscano in progetti e attività in modo trasversale e interdisciplinare. Si trovano strumenti che hanno necessità di pc, tablet, notebook o la rete wireless e kit che necessitano solo di pile e collegamento bluetooth. Ciò che più importa è la programmazione di questi piccoli robot. Non si accende un pulsante e il robot cammina o si muove. Tutti i robot della robotica educativa hanno bisogno di essere programmati. E’questo il motivo per cui si parla di Coding, pensiero computazionale e problem solving. L’immagine ne mostra alcuni, dalla Bee-Bot (l’apina gialla) al Makey Makey (che fa suonare frutta, cibo e materiale che conduca energia), da Ozobot (piccolo e grande disegnatore)  ai kit di costruzione della Lego: Lego WeDo, WeDo 2.0 e tutta la linea Mindstorm; dagli ultimi anni della scuola primaria alla secondaria di secondo grado. C’è poi Little Bits (magneti che collegati producono un suono o un movimento) e Mbot (un vero arduino). Nella foto sono presenti solo alcuni dei robot in commercio, a cui si aggiungono altri prodotti per tutte le fasce d’età. Ognuno di questi set, kit di costruzione, robottino, offre opportunità. L'idea è quella di cambiare la metodologia e gli strumenti per creare motivazione, curiosità, interesse. I contenuti e gli obiettivi rimangono invariati, seguono i programmi e le indicazioni ministeriali. Sono i robot ad inserirsi nella didattica, in maniera trasversale, multidisciplinare, con una o più classi; in percorsi di continuità, progetti ponte, peer to peer, curricolo verticale, in modo ludico e creativo dove il bimbo, come il ragazzo, può esprimere sé stesso e valorizzare le sue capacità. Non più solo l’ora di informatica, ma la tecnologia al servizio della didattica. La robotica aiuta a sviluppare il pensiero computazionale e il problem solving perché “costringe” a ragionare, a risolvere un problema, ad aiutarsi reciprocamente. La correzione dell’errore (debug) è automatica, la visualizzazione del risultato del proprio lavoro in maniera concreta, pure.

 

Perché inserire la robotica educativa nella didattica quotidiana?

Perchè la robotica pone l’alunno al centro del processo di apprendimento.

Promuove l’individualizzazione dell’insegnamento in un processo di inclusione dove qualsiasi strumento digitale o di robotica viene offerto indistintamente a tutta la classe e l’inclusione diventa automatica, come la possibilità, da parte di tutti, di utilizzare strumenti compensativi. Sviluppa il pensiero computazionale, promuove un nuovo ruolo del docente quale mediatore didattico che coordina, guida, sollecita e incoraggia il ragazzo; promuove la meta-cognizione. Sviluppa dinamiche di lavoro in gruppo e di peer-learning.

 

Come acquistarli

Chiedendo alla scuola l’acquisto del kit/set/robot, attraverso la presentazione di un progetto che ne preveda l’utilizzo su una o più classi. Strumento che, ovviamente, rimane a disposizione della dotazione della scuola e di cui beneficia tutto il personale docente e gli alunni. I PON proposti dal Ministero offrono la possibilità di acquistare materiale informatico o per le nuove tecnologie. Un’altra opportunità potrebbe essere quella di utilizzare le possibilità offerte dai FabLab locali che mettono a disposizione i propri materiali in un percorso didattico extra-scolastico o anche in orario scolastico, attraverso una visita d’istruzione. Si può creare un progetto ponte con un plesso di grado e ordine diverso dove è presente la strumentazione necessaria alla nostra attività, in un percorso di continuità verticale e di peer to peer: il ragazzo più grande, esperto, che aiuta il compagno più piccolo o viceversa. Quando questi strumenti vengono utilizzati da piccoli, in terza o quarta primaria si è pronti per fare da tutor anche a ragazzi più grandi. Si può chiedere l’intervento di esperti esterni che possiedono i robot da inserire nel progetto e li mettono a disposizione per l’attività concordata. Si può ipotizzare un parternariato con plessi dello stesso distretto o di altri distretti per usufruire degli stessi atelier creativi e allargare e rinforzare l’offerta formativa dei due Istituti.È ovvio che tutto va inserito in un contesto. La sola costruzione, la sola programmazione del movimento, il semplice utilizzo, non bastano. Sta ai docenti inserirli in contesti e progetti appropriati che valorizzino lo strumento e lo rendano efficace a fine didattico. Sono dell'idea che la tecnologia sia a nostro servizio e non viceversa. Sarebbe bello insegnare ai ragazzi a diventare utenti e utilizzatori attivi dei loro strumenti, invece che semplici consumatori passivi. Ogni piccolo robot avrebbe bisogno di essere illustrato e spiegato nel dettaglio, come anche la condivisione di esperienze e buone pratiche vissute e sperimentate. Quanto sopra indicato intende essere una mera indicazione delle grandi possibilità che questa prospettiva didattica offre ai docenti ed ai loro studenti. Nei prossimi numeri vi saranno ulteriori approfondimenti. Spero che ognuno di voi abbia la possibilità di esplorare per scoperta, come i nostri alunni.

 

Antonietta D’Oria

Docente Scuola Primaria

Formatore Tecnologie – Animatore digitale

0
0
0
s2sdefault

Argomento