Chi vende prodotti contraffatti potrebbe aver trovato il suo avversario nell’Intelligenza Artificiale

La minaccia dei prodotti contraffatti continua a minacciare le comunità globali e a tenere le agenzie di applicazione della legge specializzate sul chi vive. Secondo un rapporto pubblicato dal United States Secret Service per l’anno finanziario 2023, fino a US$22 milioni di valuta contraffatta sono stati sequestrati nel 2023. Durante quell’anno, il US Secret Service ha effettuato quasi 200 arresti per contraffazione. Il Dipartimento del Tesoro degli Stati Uniti stima che banconote false – per un valore compreso tra US$70 milioni e US$200 milioni – siano in circolazione in qualsiasi momento. 

La contraffazione è una malignità che non colpisce solo le valute o la circolazione di banconote monetarie in tutto il mondo. Colpisce quasi tutta la catena di approvvigionamento. I rapporti suggeriscono che la contraffazione e la pirateria costano all’economia globale circa US$600 miliardi all’anno.

Secondo un sondaggio condotto da CRISIL (CRISIL.BO ), quasi il 90% dei consumatori sceglie prodotti contraffatti, attratti dal fatto che sono più economici e ampiamente disponibili. Il desiderio di acquistare questi prodotti deriva anche dal bisogno di validazione sociale e riconoscimento che molti di questi marchi costosi e di lusso offrono alle persone. 

In questo contesto in cui i prodotti contraffatti fanno parte della nostra vita quotidiana, è ovvio che le agenzie di applicazione della legge cercherebbero di fermarli. Qualsiasi minaccia all’ordine economico globale verrebbe affrontata con conseguenze severe. Tuttavia, ciò che sembra un interessante sviluppo in questo momento è che gli sforzi per scoraggiare la contraffazione hanno abbracciato paradigmi tecnologici all’avanguardia. Una di queste tecnologie è stata l’Intelligenza Artificiale. 

Clicca qui per scoprire tutto sull’investimento nell’intelligenza artificiale. 

Tecniche di Image Mining e Algoritmi di Machine Learning per Identificare Monete Contraffatte

Un gruppo di ricercatori dell’Università Concordia del Canada ha pubblicato un quadro unico che sfrutta tecniche di image mining e algoritmi di machine learning per identificare difetti che portano a individuare monete contraffatte. La pubblicazione è apparsa sulla rivista ‘Expert Systems With Applications’. I ricercatori erano associati al Centre for Pattern Recognition and Machine Intelligence (CENPARMI). 

Mentre spiegava come il quadro identifica i difetti, Ching Suen, professore del Dipartimento di Computer Science and Software Engineering e autore supervisore del documento, ha dichiarato:

“Utilizzando la tecnologia delle immagini, abbiamo scansionato sia monete genuine che contraffatte per poter cercare anomalie che possono essere bidimensionali o tridimensionali, come lettere o il volto della persona sulla moneta.”

Mariam Sharifi Rad, borsa di studio post‑dottorato presso CENPARMI e autrice principale del documento, ha sottolineato che il quadro non riguarda solo la protezione dell’economia e delle sue risorse, ma anche ‘spingere i confini della tecnologia e migliorare la sicurezza.’ 

Qui, dobbiamo ricordare che il problema della contraffazione è profondamente intrecciato con gli aspetti della cybersicurezza, soprattutto in questa era digitale, quando le transazioni virtuali sono onnipresenti. 

Il rapporto del United States Secret Service che abbiamo già citato per evidenziare il volume di valuta contraffatta sequestrata afferma che nel 2023, l’ammontare delle perdite recuperate da crimini legati alla cyber‑finanza è stato pari a US$1,1 miliardi. Il numero di arresti per crimini cyber‑finanziari è stato 1.019. 

Indubbiamente, questi numeri convalidano le affermazioni dei ricercatori sul loro quadro, che sarà di aiuto nella lotta più ampia e spingerà i confini della sicurezza e della protezione contro la contraffazione così come li conosciamo finora. 

Ma come hanno i ricercatori realizzato la loro missione sul campo? Come le loro intenzioni sono state trasformate in realtà? Per questo, dobbiamo approfondire il processo. 

Sfruttare Concetti Fuzzy, Image Mining Semi‑Automatico e PSO

I ricercatori hanno fatto un uso giudizioso di questi tre strumenti per rilevare monete contraffatte. Hanno creato set di dati di immagini di sei monete e li hanno curati come riferimenti centrali per la loro ricerca. L’implementazione del sistema di image mining dipendeva da regole di associazione fuzzy e impiegava un metodo di rilevamento blob e un predicato di relazione. Il sistema combinatorio poteva estrarre informazioni implicite dalle immagini che si allineavano con le prospettive umane. 

Il quadro integra anche la tecnica di ottimizzazione per sciame di particelle (PSO), che aiuta a ridefinire dinamicamente i parametri di soglia, migliorando l’efficienza dell’associazione fuzzy e rendendo il sistema di rilevazione di monete contraffatte più robusto. Il risultato è un sistema altamente adattabile a una varietà di set di dati di immagini. 

Per riassumere i risultati del quadro, Ching Suen ha detto:

“Questo metodo può essere usato per rilevare tutti i tipi di prodotti falsi, che vediamo in tutto il mondo. Può anche essere usato per rilevare etichette false su frutta, vini, liquori, e così via. Ci sono molti luoghi dove questo può essere applicato.”

Non c’è dubbio che questo nuovo quadro per rilevare monete contraffatte—se replicato e scalato correttamente—aiuterebbe significativamente l’economia globale. Tuttavia, un’altra soluzione che ha gestito con successo le valute contraffatte sin dalla sua nascita sono le valute basate su blockchain come Bitcoin. 

La Proprietà di Immutabilità nelle Valute Basate su Blockchain

Le valute basate su blockchain e le loro transazioni operano secondo i principi di un registro immutabile. Si riferisce a un sistema di tenuta dei registri che non può essere modificato.

Nel sistema blockchain, ogni blocco informativo che contiene fatti o dettagli di transazioni è supportato da un valore hash corrispondente. Basato su principi crittografici altamente sicuri, questo valore hash comprende stringhe alfanumeriche generate da singoli blocchi.

Ogni blocco ha un valore hash o firma digitale per sé e per quello precedente, garantendo un accoppiamento ininterrotto e retroattivo dei blocchi che impedisce interferenze con il sistema o la modifica dei dati già salvati. 

Ciò che rende la contraffazione un concetto ridondante nelle valute basate su blockchain è che il valore hash non può essere decifrato. Nessun utente può utilizzare la stringa di output per ricavare i dati di input. 

In generale, nei sistemi di valute basate su blockchain, è quasi impossibile alterare o cancellare i dati del blocco inseriti nella blockchain. Quando qualcuno tenta di apportare una modifica, la modifica viene rifiutata dal blocco successivo poiché l’hash della catena non sarebbe più valido.

Oltre alle valute, il meccanismo della blockchain può scoraggiare frodi e contraffazioni in molti altri aspetti dei sistemi di produzione quotidiani e delle catene di approvvigionamento. La Commissione Europea, ad esempio, ha promosso l’uso della blockchain per proteggere le nostre catene di approvvigionamento globali dagli impatti negativi di potenziali cause legali, lesioni dei consumatori, perdita di vendite e danni reputazionali a lungo termine.

La Blockchain come Soluzione per Combattere la Contraffazione nelle Aziende di Tutto il Mondo

La Commissione Europea ha riconosciuto il ruolo che la tecnologia blockchain può svolgere nel migliorare la tracciabilità e nel condurre un monitoraggio end‑to‑end di prodotti e spedizioni attraverso una varietà di catene di approvvigionamento, dalla procura di materie prime fino alla fase in cui l’utente riceve il prodotto finito. 

L’implementazione della blockchain può avvenire tramite smart tag, e le aziende possono utilizzare diversi tipi di smart tag, inclusi QR Code, tag RFID e firme su superfici metalliche o ceramiche. 

Ciascuno dei meccanismi di etichettatura sopra menzionati ha i suoi vantaggi. Per esempio, i sistemi basati su QR Code consentono alle aziende di trasferire informazioni come la data di produzione, il sito web dell’azienda o il numero di assistenza clienti. Aiutano anche nell’esecuzione dei pagamenti e nel tracciamento fluido delle spedizioni. 

Quando sono fissati ai prodotti, i tag RFID aiutano il lettore a ricevere segnali distribuiti nelle aree monitorate. Il sistema può tracciare i movimenti con alta efficienza. Tuttavia, il sistema è spesso considerato irrealistico quando l’ambito di implementazione è ampio e il costo diventa significativamente più alto. 

Come soluzione avanzata, sul mercato sono comparsi i macchinari di marcatura laser. Queste macchine aiutano a incorporare codici a barre tracciabili e grafiche su superfici metalliche o ceramiche. 

Oltre alle deliberazioni della Commissione Europea sulla blockchain e il suo ruolo nella protezione delle catene di approvvigionamento, un documento presentato al 7° International Conference on Computer Science and Computational Intelligence 2022 ha esaminato le possibilità di sviluppare un sistema anti‑contraffazione usando la tecnologia blockchain. 

Il documento ha proposto la tecnologia blockchain come spina dorsale di un sistema in cui i clienti possono convalidare la legittimità di un prodotto senza la necessità di un commerciante corrispondente. Gli autori hanno evidenziato il potenziale della blockchain Ethereum nell’aiutare a costruire il modello proposto che potrebbe tracciare la creazione e le transazioni di ogni articolo, garantendo la credibilità dell’autenticità dell’articolo. 

Il ruolo della blockchain nella protezione delle catene di approvvigionamento e le innovazioni correlate hanno chiarito che le nostre catene hanno bisogno di protezione. Avere catene di approvvigionamento robustamente protette potrebbe significare un vincitore sicuro per quanto riguarda la protezione dalla contraffazione.

Diverse aziende hanno investito ricerca e risorse nell’uso dell’Intelligenza Artificiale per proteggere le catene di approvvigionamento. Nei segmenti seguenti, discuteremo un paio di queste aziende e le loro soluzioni. 

#1. IBM

IBM afferma che le sue soluzioni aiutano a costruire catene di approvvigionamento minimizzate dalle interruzioni, resilienti e sostenibili. L’IBM Sterling® Supply Chain Intelligence Suite, ad esempio, è una soluzione di ottimizzazione e automazione basata su AI per aiutare le organizzazioni a risolvere le interruzioni della catena di approvvigionamento attraverso la trasformazione tradizionale. La soluzione può trasformare digitalmente le catene di approvvigionamento, migliorare la resilienza e l’agilità, e accelerare il time‑to‑value mediante insight azionabili, flussi di lavoro più intelligenti e automazione intelligente.

Secondo i dati di benchmarking pubblicati, la soluzione riduce il tempo necessario per tracciare gli articoli dal negozio alla fattoria da 7 giorni a 2,2 secondi. Riduce i livelli di inventario del 18% per risparmiare su sprechi e costi. Inoltre, il tempo necessario per la gestione delle interruzioni critiche della catena di approvvigionamento è ridotto da giorni a ore.

IBM afferma che la sua soluzione è adatta a una gamma di casi d’uso, inclusi la sicurezza alimentare, la mappatura multi‑livello della catena di approvvigionamento, il tracciamento, la gestione delle emissioni della catena di approvvigionamento, la valutazione del rischio e della conformità dei fornitori, la visibilità dei fornitori e altro ancora. 

Molte aziende utilizzano le soluzioni di IBM. Ad esempio, Antonello Produce le utilizza per migliorare la tracciabilità dei prodotti dal seme al negozio allo scaffale. Pietro Coricelli sfrutta la soluzione per ottimizzare la qualità alimentare, l’approvvigionamento sostenibile e la trasparenza della catena di approvvigionamento. Sonoco la utilizza per salvaguardare la qualità del prodotto e l’efficacia dei suoi farmaci salvavita. ‘

Il team IBM continua a lavorare sulla soluzione per migliorarla incrementamente ogni giorno. Ad esempio, di recente ha sfruttato l’AI per progettare una soluzione di control tower che collega le soluzioni di inventario esistenti e i sistemi di pianificazione delle risorse aziendali. 

Per l’anno fiscale 2023, IBM ha generato 61,9 miliardi di dollari di fatturato, in crescita del 3% a valuta costante, e 11,2 miliardi di dollari di flusso di cassa libero, in aumento di 1,9 miliardi di dollari rispetto all’anno precedente. Scalare l’AI per migliorare la produttività all’interno di IBM ha ampliato i margini di profitto dell’azienda. 

#2. Oracle

Ad aprile dell’anno scorso, Oracle (ORCL ) ha introdotto capacità di AI e automazione per aiutare i clienti a ottimizzare la gestione della catena di approvvigionamento. Ha introdotto nuove funzionalità nella Oracle Fusion Cloud Applications Suite per aiutare i clienti con una pianificazione della catena di approvvigionamento accelerata, una maggiore efficienza operativa e una migliore precisione finanziaria. Gli aggiornamenti specifici includevano nuove capacità di pianificazione, pricing basato sull’uso e gestione dei rebate.  

Secondo Jon Chorley, senior vice president delle applicazioni della catena di approvvigionamento e chief sustainability officer di Oracle:

“Con la suite completa di applicazioni integrate di Oracle, le organizzazioni possono gestire i dati della catena di approvvigionamento sulla stessa piattaforma di finanza, risorse umane e esperienza cliente per accelerare processi come quote‑to‑cash e rimuovere le barriere tradizionalmente esistenti tra le diverse funzioni aziendali. Questo approccio olistico crea un ambiente in cui AI e automazione possono prosperare per aiutare le aziende a generare efficienze e ottenere di più con meno.”

Nel marzo 2024, Oracle ha annunciato i risultati del terzo trimestre fiscale 2024. I ricavi trimestrali totali sono aumentati del 7% anno su anno sia in USD che a valuta costante, raggiungendo 13,3 miliardi di dollari. L’utile operativo GAAP del Q3 è stato di 3,8 miliardi di dollari. L’utile operativo non‑GAAP è stato di 5,8 miliardi di dollari, in crescita del 12% sia in USD che a valuta costante.

L’Uso dell’AI per un Futuro Sicuro

Porre fine alla minaccia della contraffazione, frode e materiali duplicati prodotti in modo malevolo è qualcosa che vedrà miglioramenti significativi grazie all’uso di soluzioni basate su AI.

Ciò che è ancora più allettante è che l’uso dell’AI nella protezione della catena di approvvigionamento beneficerebbe altre aree di un quadro operativo. Per esempio, renderebbe la gestione del magazzino più efficiente, i costi operativi scenderebbero significativamente, la produzione di rifiuti e le emissioni indesiderate sarebbero ridotte, e la gestione dell’inventario sarebbe più accurata. 

Oltre a ottenere prodotti genuini, i consumatori beneficeranno di consegne più tempestive e i lavoratori saranno più sicuri. Tuttavia, le aziende dovranno investire di più per rendere l’AI più user‑friendly, destinando più risorse alla formazione e semplificando operazioni complesse integrando elementi diversi nei numerosi nodi di una catena di approvvigionamento globale. 

Devono inoltre monitorare regolarmente questi sistemi e le loro prestazioni, identificando e correggendo i problemi man mano che si presentano.

Clicca qui per scoprire cosa rende il 2023 l’anno di svolta per l’intelligenza artificiale.