L'intelligenza artificiale è il nuovo campo di battaglia: l’US Air Force ha utilizzato un copilota "AI" su di un U-2. Ora, l'algoritmo ha una nuova missione.

E’ appena il caso di specificare che tutti gli attuali progetti militari in corso di sviluppo faranno ampiamente ricorso alla IA (intelligenza artificiale). 

Al giorno d’oggi i sistemi intelligenti sono presenti in ogni campo, anche nelle attività quotidiane e primeggiano nei giochi, come teorizzato anni prima da esponenti dell’intelligenza artificiale. Vi sono programmi che sono stati in grado di confrontarsi con campioni di scacchi, quali Deep Blue; altri che sono stati impiegati nelle missioni spaziali, come nel 1998 quando la NASA utilizzò un programma chiamato Remote Agent in grado di gestire le attività relative a un sistema spaziale; alcune auto sono oggi dotate di un sistema in grado di guidarle senza l’uso di un conducente umano, quindi in maniera del tutto autonoma. L'intelligenza artificiale è una disciplina dibattuta tra scienziati e filosofi poiché manifesta aspetti etici oltre che teorici e pratici. Stephen Hawking nel 2014 ha messo in guardia riguardo ai pericoli dell'intelligenza artificiale, considerandola una minaccia per la sopravvivenza dell'umanità. Il 2 agosto dello stesso anno anche Elon Musk ha twittato: «Dobbiamo essere super attenti all'intelligenza artificiale. Potenzialmente più pericolosa del nucleare.

Definizioni specifiche possono essere date focalizzandosi o sui processi interni di ragionamento o sul comportamento esterno del sistema intelligente e utilizzando come misura di efficacia o la somiglianza con il comportamento umano o con un comportamento ideale, detto razionale:

Agire umanamente: il risultato dell’operazione compiuta dal sistema intelligente non è distinguibile da quella svolta da un umano.

Pensare umanamente: il processo che porta il sistema intelligente a risolvere un problema ricalca quello umano. Questo approccio è associato alle scienze cognitive.

Pensare razionalmente: il processo che porta il sistema intelligente a risolvere un problema è un procedimento formale che si rifà alla logica.

Agire razionalmente: il processo che porta il sistema intelligente a risolvere il problema è quello che gli permette di ottenere il miglior risultato atteso date le informazioni a disposizione.

Storia

Tradizione di ricerca

Molteplici furono i passi che portarono alla nascita di questa disciplina. Il primo, sia a livello di importanza sia di ordine cronologico, è l’avvento dei calcolatori e il continuo interesse rivolto a essi. Già nel 1623, grazie a Willhelm Sickhart, si arrivò a creare macchine in grado di effettuare calcoli matematici con numeri fino a sei cifre, anche se non in maniera autonoma. Nel 1642 Blaise Pascal costruì una macchina in grado di fare operazioni utilizzando il riporto automatico, mentre nel 1674 Gottfried Wilhelm von Leibniz creò una macchina in grado di effettuare la somma, la differenza e la moltiplicazione in maniera ricorsiva. Tra il 1834 e il 1837 Charles Babbage lavorò al modello di una macchina chiamata macchina analitica, le cui caratteristiche anticiparono in parte quelle dei moderni calcolatori. Nel ventesimo secolo l’attenzione sui computer ritornò ad accendersi: nel 1937, ad esempio, Claude Shannon, all’università di Yale, mostrò come l’algebra booleana e le operazioni binarie potessero rappresentare il cambiamento circuitale all’interno dei telefoni.

Un ulteriore passo importante fu l’articolo di Alan Turing redatto nel 1936, On Computable Numbers, With An Application To The Entscheidungsproblem, che pone le basi per concetti quali calcolabilità, computabilità, macchina di Turing, definizioni cardine per i calcolatori sino ai giorni nostri. In seguito, nel 1943 McCulloch e Pitts crearono ciò che viene ritenuto il primo lavoro inerente all’intelligenza artificiale. Tale sistema impiega un modello di neuroni artificiali nel quale lo stato di tali neuroni può essere “acceso” o “spento,” con un passaggio ad “acceso” in presenza di stimoli causati da un numero sufficiente di neuroni circostanti.

McCulloch e Pitts arrivarono quindi a mostrare, ad esempio, che qualsiasi funzione computabile può essere rappresentata da qualche rete di neuroni, e che tutti i connettivi logici (“e”, “o”, ...) possono essere implementati da una semplice struttura neurale. Sette anni più tardi, nel 1950, due studenti dell’università di Harvard, Marvin Minsky e Dean Edmonds, crearono quella che viene riconosciuta come la prima rete neurale, conosciuta con il nome di SNARC.

La nascita effettiva della disciplina (1956)

Nel 1956, nel New Hampshire, al Dartmouth College, si tenne un convegno al quale presero parte alcune delle figure di spicco del nascente campo della computazione dedicata allo sviluppo di sistemi intelligenti: John McCarthy, Marvin Minsky, Claude Shannon e Nathaniel Rochester. Su iniziativa di McCarthy, un team di dieci persone avrebbe dovuto creare in due mesi una macchina in grado di simulare ogni aspetto dell’apprendimento e dell’intelligenza umana. Ad aderire a tale iniziativa furono alcuni ricercatori, tra cui anche Trenchard More di Princeton, Arthur Samuel di IBM, e Ray Solomonoff e Oliver Selfridge del MIT. Nello stesso convegno, un'altra iniziativa catalizzò l’attenzione oltre al progetto di McCarthy: il programma di Allen Newell e Herbert Simon. Questi due ricercatori, a differenza di McCarthy, avevano già un programma capace di qualche forma di ragionamento, conosciuto con il nome di Logic Theorist, o LP, in grado di dimostrare teoremi partendo dai principi della matematica. Sempre nello stesso convegno, McCarthy introdusse l’espressione intelligenza artificiale, che segnò, in maniera indelebile, la nascita effettiva di tale disciplina, conferendole una natura propria.

Prime grandi aspettative (1950-1965)

Il programma creato da Newell e Simon permise loro di progredire e creare un programma chiamato General Problem Solver, o GPS. A differenza del LP, il GPS fu ideato con lo scopo di imitare i processi di risoluzione dei problemi utilizzati dagli esseri umani (nello specifico la cosiddetta "euristica mezzi-fini"). Nei ristretti casi nel quale il programma poteva operare, si notò che l’approccio con il quale il programma considerava gli obiettivi e le azioni era assimilabile a un umano. Negli stessi anni, presso l’IBM, Rochester con dei suoi colleghi cominciò a sviluppare altri programmi capaci di ragionamento.

Nel 1959, Herbert Gelemter creò il Geometry Theorem Prover, un programma in grado di dimostrare teoremi di geometria complessi. L’anno precedente, presso il MIT, McCarthy diede un altro contributo al campo dell’intelligenza artificiale definendo quello che per trent’anni fu riconosciuto come il linguaggio di programmazione dominante per la realizzazione dei sistemi di intelligenza artificiale: il Lisp. Oltre a ciò, McCarthy scrisse un documento intitolato Programs with Common Sense, nel quale descrive un programma ideale, chiamato Advice Taker, che può essere visto come il primo sistema intelligente completo. A differenza del LP e del GPS, l'Advice Taker era progettato per trovare soluzioni a problemi di tipo diverso, ovvero non strettamente matematici.

Minsky, durante il suo periodo al MIT, coordinò la creazione di programmi per affrontare quelli che vengono chiamati micro mondi, ovvero problemi limitati e descritti da asserzioni che richiedevano l’utilizzo di ragionamento per essere risolti. Tra questi, il programma di James Slagle del 1963, SAINT, era in grado di risolvere problemi riguardo al calcolo integrale in forma chiusa, tipici del primo anno del college.

Prime difficoltà (1966-1969)

Tra le varie aspirazioni da parte dei ricercatori vi era principalmente quella di creare macchine in grado di esibire capacità di ragionamento simili a quelle umane. Ad esempio, Herbert Simon, nel 1957, stimò che nel giro di dieci anni ci sarebbero state macchine in grado di competere con i campioni di scacchi (previsione che si avvererà, ma dopo quarant’anni). Queste aspirazioni, però, dovettero scontrarsi con alcune difficoltà: prime fra tutte, l’assoluta mancanza di conoscenza semantica relativa ai domini trattati dalle macchine, in quanto la loro capacità di ragionamento si limitava a una mera manipolazione sintattica. A causa di questa difficoltà, nel 1966 il governo degli Stati Uniti d’America interruppe i fondi per lo sviluppo delle macchine traduttrici. Un ulteriore problema fu l’impossibilità del trattare molti problemi che l’intelligenza artificiale si era proposta. Questo perché si riteneva che “scalare” le dimensioni di un problema fosse solo una questione di hardware e memoria.

Questo tipo di ottimismo fu presto spento quando i ricercatori fallirono nel dimostrare teoremi a partire da più di una dozzina di assiomi. Si capì quindi che il fatto di disporre di un algoritmo che, a livello teorico, fosse in grado di trovare una soluzione a un problema non significava che un corrispondente programma fosse in grado di calcolarla effettivamente a livello pratico. Un terzo tipo di difficoltà furono le limitazioni alla base della logica, nel senso di ragionamento, dei calcolatori. Nel documento di Minsky e Papert, intitolato Perceptrons (1969), si mostrò che, nonostante un percettrone (una semplice forma di rete neurale) fosse in grado di apprendere qualsiasi funzione potesse rappresentare, un percettrone con due input non era in grado di rappresentare una funzione che riconoscesse quando i due input sono diversi.

Sistemi basati sulla conoscenza (1969-1979)

Le precedenti difficoltà portarono a definire gli approcci adottati dalle macchine come approcci deboli, necessitando quindi di una conoscenza maggiore inerente al campo di applicazione. Nel 1969, grazie a Ed Feigenbaum (studente di Herbert Simon), Bruce Buchanam e Joshua Lederberg, venne creato il programma DENDRAL. Tale programma era in grado, a partire dalle informazioni sulla massa molecolare ricavate da uno spettrometro, di ricostruire la struttura di una molecola. Questo programma fu quindi il primo dei sistemi basati su un uso intensivo della conoscenza, che arrivarono più tardi a inglobare tutti i concetti teorizzati da McCarthy per l'Advice Taker. Successivamente, Feigenbaum cominciò insieme con altri ricercatori di Stanford l'Heuristic Program Project (HPP), al fine di estendere gli scenari applicativi di questi sistemi, cominciando con il sistema MYCIN nell’ambito delle diagnosi delle infezioni sanguigne. Si cominciò quindi a teorizzare dei sistemi conosciuti come sistemi esperti, ovvero in grado di possedere una conoscenza esperta in un determinato scenario di applicazione.

Dall’ambiente accademico all’industria (1980-1985)

Il primo sistema di intelligenza artificiale utilizzato in ambito commerciale fu R1, utilizzato dalla Digital Equipment nel 1982. Lo scopo del programma era quello di aiutare a configurare gli ordini per nuovi computer. Nel 1986, fu in grado di far risparmiare alla compagnia 40 milioni di dollari all’anno. Anche la DuPont utilizzò sistemi simili, risparmiando circa dieci milioni di dollari all’anno. Negli anni '80 dello scorso secolo, quasi ogni grande azienda americana aveva un proprio sistema esperto in operazione e stava studiando sistemi più avanzati. Nel 1981 in Giappone venne annunciato il progetto Fifth Generation, un piano di dieci anni con l’intento di costruire sistemi intelligenti basati su Prolog. In risposta, gli Stati Uniti d’America crearono la Microelectronics and Computer Technology Corporation (MCC), come consorzio di ricerca al fine di garantire la competitività a livello nazionale. In Inghilterra, il rapporto Alvey recuperò i fondi tagliati dal rapporto Lighthill, che nel 1973 portò il governo britannico alla decisione di interrompere il supporto verso la ricerca nell'ambito dell'intelligenza artificiale. Questi progetti però non raggiunsero gli scopi previsti. L’industria dell’intelligenza artificiale raggiunse nel 1988 una cifra dell'ordine di miliardi di dollari, includendo centinaia di aziende che stavano creando sistemi esperti, robot e software e hardware specializzati in questi settori.

Il ritorno delle reti neurali (1986)

A metà degli anni ottanta dello scorso secolo fu reinventato l’algoritmo di apprendimento per reti neurali chiamato back-propagation, inizialmente ideato nel 1969 da Bryson e Ho. L’algoritmo fu applicato a molti problemi relativi all’apprendimento, inerenti sia al lato dell’informatica sia a quello della psicologia. I cosiddetti modelli connessionisti per la realizzazione di sistemi intelligenti furono visti come alternative ai modelli simbolici ideati da Newell e Simon, da McCarthy e dai loro collaboratori. Tali modelli cercarono di dare risposta a quelle domande alle quali i precedenti modelli non erano riusciti, ma in parte fallirono anch’essi. Di conseguenza, i modelli basati sull’approccio simbolico e quelli con un approccio connessionista furono visti come complementari.

L’intelligenza artificiale al giorno d’oggi (1986)

Al giorno d’oggi i sistemi intelligenti sono presenti in ogni campo, anche nelle attività quotidiane e primeggiano nei giochi, come teorizzato anni prima dagli esponenti dell’intelligenza artificiale. Vi sono programmi che sono stati in grado di confrontarsi con campioni di scacchi, quali Deep Blue; altri che sono stati impiegati nelle missioni spaziali, come nel 1998 quando la NASA utilizzò un programma chiamato Remote Agent in grado di gestire le attività relative a un sistema spaziale; alcune auto sono oggi dotate di un sistema in grado di guidarle senza l’uso di un conducente umano, quindi in maniera del tutto autonoma. Nell’ambito di scenari più quotidiani si pensi, invece, ai termostati per il riscaldamento e l’aria condizionata in grado di anticipare il cambio di temperatura, gestire i bisogni degli abitanti e di interagire con altri dispositivi. In campo economico, particolarmente sensibile al cambiamento è il tasso di occupazione in generale, come nella tecnofinanza dove avviene la più profonda rivoluzione.

Principi di Asilomar

Nel 2017 a seguito del convegno di esperti mondiali di intelligenza artificiale promosso dal Future of Life Institute è stato redatto con ampissimo consenso un vademecum con 23 principi per affrontare le problematiche etiche, sociali, culturali e militari dell'IA. Il documento è stato sottoscritto subito da oltre 800 esperti e in seguito da altre migliaia.

Codice etico EU per l'intelligenza artificiale

Partendo dalla premessa per cui i governi devono garantire l’impiego dell’Intelligenza Artificiale nel massimo rispetto dell’etica, nell’aprile del 2019, l’Unione Europea ha elaborato il suo Codice Etico, che contiene le linee guida su utilizzo e sviluppo di sistemi di Intelligenza Artificiale. Il documento, che è stato predisposto da un gruppo di 52 esperti, rappresentati da informatici, ingegneri ma anche giuristi, filosofi, industriali, matematici, ha avuto un iter lungo e vari fasi di approfondimento.

Il punto di partenza dell’intero documento, e di tutti i principi giuridici che ne sono scaturiti, è che l’Intelligenza Artificiale deve avere l’uomo al centro e deve essere al servizio del bene comune per migliorare il benessere e garantire la libertà. Per prima cosa il gruppo di esperti ha identificato le fondamenta giuridiche sulle quali il codice dovesse poggiare ricercandole nei Trattati UE, nella Carta Dei Diritti e nella legge Internazionale dei Diritti Umani. Da questa analisi sono stati individuati quei diritti inderogabili che, nell’Unione Europea, devono essere rispettati per l’Intelligenza Artificiale, vale a dire:

• Rispetto per la dignità dell’uomo
• Libertà dell’individuo
• Rispetto per la democrazia e per la giustizia
• Eguaglianza e non discriminazione
• Diritti dei cittadini.

A questo punto è stato possibile dare indicazioni su quali fossero i principi etici da seguire nell’Unione per garantire che i sistemi di Intelligenza Artificiale siano sfruttati in modo affidabile, i.e.: rispetto per l’autonomia dell’uomo, prevenzione del danno, equità e correttezza.

L’ultima fase di lavoro del gruppo di esperti è stata quella di redigere le linee guida EU del codice etico cui aziende, ricercatori e le comunità in generale dovranno attenersi e che rappresentano la traduzione operativa e la sintesi dei diritti fondamentali e dei principi sopra elencati.

Linee guida

Supervisione umana: l'Intelligenza Artificiale deve essere al servizio dell’uomo e non deve invece ridurne, limitarne o fuorviarne l’autonomia, inoltre non devono essere sviluppati sistemi che mettano a rischio i diritti fondamentali dell’uomo. La persona deve restare autonoma e in grado di supervisionare il sistema stesso.

Solidità tecnica e sicurezza: gli algoritmi devono essere affidabili e sviluppati in modo tale che la sicurezza non venga messa in pericolo durante l’intero ciclo di vita del sistema.

Privacy e governance dei dati: i cittadini devono sempre essere informati dell’utilizzo dei propri dati personali nel massimo rispetto della normativa UE sulla privacy per l’intero ciclo di vita del sistema che fa uso dell’Intelligenza Artificiale.

Trasparenza: trasparenza significa tracciabilità dei sistemi di Intelligenza Artificiale. Tutti i dati utilizzati, inclusi gli algoritmi, vanno documentati, solo così si potranno capire i motivi per cui, ad esempio, una decisione basata sull’Intelligenza Artificiale è stata presa in modo errato.

Diversità, assenza di discriminazione, correttezza: i sistemi di Intelligenza Artificiale devono prendere in considerazione tutte le capacità e le abilità umane, garantendo l’accessibilità a tutti.

Benessere sociale e ambientale: i sistemi di Intelligenza Artificiale devono essere utilizzati per sostenere cambiamenti ambientali positivi e perseguire obiettivi di sviluppo sostenibile.

Responsabilità: devono essere adottati meccanismi di responsabilità nel riportare i dati e gli algoritmi utilizzati nei sistemi di Intelligenza Artificiale. Questo processo di valutazione consente di minimizzare eventuali impatti negativi.

Ricerca

Il problema complesso dello sviluppare sistemi che esibiscono comportamenti intelligenti è stato affrontato operando una scomposizione in sotto-problemi, ognuno con uno specifico ambito di ricerca. Ogni sotto-problema consiste nello studiare particolari abilità e proprietà che caratterizzano il sistema intelligente.

Relativamente all'ambito di applicazione di un determinato sistema intelligente questo presenterà soluzioni più o meno evolute per ogni sotto-problema.

Intelligenza artificiale forte e debole

Una primaria distinzione in seno alla ricerca nel campo dell'intelligenza artificiale è quella di intelligenza artificiale debole e intelligenza artificiale forte a secondo che vengano riprodotte solo alcune o tutte le funzionalità della mente umana.

Deduzione, ragionamento e problem solving

Inizialmente i ricercatori si concentrarono sullo sviluppo di algoritmi che imitassero fedelmente i ragionamenti impiegati dagli esseri umani per risolvere giochi o realizzare deduzioni logiche in modo da poterli integrare all'interno dei sistemi intelligenti. Tali algoritmi solitamente si basano su una rappresentazione simbolica dello stato del mondo e cercano sequenze di azioni che raggiungano uno stato desiderato. Evoluzioni di questi algoritmi vennero realizzati tenendo in considerazione aspetti più complessi come l'incertezza o l'incompletezza delle informazioni, includendo concetti provenienti dalla probabilità, dalla statistica e dall'economia.

Per difficoltà legate alla complessità intrinseca dei problemi in esame, gli algoritmi per la loro risoluzione possono a volte richiedere enormi risorse computazionali. L'ottimizzazione degli algoritmi ricopre una priorità assoluta all'interno della ricerca in questo ambito.

Rappresentazione della conoscenza

La rappresentazione della conoscenza e l'ingegneria della conoscenza costituiscono contributi centrali per la ricerca nell'ambito dell'intelligenza artificiale.

In particolare, queste discipline si focalizzano su quale tipo di conoscenza è necessario o opportuno integrare all'interno di un sistema intelligente, e sul come rappresentare i diversi tipi di informazione. Fra le cose che un sistema intelligente ha la necessità di rappresentare troviamo frequentemente: oggetti, proprietà, categorie e relazioni fra oggetti, situazioni, eventi, stati, tempo, cause ed effetti, conoscenza posseduta da altri. La rappresentazione e l'ingegneria della conoscenza vengono spesso associate alla disciplina filosofica dell'ontologia.

La conoscenza e la sua rappresentazione sono cruciali soprattutto per quella categoria di sistemi intelligenti che basano il loro comportamento su una estensiva rappresentazione esplicita della conoscenza dell'ambiente in cui operano.

Pianificazione

Per permettere ai sistemi intelligenti di prevedere e rappresentare stati del mondo futuri e per prendere decisioni al fine di raggiungere tali stati massimizzando il valore atteso delle azioni, essi devono essere in grado di definire degli obiettivi e di perseguirli.

Nei problemi classici di pianificazione, un sistema intelligente può assumere di essere l'unica entità a operare nell'ambiente e può essere assolutamente sicuro delle conseguenze di ogni azione compiuta. Se non è l'unico attore nell'ambiente o se l'ambiente non è deterministico un sistema intelligente deve costantemente monitorare il risultato delle proprie azioni e aggiornare le predizioni future e i propri piani.

Apprendimento

L'apprendimento automatico è la disciplina che studia algoritmi capaci di migliorare automaticamente le proprie performance attraverso l'esperienza. È stato un ambito di ricerca cruciale all'interno dell'intelligenza artificiale sin dalla sua nascita.

L'apprendimento automatico è particolarmente importante per lo sviluppo di sistemi intelligenti principalmente per tre motivi:

Gli sviluppatori di un sistema intelligente difficilmente possono prevedere tutte le possibili situazioni in cui il sistema stesso si può trovare a operare, eccetto per contesti estremamente semplici.

Gli sviluppatori di un sistema intelligente difficilmente possono prevedere tutti i possibili cambiamenti dell'ambiente nel tempo.

Un'ampia categoria di problemi può essere risolta più efficacemente ricorrendo a soluzioni che coinvolgono l'apprendimento automatico. Questa categoria di problemi include, ad esempio, il gioco degli scacchi e il riconoscimento degli oggetti.

Elaborazione del linguaggio naturale

La capacità di elaborare il linguaggio naturale fornisce ai sistemi intelligenti la possibilità di leggere e capire il linguaggio utilizzato dagli esseri umani. Questa capacità si dimostra essenziale in tutte le applicazioni dell'intelligenza artificiale che richiedano la ricerca di informazioni, la risposta a domande, la traduzione o l'analisi di testi.

La difficoltà principale di questo processo è l'intrinseca ambiguità che caratterizza i linguaggi naturali, per questo motivo le soluzioni richiedono un'estesa conoscenza del mondo e una notevole abilità nel manipolarlo.

Movimento e manipolazione

La robotica è una disciplina strettamente correlata con l'intelligenza artificiale. I robot possono essere considerati sistemi intelligenti per tutti quei compiti che richiedono capacità di livello cognitivo per la manipolazione o lo spostamento di oggetti e per la locomozione, con i sotto-problemi della localizzazione (determinare la propria posizione e quella di altre entità nello spazio), della costruzione di mappe (apprendere le caratteristiche dello spazio circostante), e della pianificazione ed esecuzione dei movimenti.

Metodi

Agente intelligente

Il concetto di agente intelligente (o agente razionale) è centrale in molti degli approcci più comuni all'intelligenza artificiale.

Un agente è un'entità in grado di percepire l'ambiente attraverso l'utilizzo di sensori e in grado di agire sull'ambiente attraverso l'utilizzo di attuatori. Ogni agente è quindi associato a una sequenza di percezioni, intesa come la cronologia completa di tutti i rilevamenti effettuati da ciascun sensore, e a una funzione agente, che specifica il comportamento dell'agente associando a ogni sequenza di percezioni un'azione da compiere.

Definita misura della performance una funzione che associa a ogni stato (o sequenza di stati) dell'ambiente un valore di utilità, un agente è intelligente (o razionale) se per ogni possibile sequenza di percezioni la sua funzione agente lo porta a compiere sempre l'azione che massimizza il valore atteso della misura della performance, data la sua conoscenza definita dalla sequenza di percezioni stessa e dalla conoscenza integrata nell'agente.

Esistono metodologie differenti per l'implementazione concreta della funzione agente, ciascuna più o meno adatta al tipo di ambiente in cui è posto l’agente.

Agenti reattivi semplici

Questa categoria di agenti seleziona l'azione da compiere sulla base della percezione corrente, ignorando completamente la cronologia delle percezioni.

Agenti basati su modello

Questa categoria di agenti è caratterizzata dal mantenere uno stato interno che dipende dalla cronologia delle percezioni e contemporaneamente riflette alcuni degli aspetti dell'ambiente non osservati.

L'aggiornamento dello stato richiede due tipi di conoscenza:

dei modelli che descrivono l'evoluzione dell'ambiente indipendentemente dalle azioni compiute dall'agente,

dei modelli che descrivono l'effetto delle azioni dell'agente sull’ambiente.

Agenti basati su obiettivi

In molte applicazioni, tenere traccia dello stato attuale dell'ambiente non è sufficiente per determinare le azioni da compiere, ma l'agente necessita di informazioni che rappresentano situazioni desiderabili, che prendono il nome di obiettivi, o goal. Questo tipo di agenti intelligenti è quello in cui maggiormente vengono impiegati i concetti di pianificazione e ricerca per problem solving.

Agenti basati su utilità

Il concetto di goal da solo non è sufficiente per ottenere dei comportamenti qualitativamente elevati in molte applicazioni, poiché l'informazione contenuta può essere utilizzata esclusivamente per distinguere gli stati desiderabili dagli stati non desiderabili. Attraverso il concetto di utilità è invece possibile caratterizzare in maniera precisa ogni stato, determinando quanto ogni stato è utile al fine del buon comportamento dell’agente.

Applicazioni

L'intelligenza artificiale è stata impiegata in un'ampia varietà di campi e applicazioni come la medicina, il mercato azionario, la robotica, la legge, la ricerca scientifica e perfino i giocattoli. In alcune applicazioni, l'intelligenza artificiale si è radicata a tal punto all'interno della società o dell'industria da non essere più percepita come intelligenza artificiale.

Anche nel campo dell'informatica stessa, molte soluzioni sviluppate originariamente per rispondere a problemi o necessità dell'intelligenza artificiale sono state adottate da altre discipline e non vengono più considerate parte dell'intelligenza artificiale. In particolare: time-sharing, interprete (informatica), interfaccia grafica, mouse, la struttura dati lista concatenata, la programmazione funzionale, la programmazione simbolica, la programmazione dinamica e la programmazione orientata agli oggetti.

Il primo utilizzo dell'intelligenza artificiale nelle banche è datato 1987 quando la Security Pacific National Bank negli USA organizzò una task force per la prevenzione delle frodi legate all'utilizzo non autorizzato delle carte di credito. Attualmente, e non solo in ambito bancario, le reti neurali vengono utilizzate per identificare fenomeni non riconducibili a un comportamento nominale e che richiedono un intervento umano.

Le reti neurali sono anche largamente impiegate per supportare le diagnosi mediche, e molte altre applicazioni sono attualmente in sviluppo, come ad esempio:

• Interpretazione delle immagini mediche.
• Analisi del suono del cuore.
• Diagnosi del cancro.
• Creazione di medicine.
• Robot di accompagnamento per gli anziani.

L'intelligenza artificiale è largamente utilizzata per la realizzazione di assistenti automatici online principalmente dalle compagnie telefoniche e di telecomunicazione, con l'intento di ridurre i costi di assunzione e formazione del personale.

Anche nell'ambito dei trasporti l'utilizzo dell'intelligenza artificiale sta aumentando rapidamente. Applicazioni della logica fuzzy sono state impiegate nella realizzazione di cambi di velocità per le automobili. Le automobili a guida autonoma sviluppate da Google e Tesla fanno largamente uso di tecniche di intelligenza artificiale.

L’intelligenza artificiale viene anche impiegata nel campo della videosorveglianza. Gli algoritmi consentono il riconoscimento degli oggetti presenti nella scena al fine di generare allarmi.

Ultimo, ma non per importanza, è l'applicazione di reti neurali complesse nella generazione di testi, o meglio, nella trasformazione di un input generalmente testuale in un output anch'esso espresso in caratteri. In particolar modo negli ultimi anni, OpenAI ha rilasciato numerose versioni del suo "modello" denominato GPT, il quale ha riscontrato notevole successo e scalpore. Attraverso questo modello basato su una particolare rete neurale, è stato possibile generare dei racconti, riassumere automaticamente dei testi, tradurre in maniera sempre più precisa da una lingua all'altra. Attraverso questa disciplina le applicazioni sono le più disparate, tra cui, degno di nota e a forte impatto sociale, quello riguardo al binomio giornalismo e scrittura. Il Washington Post ad esempio, gìà nel 2017 dichiarò di aver pubblicato in un anno 850 news elaborate da un'intelligenza artificiale. Storykube sfrutta l'intelligenza artificiale a supporto della stesura di news e loro fact-checking. E infine il giornale canadese The Globe and Mail, interamente diretto da una intelligenza artificiale.

Il mercato dell'intelligenza artificiale in Italia

Il mercato italiano dell'intelligenza artificiale si presenta ancora agli albori, ma le prospettive per il futuro sono positive: nel 2018 ha raggiunto un valore di 85 milioni di euro, una cifra che fa riferimento agli investimenti nello sviluppo e nell'implementazione di progetti come:

• sviluppo di algoritmi di IA;
• hardware per l’immagazzinamento e l’elaborazione di dati;
• software per la gestione dei dati;
• servizi di integrazione e personalizzazione.

Per capire il valore dell’intelligenza artificiale nel contesto tecnologico italiano, è sufficiente notare come si intreccia con altre tendenze digitali come la Cloud Transformation e l’Internet of Things. Il primo rende scalabile l’infrastruttura necessaria alla raccolta ed elaborazione dei dati, mentre il secondo crea dispositivi e sensori utili non solo per la raccolta dati ma anche per veicolare servizi basati sull’IA.

Il significato di IA per le aziende italiane

I media e le aziende stanno rivolgendo sempre più l'attenzione verso il tema dell'intelligenza artificiale, ma questo talvolta comporta una visione poco chiara su questa tecnologia. Infatti, spesso le aziende ritengono che si tratti di una soluzione in grado di replicare completamente l’intelligenza umana, ma questa definizione, che si rifà all'approccio dell'intelligenza artificiale forte, ha poco a che fare con le applicazioni effettive di questa disciplina. D'altra parte, le aziende con una maggiore consapevolezza sul tema, ritengono che l'IA si definisca come un insieme di sistemi dotati di capacità tipiche degli esseri umani.

Intelligenza Artificiale e disoccupazione

Un grande problema economico legato all'implementazione di intelligenze artificiali nel mondo del lavoro è la disoccupazione che essa inevitabilmente provoca. Sempre più persone infatti perdono il lavoro perché un'IA li ha sostituiti. Per risolvere questo problema serve un reddito di base che renda non più necessario lavorare per vivere.

Il futuro dell'intelligenza artificiale in Italia

Benché le aziende italiane nel complesso non abbiano ancora una visione omogenea sul tema, si individuano già aree di sviluppo particolarmente interessanti: gli Smart home speaker sono assistenti vocali intelligenti in grado di gestire oggetti intelligenti presenti in casa. Sono stati introdotti di recente, ma il loro mercato in Italia vale già 60 milioni di euro e il valore sembra destinato a crescere: in un futuro non troppo lontano, questi assistenti potrebbero fungere da canale con cui veicolare servizi e applicazioni legate al mondo dell’AI, creando nuove opportunità di sviluppo per le aziende del settore.

Robot intelligenti

A questa categoria appartengono i collaborative robot e gli AGV (Automated Guided Vehicle). I primi collaborano con un operatore umano e sono in grado di adattare il proprio comportamento agli stimoli esterni, mentre i secondi si adattano all’ambiente esterno muovendosi in autonomia, senza il supporto di guide fisiche o percorsi predeterminati.

Tutor Intelligenti

A questa categoria appartengono gli avatar degli Edugames oppure dei robot che all'interno dei musei, e altri luoghi dell'apprendimento, guidano i discenti-visitatori e fungere dai docenti-educatori artificiali.

L’US Air Force ha utilizzato un copilota AI su un U-2. Ora, l'algoritmo ha una nuova missione.

La guerra metterà presto uomini e macchine l'uno contro l’altro e gli Stati Uniti vogliono essere pronti.

Il mese scorso, l' USAF ha pilotato con successo un copilota AI su un aereo spia U-2 in California, segnando la prima volta che l’AI ha controllato un sistema militare statunitense. Il copilota computerizzato dell'U-2, chiamato affettuosamente Artuµ, ha ricordato ai più le scene di Star Wars con una cabina di pilotaggio vicino a te. Ma l'ortografia strana era un cenno a qualcosa che non proviene da una galassia molto, molto lontana: l'algoritmo µZero sviluppato da DeepMind.

Progettato per dominare giochi come scacchi e Go, l’Us Air Force ha utilizzato questo algoritmo commerciale per far funzionare il radar dell'aereo spia in meno di cinque settimane. Dopo un milione di missioni simulate, Artuµ non era un tipico aviatore durante il suo primo volo al 9° Stormo di ricognizione: era il comandante della missione. I risultati sono stati così promettenti che abbiamo aggiunto la guerra elettronica al prossimo incarico di Artuµ: un ruolo che probabilmente vedrà missioni nel mondo reale nel prossimo futuro. Il vero R2-D2 racchiudeva anche alcune difese elettroniche segrete.

È davvero iniziata un'era di guerra algoritmica. E per quanto spaventoso possa sembrare, si sta svolgendo su un campo di battaglia molto più ampio la cui "arma", tra tutte le cose, è la tecnologia commerciale e le società di avvio.

Guerra ludica

Per comprendere quella campagna più ampia, aiuta a rimpicciolire questo particolare fronte dell'IA e scoprire come una startup ha contribuito a farla sviluppare ulteriormente.

Che si giocassero su schede o computer, i giochi erano candidati perfetti per sviluppare l'apprendimento o il processo mediante il quale l'intelligenza artificiale intuisce le regole, i premi e le penalità di sistemi sconosciuti attraverso tentativi ed errori su larga scala. Come nuova startup nel 2010, DeepMind si è fatta le ossa addestrando l'intelligenza artificiale a giocare ai videogiochi della vecchia scuola senza accedere al codice sottostante. Entro il 2013, la sua intelligenza artificiale ha sconfitto gli umani a Pong ed entro il 2020, tutti gli umani in qualsiasi gioco Atari.

Ma il coronamento di DeepMind è arrivato nel 2016 quando AlphaGo, il grande-grande-algoritmo di µZero, ha detronizzato il campione del mondo Go in carica e ha posto fine alla preminenza umana nei giochi di strategia, un vero momento "Sputnik" per i giochi, l'informatica e i futuristi militari.

La guerra ludica per le applicazioni informatiche non è una novità. Franchising come Call of Duty, ad esempio, fanno un gioco di parole. Le operazioni di ricognizione dell'U-2 non sono diverse: trovare bersagli nemici è la ricompensa, obiettivi mancanti, o peggio, essere abbattuti, è la penalità e la fisica è essenzialmente la regola. Ma per comprendere questo "gioco", Artuµ ha dovuto imparare tutto nel modo più duro, comprese anche le tattiche di base che nessun essere umano avrebbe provato, come aspettarsi che le difese aeree nemiche abbattessero anche gli aerei nemici. Non lo fanno. Lezione imparata. Ripetere.

Ma giocare contro una simulazione porta le lezioni di Artuµ solo fino a un certo punto. Per ottenere tattiche di apprendimento profondo oltre l'umano, proprio come ha fatto la famiglia µZero per i giochi di strategia, abbiamo bisogno che Artuµ giochi contro se stesso. Tuttavia, a differenza del lato opposto di un gioco da tavolo, un'operazione militare opposta, come negare la ricognizione durante un attacco missilistico simulato, necessita di un algoritmo di addestramento unico per il suo schema di ricompensa-penalità unico. Di conseguenza, non avevamo nessun “nemico Artuµ” (o C2-B5 per i fan di Star Wars) contro cui allenarci per il primo volo di Artuµ.

Quindi, per rendere operativa la guerra elettronica, quella che Winston Churchill ha soprannominato la "guerra dei maghi”, si sta giocando e creando quell'alter ego C2-B5 nel nostro FedLab U-2.

Successivamente, verranno completate milioni di sessioni di auto-allenamento per insegnare ad Artuµ/Cetuµ sia il lato buono (sensing) che il lato oscuro (jamming) dell'uso della Forza (elettromagnetica), sebbene entrambi siano intrinsecamente buoni per gli scopi militari. Dopo aver imparato le tecniche magiche di base, ci aspettiamo che segua una magia Jedi più profonda, un livello già impostato nella seconda guerra mondiale. Oltre a contrastare numerose incursioni di bombardieri della Luftwaffe, falsi segnali di navigazione hanno fatto atterrare per errore un bombardiere in un aeroporto alleato!

Data la moderna dipendenza militare dallo spettro elettromagnetico - dalla posizione, navigazione e tempistica al rilevamento e alle comunicazioni - la magia "profonda" appresa con le macchine dovrebbe presto essere all'altezza del soprannome di Churchill.

Man mano che Artuµ e la futura IA si uniscono ai controlli dei sistemi militari, ci si aspetta che le tattiche profonde diventino sempre più critiche per il successo in combattimento, specialmente contro l'IA avversaria. Tuttavia, a differenza dei giochi da tavolo, la guerra futura metterà squadre di esseri umani e macchine l'una contro l'altra, dove poche mosse, inclusi i trucchi mentali algoritmici paralizzanti dell'intelligenza artificiale, sono vietati. Il successo sul campo di battaglia richiederà la riduzione al minimo dei punti deboli a base di carbonio e silicio in modo che possa emergere una vera sinergia di punti di forza.

L'innovazione è il nuovo campo di battaglia

La storia potrebbe facilmente finire qui: la guerra algoritmica come il nuovo campo di battaglia e l'intelligenza artificiale, le nuove armi. Ma le scoperte di armi del passato, come i satelliti, la microelettronica e lo stesso Internet, sono state create quasi esclusivamente per l'esercito americano a costi proibitivi per la maggior parte delle nazioni, per non parlare delle aziende. Ora, anche le startup possono rivaleggiare con capacità un tempo di livello militare e scalare una volta che erano fantascientifiche.

La famiglia µZero è più di un momento Sputnik per l'IA fantascientifica. È ugualmente - e probabilmente, cosa più importante - che una svolta vincente non sia stata sviluppata in un laboratorio governativo, in una base industriale della difesa o in un contratto governativo. È successo grazie a una startup tecnologica commerciale con una grande idea che è stata scalata per realizzarla.

DeepMind non è solo, né l'intelligenza artificiale è l'unico fronte tecnologico vincente. Altre tecnologie commerciali - autonomia, macchine quantistiche, spazio e biologia sintetica, solo per citarne alcune - continuano a crescere grazie ai grandi investimenti privati e all'ampia partecipazione di startup. Indipendentemente dalla prossima svolta tecnologica, il combattimento futuro avrà senza dubbio un dominio ".com".

Con l'innovazione globale che rende difficile prevedere la guerra futura, l'innovazione stessa è il nuovo campo di battaglia, combattuto ogni giorno in ogni classe, laboratorio, azienda e nazione. Su questo campo di battaglia, la costruzione di eserciti leader a livello mondiale è ancora importante, ma utilizzarli per catalizzare basi di innovazione leader a livello mondiale, in grado di innescare sia la difesa futura che le rivoluzioni industriali, è molto più importante.

Vincere la corsa al mercato per tutti i tipi di tecnologia, compresi quelli commerciali, diventa un imperativo per la sicurezza nazionale. Come ha fatto Han Solo, sparare per primo è il modo sicuro per combattere un altro giorno sul campo di battaglia dell’innovazione.

Ma l'innovazione commerciale è stata storicamente un fallimento ".mil". Mentre negli ultimi decenni si è assistito a un'incredibile innovazione commerciale, il Pentagono sedeva relativamente senza vita, incatenato dalle abitudini della Guerra Fredda che ostacolano l'agilità. Come la lenta risposta di Xerox ai personal computer, Sears all'e-commerce o Blockbuster allo streaming video, i nostri militari potrebbero facilmente affrontare il barile delle tecnologie future, anziché i mirini, a meno che non ci svegliamo ora. Altrimenti, non c'è alcuna garanzia che la prossima svolta alla Artuµ volerà per prima in una cabina di pilotaggio statunitense.

E non è in gioco solo il futuro potere militare. Queste stesse tecnologie commerciali rivoluzionarie stanno influenzando parti del globo in modi un tempo immaginati da Orwell o dal distopico Black Mirror di Netflix. Garantire che la nuova tecnologia consenta la libertà di idee, mercati ed elezioni, e non il controllo inflessibile ricercato dai governi perpetui, è un ideale condiviso da molti. Ma con il controllo dei governi del "sistema chiuso" che ungono, appoggiano completamente e persino rubano i progetti per le proprie aziende, come possono gli innovatori del mondo libero competere su un piano di livello?

Sebbene sia un'importante questione nazionale, ci sono molti modi in cui le forze aeree e spaziali possono aiutare a livellare il campo di battaglia dell'innovazione. Il finanziamento statunitense è significativo, stabile, non diluitivo e paziente per i ritorni. Il mercato militare USA da $ 160 miliardi all'anno può permettersi ingressi più facili e casi aziendali che generano entrate in precedenza. E con quasi $ 1 miliardo dedicato ogni anno a startup e scaleup, il braccio di investimento AFWERX è ora uno dei più grandi potenziali "investitori" in fase iniziale negli Stati Uniti

In soli due anni, AFWERX ha collaborato con oltre 2.300 aziende tecnologiche, per metà nuove nel lavoro del governo, e ha completato con successo le prime collaborazioni di venture capital del Pentagono, abbinando oltre $ 2 miliardi di investimenti privati a oltre $ 600 milioni di fondi governativi non diluitivi.

Un esempio emblematico, il programma Agility Prime "auto volante", ha recentemente certificato i primi veicoli per missioni militari con altre 16 aziende all'inseguimento, accelerando questo mercato emergente per usi militari e commerciali. Scalare questo tipo di partnership militare tra i settori della tecnologia commerciale è esattamente come potrebbe apparire vincere sul campo di battaglia dell'innovazione.

Con così tanti vantaggi e alcuni primi successi, la storica scarsità di "unicorni della difesa" indica quanto sia diventato pericolosamente isolato dal punto di vista tecnologico il Pentagono. Con la base industriale della difesa che continua a crollare - e l'80% della ricerca e sviluppo ora commerciale - se i futuri DeepMinds non vedono come un partner di innovazione in anticipo, i futuri Artuµs diventano una pericolosa questione di casualità, se mai accadono.

Nel frattempo, la prossima guerra mondiale viene combattuta ogni giorno: non una calda che richiede un numero romano, né una fredda contro un concorrente economicamente isolato, ma una competizione tecnologica che potrebbe radunaci alla vittoria: sembra proprio il tipo di strategia profonda che µZero e Artuµ riuscirebbero a escogitare.

(Web, Google, Wikipedia, Popularmechanics, You Tube)

 

L'italiana AVIO per il nuovo vettore a metano "Vega E (Evolution)"

L’AD di Avio Giulio Ranzo ed il Direttore del trasporto spaziale dell’Agenzia Spaziale Europea Daniel Neuenschwander hanno sottoscritto un contratto del valore di 118,8 milioni di € per lo sviluppo del lanciatore spaziale Vega dopo il 2025. 

Ciò rende possibile lo sviluppo per il 2022 del lanciatore Vega E (Evolution), una versione migliorata e più potente del Vega C. 

Il nuovo lanciatore consentirà di aumentare ulteriormente: 

• prestazioni, 
• flessibilità 
• e competitività 

del programma Vega grazie ad un forte aumento del carico utile ed alla flessibilità della missione, con la riduzione dei costi di missione anche grazie all’utilizzo di componenti del Vega C.

E’ previsto lo sviluppo di un nuovo motore criogenico per il terzo stadio M10 azionato tramite ossigeno liquido e metano; ciò contribuirà a migliorare l’impronta ambientale del lanciatore grazie alla riduzione delle emissioni e dei residui di combustione. 

Il nuovo vettore Vega-E avrà tre stadi (il Vega-C ne ha quattro): due saranno derivati dal Vega-C: 

• il motore a razzo solido P120C garantirà la spinta al momento del lancio; 
• lo Zefiro-40 allo stato solido sarà il secondo;
• il terzo, quello nuovo, sarà lo stadio superiore criogenico a ossigeno-metano liquido, che, come detto, sarà il fulcro del nuovo Vega-E.

Il lanciatore Vega Evolution

Già a partire dal 2004 fu proposto con il programma "LYRA" lo sviluppo di una versione evoluta del lanciatore che prevedeva un terzo stadio a propellenti liquidi (ossigeno-metano) in sostituzione del terzo e quarto stadio della configurazione iniziale con l'obiettivo di incrementare del 30% le prestazioni del vettore senza impatti significativi sul prezzo del lancio. Una volta definita la versione "consolidata" (Vega C), fu proposta una successiva "evoluzione" (Vega E) con l'obbiettivo di sfruttare al meglio le esperienze ottenute durante il programma di sviluppo Vega utilizzando motori già disponibili o in via di sviluppo come l'inedito stadio superiore a metano ed ossigeno liquido. 

Per la realizzazione dopo il 2024, saranno introdotte nuove metodologie produttive quali la stampa 3D e sarà aggiornato il sistema di controllo di assetto con nuovi motori a perossido di idrogeno e nuova avionica. Il 13 novembre 2018 è stata completata con successo la prima prova al banco del prototipo in scala del motore M10 del VUS presso gli stabilimenti Avio di Colleferro.

Durante la fase di valutazione preliminare del sistema di lancio sono emerse due configurazioni principali. La prima (VEGA–E light) è un lanciatore bi-stadio con un carico utile di 400 kg verso l'orbita bassa ed è costituito dal Z40 (attuale secondo stadio del Vega C) e dal VUS. L'altra (VEGA-E heavy) ha prestazioni simili al Vega C ed è composta dal P120C al primo stadio, lo Z40 al secondo ed il VUS come stadio superiore.

Avio è un’azienda aerospaziale italiana che opera nel settore dei lanciatori e della propulsione applicata a sistemi di lancio, missili e satelliti. Svolge attività di:

• progettazione, sviluppo e produzione di lanciatori spaziali (il Vega nelle sue versioni base e potenziate C e E);
• sistemi propulsivi a propellente solido e liquido per lanciatori spaziali (Ariane 5 e Ariane 6);
• sistemi propulsivi a propellente solido per missili tattici (Aster 30, Aspide, Marte e Camm-ER);
• sistemi propulsivi a propellente liquido per satelliti;
• ricerca e sviluppo.

Occupa direttamente in Italia e all’estero più di 800 persone altamente qualificate e per il 15% impiegate in attività di Ricerca e Sviluppo.
In Italia è presente, con oltre 700 persone, nella sede operativa principale di Colleferro (Roma) e in altri insediamenti in Campania e Piemonte; ulteriori sedi operative sono presenti all’estero, in Francia (metropolitana e Guyana Francese).

LANCIATORE VEGA

Vega è un lanciatore spaziale progettato e realizzato per il posizionamento di satelliti in orbita bassa.

Avio ha progettato e sviluppato Vega ed è Primo Contraente per Ariane-space, il più grande operatore di servizi di lancio. Sette nazioni europee partecipano allo sviluppo del Vega, in Italia se ne realizza il 65%. Avio ha sviluppato e produce i motori a propellente solido dei primi 3 stadi del lanciatore e il modulo propulsivo a liquido del quarto.

Avio riveste, inoltre, il ruolo di Primo Contraente per la nuova generazione della famiglia dei lanciatori:

• Vega C, il cui lancio di qualifica è programmato per metà 2019;
• Vega E, per il quale sono iniziate le attività di studio preliminare.

Per questi ultimi Avio sviluppa, e successivamente produrrà, l’intero sistema di lancio, il nuovo secondo stadio (basato sul nuovo motore Z40) e, per quel che riguarda il Vega E, lo stadio superiore criogenico ad ossigeno liquido-metano. Continuerà inoltre a produrre i componenti comuni con la versione attuale del Vega.

Infine, attraverso la joint venture Europropulsion con Ariane Group, è responsabile dello sviluppo del nuovo motore a propellente solido P120C, cuore del primo stadio per i nuovi Vega.

LANCIATORI ARIANE 5 E ARIANE 6

Ariane 5 è un lanciatore spaziale progettato e realizzato per il posizionamento di satelliti in orbita di trasferimento geostazionaria, in cui ASL ricopre il ruolo di Prime Contractor. Avio opera in qualità di sotto-contraente avendo sviluppato e producendo la turbo-pompa ad ossigeno liquido (LOX) per il motore Vulcain 2 e, attraverso la joint venture Europropulsion con ASL, il motore a propellente solido P230.

Ariane 6 sarà il successore di Ariane 5 e Avio opera in qualità di sotto-contraente per il lanciatore il cui volo di qualifica è previsto per il 2020; per Ariane 6 Avio sta sviluppando e successivamente produrrà sia il motore a propellente solido P120C (comune al primo stadio di Vega C), sia la turbopompa ad ossigeno liquido per il motore Vinci, oltre a continuare la produzione della turbopompa ad ossigeno liquido per il motore Vulcain 2.

SISTEMI PROPULSIVI A PROPELLENTE SOLIDO PER MISSILI TATTICI

Avio è sotto-contraente di MBDA per la progettazione, sviluppo e produzione di motori a propellente solido, motori di crociera e sensori/sistemi di guida per Aster 30, un sistema missilistico avanzato ad altissime prestazioni di difesa terra-aria. Sviluppa e realizza, inoltre, la propulsione per i missili Aspide e Marte ed ha recentemente iniziato lo sviluppo del motore per il missile antiaereo Camm-ER a gittata estesa e ad altissime prestazioni che equipaggerà i futuri sistemi di difesa terrestre, marittima e aerea.

SISTEMI PROPULSIVI A PROPELLENTE LIQUIDO PER SATELLITI

Dal 1984, Avio ha sviluppato e prodotto più di 15 sistemi propulsivi a propellenti liquidi per satelliti. Sono attualmente in corso le operazioni di preparazione al lancio di due nuovi satelliti ESA dotati di propulsione a liquido Avio.

RICERCA E SVILUPPO

Avio considera da sempre la ricerca e lo sviluppo indispensabili per la competitività, l’efficienza e la sostenibilità nel tempo del proprio sistema imprenditoriale e dei propri prodotti. Per questo investe in modo significativo in ricerca di base e sviluppo pre-competitivo su materiali, tecnologie innovative, nuovi prodotti e applicazioni. È il caso dei materiali e strutture in composito ad alte prestazioni, dei nuovi propellenti verdi, delle applicazioni orbitali.

Il missile “Vega”, acronimo di Vettore Europeo di Generazione Avanzata, è un vettore operativo in uso dalla Arianespace, sviluppato in collaborazione dall'Agenzia Spaziale Italiana (ASI) e l'Agenzia Spaziale Europea (ESA) per il lancio in orbita di piccoli satelliti (300 – 1500 kg).

Il Vega, che prende il nome dall'omonima stella della costellazione Lyra, è un vettore a corpo unico, senza booster laterali, con tre stadi a propellente solido P80, Zefiro 23, Zefiro 9 e uno stadio per le manovre orbitali a propellente liquido, l'AVUM.

Sviluppatori

Lo sviluppo tecnico è stato affidato all'italiana ELV, una società partecipata al 70% dall'Avio e al 30% dall'ASI. Il concetto iniziale di partenza del progetto del lanciatore, conosciuto in un primo tempo semplicemente come "Zefiro" dal nome del modello unico di propulsore previsto nella configurazione originaria, era stato presentato dall'allora BPD Difesa Spazio all'ASI, nel 1988, quale successore del vettore Scout (utilizzato dal programma "Progetto San Marco") di cui si prospettava, ormai, una prossima cessazione della produzione. Il progetto definitivo Vega è stato avviato nel 1998 con l'approvazione finale da parte dell'Agenzia Spaziale Europea. L'Italia è il maggior finanziatore e sviluppatore del programma con una quota del 65%, seguono la Francia (12,43%), il Belgio (5,63%), la Spagna (5%), i Paesi Bassi (3,5%) e infine con quote marginali la Svizzera (1,34%) e la Svezia(0,8%).

Caratteristiche

Il razzo è progettato per il trasporto in orbita di piccoli carichi, tra i 300 e i 1500 kg, in orbite basse o polari, in particolar modo eliosincrone. Una caratteristica particolare e molto apprezzata è la possibilità di trasportare due o tre piccoli carichi contemporaneamente e posizionarli correttamente su orbite diverse, capacità non comune nei lanciatori di così piccole dimensioni.

Il lanciatore è formato da un corpo singolo a quattro stadi, alto circa 30 metri, con un diametro massimo di circa 3 metri e con un peso al decollo di 137 tonnellate. A differenza di molti altri vettori, il Vega è stato costruito in fibra di carbonio.

I 4 stadi del lanciatore

P80

Il primo stadio di Vega in ordine di accensione, detto P80 è il più grande e più potente propulsore a propellente solido monoblocco del mondo. Questo programma è stato guidato dal Centre national d'études spatiales (CNES) di Évry ed è stato finanziato da Francia (66%), Belgio, Paesi Bassi e Italia. Oltre a realizzare il primo stadio di Vega, il progetto P80 puntava anche a sviluppare nuove tecnologie utili per i futuri sviluppi della serie Ariane. La progettazione dello stadio è stata affidata all'italiana Avio (motore) e alla italo-francese Europropulsion (integrazione), oltre a commesse minori alla belga SABCA (sistema di controllo), alla francese Snecma (ugello di scarico) e all'olandese Stork B.V. (sistema di accensione).

Lo stadio è alto 11,20 metri, ha un diametro di 3 metri e un peso di 96,263 tonnellate, di cui 87,710 di propellente. La spinta prodotta dal motore, equivalente a 3 015 kN, viene fornita per 109,9 secondi.

Il P80 è stato sottoposto a due test di accensione, il primo si è svolto a Kourou il 30 novembre 2006 e si è concluso con successo: il motore ha fornito un comportamento molto simile alle previsioni.

Lo sviluppo del progetto si è quindi concluso con una seconda prova di accensione a Kourou il 4 dicembre 2007, durante la quale è stato utilizzato un nuovo ugello orientabile. Il motore ha generato una spinta in linea con le aspettative, permettendo allo stadio di essere dichiarato pronto per i voli.

Zefiro 23 e Zefiro 9

ZEFIRO = ZEro FIrst stage ROcket motor deriva dalla configurazione originaria del VEGA che prevedeva due Zefiri uguali per i primi due stadi del Lanciatore detti stadio zero e primo stadio.

Lo Zefiro 23 e lo Zefiro 9, dove il numero rappresenta il peso in tonnellate previsto all'inizio della progettazione, sono rispettivamente il secondo e il terzo stadio di Vega. Sono stati sviluppati, costruiti e testati da Avio, con la collaborazione della SABCA per il sistema di controllo.

Lo Zefiro 23 è stato sottoposto a due prove di accensione presso il poligono del Salto di Quirra, la prima il 26 giugno 2006, la seconda il 27 marzo 2008. Entrambe si sono svolte con successo e lo Zefiro 23 è stato dichiarato abilitato al volo.

Anche lo Zefiro 9 è stato sottoposto a due prove di accensione al Salto di Quirra. La prima, svoltasi il 20 dicembre 2005 si è risolta in un pieno successo; al contrario durante la seconda, del 27 marzo 2008, che seguiva un lavoro di revisione sulla base dei dati del primo test, il motore ha mostrato un calo anomalo della pressione interna.

L'insuccesso ha provocato un ritardo nello sviluppo del lanciatore, tuttavia il 23 ottobre 2008, in occasione di un nuovo test, il motore ha mostrato prestazioni soddisfacenti, anche grazie ad un nuovo ugello e una maggiore quantità di propellente.

AVUM

Il quarto stadio, denominato Attitude and Vernier Upper Module, ospita il motore responsabile dell'inserimento finale in orbita del carico. Al contrario degli stadi precedenti, che utilizzano propellente solido, il quarto stadio utilizza un propellente liquido, costituito da dimetilidrazina asimmetrica (UDMH) e tetraossido di diazoto come comburente. La regolazione dell'orientamento del modulo è attuata tramite un sistema che fa uso di idrazina. Al di sopra del sistema propulsivo si trova un modulo che ospita i componenti principali dell'avionica del lanciatore.

Lo stadio è alto 2,04 metri, ha un diametro di 2,18 metri e un peso di 1265 chilogrammi, di cui fino a 577 di propellente. La spinta fornita dal motore per 667 secondi equivale a 2,45 kN.

Il modulo è di tecnologia e produzione ucraina e spagnola: il motore è sviluppato dall'azienda Yuzhnoye mentre una controllata spagnola di EADS è responsabile della struttura e della scocca. In passato si è discusso riguardo alla possibilità di sostituire il motore ucraino con uno tedesco in modo da rendere il modulo una produzione totale europea.

Copertura del carico

La copertura del carico, il cosiddetto payload fairing, è stato progettato e prodotto dalla svizzera RUAG Space. Ha un diametro di 2,6 metri, un'altezza di 7,88 metri e una massa di 540 kg.

Lanci

Test di qualifica

Il 26 giugno 2006 è stata portata a termine, presso il Poligono Sperimentale e di Addestramento Interforze di Quirra (Sardegna), la prova di accensione dei motori del secondo stadio Zefiro 23, che ha permesso di raccogliere fondamentali informazioni sulle caratteristiche dello stadio: variazioni di pressione, temperatura e velocità di combustione, profilo di spinta, controllo dell'orientamento della spinta tramite gli attuatori elettromeccanici che azionano l'ugello. I parametri raccolti hanno decretato il pieno successo della prova.

Il 30 novembre 2006 si è svolta con successo presso il centro spaziale della Guyana francese la prova di accensione dei motori del primo stadio P80 del lanciatore. Il 5 dicembre 2007 la versione definitiva del motore P80 è stata collaudata con successo nel centro spaziale di Kourou nella Guiana Francese.

Primo lancio

Il primo volo di Vega, codice volo VV01, inizialmente previsto per il novembre del 2010, è avvenuto il 13 febbraio 2012 dal Centre spatial guyanais di Kourou, portando in orbita nove satelliti, fra cui gli italiani LARES acronimo di LAser Relativity Satellite (satellite ideato per misurare, con una precisione dell'1%, l'effetto Lense-Thirring della relatività generale), costruito con la collaborazione dell'Università La Sapienza, e ALMASat-1, costruito nel polo ingegneristico di Forlì dell'Università di Bologna.

Programma VERTA

Dopo il primo volo l'Agenzia Spaziale Europea aveva previsto cinque lanci, come parte del programma VERTA (VEga Research and Technology Accompaniment) volto a convincere i potenziali utenti della validità del vettore. Durante questi voli, VEGA ha portato in orbita quattro satelliti dell'Agenzia Spaziale Europea: Proba-V (osservazione della Terra), ADM-Aeolus (studio dell'atmosfera), LISA Pathfinder (studio delle onde gravitazionali) e l'Intermediate Experimental Vehicle (IXV). Insieme ai carichi principali sono stati lanciati anche nanosatelliti a scopi didattici come e-st@r del Politecnico di Torino. Il programma VERTA prevedeva una frequenza minima di due lanci per anno, con l'obiettivo di dimostrare le potenzialità di VEGA per lo sfruttamento commerciale e si è concluso con il lancio del dimostratore LISA Pathfinder.

Secondo lancio

Il secondo lancio (primo lancio del programma VERTA), codice volo VV02, è stato effettuato alle 4 (ora italiana) del 7 maggio 2013, trasportando in orbita il satellite Proba-V dell'ESA, in grado di eseguire un rilievo globale della vegetazione, il primo satellite estone, l'ESTCube-1, e un satellite vietnamita il VNREDSAT.

Terzo lancio

Il 30 aprile 2014 alle ore 3.35 (ora italiana) è avvenuto il terzo lancio del vettore, il primo lancio esclusivamente commerciale. Il lancio è avvenuto dalla piattaforma numero 1 del Centre spatial guyanais a Kourou nella Guyana Francese, la stessa usata per i razzi Ariane 1. Con questo lancio si è messo in orbita un satellite, il KazEOSat-1, del peso complessivo di 900 kg che fornirà immagini multispettrali ed in pancromia ad alta risoluzione dell'intero pianeta, che verranno utilizzate per il monitoraggio e la mappatura del pianeta, il supporto alla gestione delle catastrofi naturali e la pura sorveglianza del territorio.

Quarto lancio

Il quarto lancio è avvenuto regolarmente l'11 febbraio 2015 e ha portato in una traiettoria sub-orbitale il veicolo sperimentale europeo IXV. Durante il volo, il quarto stadio AVUM è entrato brevemente in orbita e poi ha eseguito una manovra di de-orbiting come pianificato.

Quinto lancio

Il quinto lancio (il primo del lotto della fornitura Arianespace-ELV) è avvenuto il 23 giugno 2015 alle 3:51 ora italiana dalla base di Kourou per mettere in orbita il satellite Sentinel 2A facente parte del programma europeo Copernicus (messa in orbita di una decina di satelliti). Compito di questo satellite è svelare, per i prossimi 7 anni, i "colori" della terra controllando così lo stato di salute del nostro pianeta, con particolare attenzione alle aree agricole e alle foreste. Il satellite Sentinel 1A è stato lanciato in orbita il 3 aprile 2014 tramite il razzo Soyuz.

Sesto lancio

Il sesto lancio (il quinto ed ultimo del programma VERTA) è avvenuto sempre a Kourou il 3 dicembre 2015 alle 04;04;00 UTC, per mettere in orbita il satellite della Airbus LISA Pathfinder per il quale era stata inizialmente prevista una vita operativa di un anno, in seguito estesa fino al giugno del 2017.

Fornitura Arianespace-ELV

A novembre 2013 è stato firmato un contratto tra Arianespace ed ELV per la fornitura di dieci vettori VEGA, che saranno lanciati nell'arco di tre anni dopo la fine del programma VERTA.

Settimo lancio

Il settimo lancio, avvenuto alle 01:43 UTC del 16 settembre 2016, ha permesso l'immissione in orbita di 4 satelliti della piattaforma di rilevamento della superficie terrestre "Terra Bella" e del satellite di osservazione PeruSAT-1.

Ottavo lancio

Con l'ottavo lancio avvenuto alle ore 13.51 UTC del 5 dicembre 2016 è stato messo in orbita il satellite turco per l’osservazione della terra Gokturk-1.

Nono lancio

Il 7 marzo 2017 alle 01:49 UTC è stato lanciato con successo il satellite Sentinel 2B nell'ambito del progetto europeo Copernicus per il monitoraggio delle terre emerse e delle acque costiere del pianeta.

Decimo lancio

Con il lancio del 2 agosto 2017 sono stati messi in orbita due satelliti per l'osservazione terrestre, l'OPTSAT-3000 per conto del Ministero della difesa italiano e il satellite franco-israeliano VENµS.

Undicesimo lancio

Con la missione VV11 è stato lanciato l'8 novembre del 2017 il satellite Mohammed VI-A per conto del Marocco. Inizialmente era previsto che il carico pagante della missione VV11 fosse il satellite dell'ESA ADM-Aeolus, ma nel corso del 2017 fu deciso di far slittare al 2018 il lancio dell'Aeolus e di assegnare al satellite marocchino l'ultimo lancio del Vega del 2017.

Dodicesimo lancio

Il primo lancio del 2018 del Vega ha visto la messa in orbita del satellite meteorologico ESA ADM-Aeolus per la rilevazione accurata del profilo dei venti. Inizialmente previsto per il 21 agosto, il lancio fu posticipato di un giorno a causa delle avverse condizioni meteo in quota.

Tredicesimo lancio

Il 21 novembre 2018, con la missione VV13, è avvenuto il lancio del secondo satellite Mohammed VI per conto del Marocco. Come l'anno precedente, la natura del carico pagante è rimasta riservata fino a poche settimane prima del lancio. Al suo posto era infatti previsto il satellite PRISMA, poi slittato al marzo 2019.

Sviluppi futuri

Vega C

Lo sviluppo della versione Vega C è stato formalmente approvato il 12 agosto 2015 e prevede l'impiego di un P120C per il primo stadio (una versione maggiorata del P80), un Z40 al secondo stadio, uno Z9 per il terzo e l'AVUM+ (che ha il 20% di propellente in più rispetto all'AVUM standard) per il quarto stadio. Questa versione è in grado di immettere fino a 2200 kg di carico utile in orbita polare a 700 km o 1800 kg in orbita elio sincrona a 800 km. Le prove di tenuta alla pressione di esercizio ed ai carichi strutturali di progetto sul primo prototipo di P120C si sono concluse il 17 giugno 2017 nello stabilimento Avio di Colleferro. A marzo del 2018 è stato provato al banco presso il poligono di Salto Quirra il primo modello di Z40. Il 16 luglio 2018 è stato provato con successo il primo dei tre motori P120C necessari alla certificazione propedeutica al primo lancio del Vega C previsto per i primi mesi del 2020.

Vega C ed è l’ultimo arrivato tra i lanciatori europei, quei razzi che vengono utilizzati per portare in orbita i satelliti. Il suo battesimo del fuoco, il cosiddetto “maiden flight“, avverrà a fine 2019, ma i preparativi continuano a susseguirsi nel Centre spatial guyanais, la base dell’Agenzia spaziale europea (Esa) da cui partono i nostri voli e che abbiamo avuto la possibilità di visitare. Tutti gli sforzi in questo momento sono concentrati sul motore P120, responsabile con la sua potenza della prima fase del viaggio, quella che porta il razzo a staccarsi da terra e arrivare in orbita. Questo motore viene realizzato (insieme alle altre componenti di Vega-C) in Italia, a Colleferro, dalla nostra Avio (in collaborazione con Arianespace), e in un mese e mezzo attraversa in nave l’oceano Atlantico per arrivare sulle coste sudamericane. Il suo firing test (in italiano tiro al banco) è previsto in Guyana nella nostra notte del 12 luglio.
Il lanciatore Vega C fa parte della famiglia dei più piccoli razzi europei (i più grandi sono invece gli Ariane, quasi alla sesta generazione) usati per portare in orbita satelliti ed è composto di diversi stadi: il motore P120rappresenta il primo stadio e, come dicevamo, serve a dare la spinta iniziale e più potente al razzo, per lanciarlo in atmosfera, vincendo la forza di gravità; altri due stadi, che si sganciano come il primo raggiunta una certa altitudine, continuano il viaggio del carico fino alla bassa orbita terrestre, quando entra in azione l’ultimo componente, l’Avum+, dove è racchiuso il contenuto che dovrà essere posizionato in un preciso punto sopra le nostre teste.

A questo serve il motore a combustibile liquido dell’Avum+ che, accendendosi e spegnendosi, potrà far giungere il carico in più posizioni (e quindi trasportare per esempio più di un satellite).

È proprio questa la forza del nuovo Vega C: una maggiore capacità (che passa dai 1.500 chilogrammi di Vega ai 2.200 del nuovo razzo) e la possibilità di trasportare in orbita più di un carico. Con la sua altezza di 35 metri, un diametro di 3,3 metri e una massa di 210 tonnellate, il nuovo razzo europeo promette di essere un nuovo importante giocatore nel viaggio spaziale. Dopo il suo lancio inaugurale nel 2019 (il primo test sul campo, che in realtà sarà un lancio vero e proprio), sono già stati previsti altri due lanci, ci confermano da Avio. “I nostri servizi sono destinati prima di tutto alle agenzie spaziali di qualunque paese ne abbia bisogno“, ci racconta a Kourou l’amministratore delegato di Avio Giulio Ranzo. “Dalla Corea al Giappone, per esempio, ma abbiamo avuto anche paesi dell’America latina, come Perù e Brasile, oltre naturalmente all’Agenzia spaziale europea e ad altre agenzie spaziali nazionali in Europa. E poi, anche ai clienti commerciali, molti dei quali sono negli Stati Uniti, che hanno esigenza di lanciare satelliti di media-piccola dimensione“.

Il P120 è il motore a combustibile solido più grande del mondo


Uno dei diversi cuori italiani di Vega C sarà il motore P120, un grande cilindro alto circa 13 metri e con un diametro di oltre 3,4 metri che possiamo pensare come un gigantesco fuoco d’artificio. Il P120, infatti, è uno di quei motori a propellente solido che si usa una volta e poi deve essere gettato via. All’interno del cilindro di fibra di carbonio che compone la struttura, infatti, nei laboratori Regulus presso il centro spaziale sudamericano vengono colate oltre 140 tonnellate di carburante, una specie di gelatina che con il tempo solidifica come un ghiacciolo attorno al proprio stecco. È da questo spazio centrale che si propagherà l’accensione del propellente, come una miccia che parte dall’asse centrale del motore e si proietta verso le pareti esterne, bruciando in un paio di minuti tutto il suo contenuto.

Il test di accensione del motore P120


Il firing test è la prova del nove, nel senso che il motore lo si progetta, si fanno naturalmente anche delle verifiche durante i primi campioni realizzati per vedere che siano conformi al progetto, poi però a un certo punto bisogna provare se questo motore effettivamente fornisce la spinta, quella che deve fornire, e quindi se l’insieme dell’involucro che hai progettato, l’ugello e tutte le sue componenti insieme al propellente, danno per l’appunto la performance sperata. Così come si fa con i motori delle macchine che si mettono su un banco fermo, si accendono e si vede se funzionano, così si mette il motore attaccato su una struttura fissa, lo si accendee per tutta la sua durata di performance, che sono circa due minuti, si misuria quanta spinta riesce a dare, in modo di essere certi che non ci siano anomalie.

Le settimane successive alla prova saranno altrettanto importanti per il futuro del motore e dei lanciatori. Non appena finito un firing test il motore viene smontato e si controlla l’interno e che non ci siano state usure anomale. Si tratta di informazioni preziose, perché possono servire per mettere a punto il ciclo di produzione o addirittura fare delle modifiche di progetto.

Fatti tre firing test e fatte le analisi a posteriori, si comincia a preparare il dossier per integrare tutto il lanciatore e per avere quindi contezza che tutto il sistema come insieme nei suoi motori, dell’avionica, del software, eccetera sia atto a volare, cioè abbia un’idoneità al volo.

Il battesimo del P120 sarà nel 2019 e riguarderà il Vega C, ma questo non è l’unico lanciatore sul quale questo motore sarà equipaggiato. Anche l’Ariane 6, il cui primo lancio è previsto nel 2020, vedrà l’utilizzo di questo motore, in particolare per i booster laterali della nuova generazione di razzi europei pesanti.

Space Rider

In seguito all'esperienza acquisita con l'Intermediate eXperimental Vehicle, l'ESA decise nel 2016 di procedere con lo sviluppo di un sistema riutilizzabile di accesso all'orbita bassa. Dopo una prima verifica di fattibilità, nel 2018 è iniziata la definizione del progetto preliminare. Per ridurre al minimo i costi di sviluppo e massimizzare il carico utile, lo Space Rider sfrutta elementi derivati dal progetto IXV fondendoli con il progetto del Vega C. Il risultato è uno spazio-plano con un modulo di servizio orbitale (lo stadio superiore del Vega C) e un modulo di rientro in grado di rientrare a terra e volare di nuovo dopo una leggera manutenzione.

VEnUS

Il VEnUS (VEGA Electrical nudge Upper Stage) è una evoluzione del modulo orbitale studiato per lo Space Rider con l'obiettivo di permettere al Vega C una maggiore flessibilità nel collocamento di satelliti fino a 1000 kg in particolari orbite fortemente ellittiche o di fuga, nel trasferimento da orbite di parcheggio ad orbite geostazionarie. Si compone di un modulo contente il sistema di controllo di assetto, quattro serbatoi contenti il gas xeno usato come propellente nei motori elettrici e un modulo per la produzione di energia elettrica mediante pannelli fotovoltaici ripiegabili, computer di navigazione e assetto con sensori stellari, ruote di reazione coadiuvate da sistemi di controllo d'assetto a momento magnetico.

Vettori concorrenti

Nel mercato dei lanci spaziali di piccoli carichi da 1.500 kg ci sono diversi lanciatori che competono con il Vega. Si possono citare il lanciatore indiano PSLV, gli americani Taurus e Falcon 1e (non più in servizio), il cinese Lunga Marcia 2C e i lanciatori russi Soyuz-2-1v, Rokot e Angara 1.1.

Il prezzo commerciale di un lancio del Vega è di 32 milioni di dollari. I costi di fabbricazione sono di 25 milioni di dollari, mentre i costi di commercializzazione (Arianespace) e di lancio (Korou) ammontano a 7 milioni di dollari. Secondo i responsabili del programma, Vega può permettersi di essere il 20% più caro dei suoi concorrenti tenendo conto della qualità delle prestazioni.

La maggior parte dei razzi spaziali sono fatti di metallo. Ma Avio usa fibra di carbonio per il Vega. E lo fa attraverso una tecnica di avvolgimento brevettata. Lo scopo è ottenere il miglior risultato con il minore investimento.

Il parametro fondamentale di tutta questa realizzazione è la leggerezza perché ovviamente per andare in orbita un razzo deve avere tanta potenza ma anche tanta leggerezza.

Basta osservare un lancio per capire cosa può fare Vega. La velocità di un razzo a propellente solido come questo non può essere ridotta una volta lanciato, e questo può essere un limite. Ma in compenso la potenza è enorme: Il Vega è un razzo estremamente veloce da lanciare, è relativamente leggero rispetto alla potenza che sprigiona. Guardarlo è un'esperienza emozionante. I razzi Vega possono essere facilmente lanciati, ma costruirne uno è un processo lungo e complesso. Ci vuole quasi un anno per passare dalla materia prima al lancio. Il primo passo è usare uno stampo gigante a forma di tubo chiamato mandrino. 

Per fabbricare un motore in fibra di carbonio si parte da un'attrezzatura chiamata mandrino, fatta di tanti pezzi metallici "assiemati" tutti insieme e su questo mandrino si realizza per avvolgimento il motore in fibra di carbonio.

Durante il funzionamento un motore ha oltre tremila gradi di temperatura, per proteggere la parte strutturale da queste alte temperature viene realizzato un isolante termico in gomma di spessore molto limitato, che viene applicata come prima cosa sul mandrino. Si parte da bobine di materiale pre-impregnato in fibra di carbonio e resina epossidica (è un brevetto tutto Avio) e con questo materiale, circa 5.000 km di filo di questo materiale, si realizza l'avvolgimento della struttura in fibra di carbonio sul mandrino.

Il test del motore P120

Avio ha usato il sistema di avvolgimento in fibra di carbonio per creare il P120C, il più grande motore a propellente solido mai creato. Il P120C è importante poiché costituirà il primo stadio della nuova e più potente versione del Vega, chiamata Vega-C.

Il motore ha superato il firing test al centro dell'Agenzia Spaziale Europea nella Guyana francese.

Lo stesso motore sarà usato per il test sul lanciatore pesante Ariane 6, in una competizione spietata con India, Cina e Stati Uniti.

Il primo lancio di Vega-C è pianificato per il 2019. Prima di allora gli sforzi saranno concentrati sul quarto stadio, ossia la parte del razzo che va effettivamente in orbita, il vero vettore che trasporta i satelliti per i diversi clienti. È l'unico stadio che usa carburante liquido, e che quindi può essere acceso e spento. Diversamente dai motori a propellente solido su Vega-C Avio ha sviluppato un quarto stadio in grado di portare satelliti di un peso assai superiore rispetto a quelli di Vega e in grado anche di riaccendersi più volte. Questo permette un'estrema flessibilità del nuovo lanciatore che potrà portare i satelliti di dimensioni piccolissime come i cubesat di pochi chili, a dimensioni di 2.500 kg, quindi estremamente grandi.

Con il lanciatore leggero Vega, quello medio Soyuz e quello pesante Ariane 5, i lanciatori dell'Agenzia Spaziale Europea possono raggiungere ogni orbita dalla Guyana francese. E il membro più giovane della famiglia, Vega, provoca sempre una grande emozione tra gli ingegneri che lo hanno creato ogni volta che lascia la rampa di lancio.

La potenza che si sente sprigionare dall'interno del motore, sia in termini di fiamme che escono veramente dall'ugello, sia in termini di rumore assordante che circonda il lanciatore e il motore, è qualcosa di eccezionale!

(Web, Google, Ares, Wikipedia, Avio, You Tube)