Introduzione all’intelligenza artificiale per comuni mortali

 

In questo articolo:

Intelligenza e Intelligenza Artificiale (IA)
Conoscenza, Apprendimento e Sistemi Cognitivi
L’IA dal punto di vista ingegneristico
L’IA dal punto di vista della macchina

Nell’immaginario comune, l’Intelligenza Artificiale (IA) è rappresentata da androidi e robot che hanno la capacità di comportarsi, pensare e agire come esseri umani, a volte persino di provare emozioni.

Per molti anni la stampa generalista, parlando di IA, si è occupata essenzialmente di Robotica e di automazione, con l’occhio alquanto fanciullesco di chi in questa materia vede l’immaginario di film come Artificial IntelligenceHerEx-Machina. Mondi che sono probabili ma ancora distanti, sebbene lo sviluppo tecnologico li avvicini sempre di più.

L’Intelligenza Artificiale, tuttavia, non è solo robotica. Siri di Apple, Cortana di Microsoft e  Google Now, sono solo alcuni degli esempi di applicazioni di Intelligenza Artificiale oggi in commercio e usati da tutti noi. Questi sistemi rientrano nell’ambito dell’Intelligenza Artificiale perché in grado di comprendere il linguaggio naturale e rispondere a richieste dell’utente. Altri ambiti in cui l’Intelligenza Artificiale è utilizzata sono, ad esempio, le diagnosi mediche o i sistemi dignostici che controllano la vostra automobile.

Certo, si tratta di sistemi ancora limitati, progettati per adempiere a specifici compiti. Tuttavia stanno arrivando sul mercato “agenti” in grado di interagire con il mondo esterno. Parliamo, ad esempio, delle automobili senza conducente come la Google Car, in grado di muoversi per le strade, capendo dove si trova e reagendo all’ambiente in cui è inserita. Non solo, il sistema di Intelligenza Artificiale di Google, Deepmind, è stato in grado di imparare da solo a tradurre dal giapponese al koreano senza che nessuno gli avesse dato un vocabolario.

Intelligenza Artificiale, quindi, è un termine contenitore che comprende diversi ambiti, scopi, compiti e caratteristiche. La combinazione di questi fattori da vita ad applicazioni più o meno evolute.

Possiamo parlare per tutti di Intelligenza Artificiale? Il dibattito è aperto e le posizioni si dividono tra chi sostiene che siano niente di più che sistemi sofisticati e che non abbiano nulla a che vedere con l’Intelligenza, altri che si posizionano su una scala evolutiva e che ritengono questi sistemi, pur essendo in una fase iniziale, abbiano tratti definibili intelligenti.

Le caratteristiche dell’Intelligenza

Non è possibile parlare di Intelligenza Artificiale senza prima soffermarsi sul concetto di Intelligenza. Un dibattito che dura da secoli e che coinvolge prima di tutto la Filosofia e successivamente la Psicologia, le Scienze Cognitive, la Neurologia e, da ultimo, anche l’Informatica.

Sebbene non esista una definizione ufficiale condivisa universalmente dalla comunità scientifica, è possibile dire che l’intelligenza sia “la capacità di un agente di affrontare e risolvere con successo situazioni e problemi nuovi e sconosciuti” (Wikipedia), ma anche le facoltà cognitive ed emotive che concorrono a questo scopo. Un’altra definizione, più dettagliata, la fornisce l’Enciclopedia Treccani che descrive l’intelligenza come:

Complesso di facoltà psichiche e mentali che consentono di pensare, comprendere o spiegare i fatti o le azioni, elaborare modelli astratti della realtà, intendere e farsi intendere dagli altri, giudicare, e adattarsi all’ambiente.

Partendo da quest’ultima definizione, quindi, è possibile dedurre che siamo in presenza di una Intelligenza Artificiale quando una macchina è in grado di

  • comprendere informazioni sottili, complesse e ricche;
  • imparare all’interno di un ambiente;
  • astrarre dalla realtà per creare nuovi significati;
  • ragionare per pianificare e decidere;
  • comunicare (capire e farsi capire, spiegare concetti) attraverso il linguaggio naturale.

Comprensione, apprendimento, astrazione, ragionamento e comunicazione, quindi, diventano i parametri sulla base di quali è possibile valutare il grado di Intelligenza di una macchina.

Che cos’è l’Intelligenza Artificiale

Il termine Intelligenza Artificiale è stato coniato nel 1956 da un gruppo di studiosi di informatica (John McCarthy, Marvin Minsky, Claude Shannon e Nathaniel Rochester) che, durante una conferenza al Dartmouth college, nello New Hempshire, proposero di creare una macchina in grado di simulare ogni aspetto dell’apprendimento e dell’intelligenza umana.

AI, quindi, descrive un campo di studi specifico dell’Informatica e allo stesso tempo il prodotto di questi studi.

Da un punto di vista applicativo, il termine Intelligenza Artificiale indica quei sistemi in grado di imitare il comportamento umano intelligente. In realtà tale definizione, come detto in precedenza, è figlia della visione originaria della disciplina, non tutto scomparsa ma limitata rispetto alla situazione odierna.

In senso più esteso, quindi, possiamo definire la IA come l’insieme di applicazioni e sistemi volte a far acquisire alle macchine capacità di ragionamento e prendere decisioni in modo autonomo

I grandi filoni di ricerca dell’Intelligenza Artificiale, oggi, sono relativi alla rappresentazione della conoscenza, l’apprendimento automatico (machine learning) e cognitive computing (elaborazione cognitiva). Sebbene spesso vengano discussi in modo separato, i tre filoni di ricerca hanno molteplici punti di contatto.

IA e Rappresentazione della Conoscenza

La rappresentazione della conoscenza è quella branca della matematica che si preoccupa di definire dei linguaggi che permettano di formalizzare la conoscenza al fine di poter ragionare e trarre conclusioni. Lo studio della rappresentazione della conoscenza è fondamentale per l’intelligenza artificiale dato che questa prevede l’utilizzo delle precedenti conoscenze per migliorare e affinare le tecniche di risoluzione dei problemi. Senza un adeguato metodo di memorizzazione della conoscenza molte tecniche dell’intelligenza artificiale sarebbero inutili o molto limitate dato che non sarebbero in grado di apprendere dagli stimoli esterni e quindi non potrebbero evolversi.

IA e Apprendimento Automatico

L’Apprendimento automatico (noto in letteratura come Machine Learning) rappresenta una delle aree fondamentali dell’Intelligenza Artificiale e si occupa della realizzazione di sistemi che si basano su osservazioni o esempi come dati per la sintesi di nuova conoscenza (classificazioni, generalizzazioni, riformulazioni).

Approfondisci: che cos’è il Machine Learning?

IA e Cognitive Computing

Sebbene non esista una definizione comunemente accettata, il Cognitive Computing (“elaborazione cognitiva”) si riferisce allo sviluppo di sistemi che imitano il funzionamento del cervello umano. Qui non si tratta solo di sviluppo software, ma spesso e volentieri anche di sviluppo hardware. A sua volta, quindi, il Cognitive Computing è una materia interdisciplinare dell’IA.

Un sistema cognitivo, secondo la definizione di IBM, dovrebbe presentare le seguenti caratteristiche:

  • capacità adattativa: imparare man mano che cambiano le informazioni ed evolvono gli scopi e i requisiti. Dovrebbero essere progettati per poter gestire dati in tempo reale.
  • interattività: essere in grado di interagire facilmente con gli utenti, in modo tale che questi utenti possano definire comodamente le loro necessità. Dovrebbero, inoltre, poter interagire con altri processori, periferiche, servizi Cloud come fanno con le persone.
  • iteratività e consolidamento: dovrebbero aiutare nella definizione di un problema ponendo domande o trovare risorse addizionali se la definizione di un problema è ambigua o incompleta. Si dovrebbero ricordare di precedenti interazioni in un processo e restituire le informazioni che meglio rispondono alle specifiche esigenze in un certo momento.
  • contestualità: dovrebbero comprendere, identificare ed estrarre elementi contestuali quali significato, sintassi, tempo, luogo, dominio appropriato, regole, profilo dell’utente, processi e obiettivi. Dovrebbero poter usare molteplici fonti di informazioni, strutturate (es. Database) o meno (es. Testi) e a input sensoriali (visuali, gestuali, ecc.)

L’evoluzione dell’IA secondo DARPA

L’agenzia americana DARPA (Defense Advanced Research Projects Agency) individua tre fasi di evoluzione della disciplina dell’Intelligenza Artificiale e all’interno di ciascuna di queste correnti, osserva quale delle componenti di intelligenza (Comprensione, Apprendimento, Astrazione, Ragionamento) siano sviluppate, attraverso la verifica e la misurazione dell’abilità della macchina di manifestare queste caratteristiche.

Le tre correnti individuate da DARPA si basano su come la macchina crea e usa la conoscenza e li distingue in:

  1. Handcraft knowlgedge (Conoscenza Artigianale)
  2. Statistical learning (Apprendimento Statistico)
  3. Contextual Adaptation (Adattamento contestuale)

Handcrafted knowlgedge (Conoscenza Artigianale)

In questi sistemi gli ingegneri creano un insieme di regole che descrivono la conoscenza in un ambito ben definito. Si tratta, storicamente, del primo approccio all’intelligenza artificiale che, negli anni 80, portò allo sviluppo dei primi Sistemi Esperti che si basavano su un approccio “Se … Allora” (IF-THEN).

I sistemi che rientrano in questa categoria “ragionano” su un problema ben preciso. Ne sono esempio gli strumenti di pianificazione, i sistemi esperti, e gli strumenti per la sicurezza informatica. Tali sistemi non hanno alcuna capacità di apprendimento e una scarsa capacità di ragionare in condizioni di incertezza, ovvero quando non hanno tutti gli elementi per prendere la decisione.

Statistical learning (Apprendimento Statistico)

Le applicazioni che rientrano in questa categoria sono sviluppate a partire da modelli statistici creati a monte. Questi modelli non definiscono regole, ma forniscono alla macchina gli elementi di calcolo da applicare a un dominio particolare. Sulla base del modello, attraverso un addestramento su un insieme ampio di dati, il sistema di IA impara a classificare e a fare predizioni su nuovi casi che gli vengono presentati.

A questa fase appartengono i già citati SIRI, Cortana e Google Now, ma anche le tecniche di Image Recognition (Riconoscimento immagini) e tutti questi sistemi che imparano dagli esempi.

Tali sistemi, però, hanno il limite di non contestualizzare le predizioni. Ciò significa che se due elementi differenti presentano caratteristiche simili, il sistema potrebbe classificare uno dei due in modo errato solo per la somiglianza, senza considerare il contesto di riferimento.

Contextual Adaptation (Adattamento contestuale)

Qui, secondo DARPA, siamo alla prossima evoluzione, dove si vuole “insegnare” alle macchine a contestualizzare le informazioni.

In questo caso, gli ingegneri creano sistemi in grado di costruire modelli per categorie di fenomeni del mondo reale. Il sistema, attraverso questi modelli, apprendono e ragionano man mano che si presentano nuovi casi.

Secondo DARPA questi sistemi avranno livelli medio-alti di percezione, apprendimento, astrazione e ragionamento, potendo contare su una continua interazione con il mondo reale.

Verso le Macchine Super Intelligenti

Una ulteriore scala evolutiva è più legata alla Filosofia dell’Intelligenza Artificiale e si riferisce allo sviluppo complessivo delle abilità della macchina. Tanto più una macchina riuscirà a risolvere problemi anche nuovi e si renderà autonoma dall’intervento umano, tanto più la sua Intelligenza sarà evoluta. A partire da questa considerazione è ormai entrata nell’immaginario comune la seguente classificazione:

Artificial Narrow Intelligence (ANI) (Intelligenza Artificiale Circoscritta).

Si tratta della maggior parte delle attualmente presenti sul mercato, caratterizzati dalla capacità di risolvere bene un determinato compito. Questi sistemi possono avvalersi di “handcrafted knowledge” (conoscenza artigianale) o di “statistical learning (apprendimento statistico), ma non riescono a svolgere compiti che escano dal perimetro per cui sono state addestrate.

Artificial General Intelligence (AGI) (Intelligenza Artificiale Generale).

Sono sistemi in grado di risolvere compiti per cui non sono stati realizzati. Al fine di poter definire una IA come AGI, questi sistemi devono essere in grado di ragionare, usare strategie per risolvere puzzle e dare giudizi in condizioni di incertezza (cioè quando non ha tutte le informazioni a disposizione); rappresentare la conoscenza, inclusa la conoscenza di senso comune; pianificare; imparare; comunicare in linguaggio naturale e integrare tutte queste competenze per il raggiungimento di uno scopo. Si tratta quindi di sistemi che manifestano tutti i tratti dell’Intelligenza definiti poco sopra.

Artificial Super Intelligence (ASI) (Super Intelligenza Artificiale).

Sono sistemi in grado di compiere qualsiasi tipo di compito con una efficienza e capacità superiore a quella umana, soprattutto grazie alla capacità di calcolo data dai processori che potrebbe superare di gran lunga la capacità umana permettendo ad una macchina di adempiere a compiti che sarebbero impossibili per la nostra mente. Tali sistemi erediterebbero dalla fase AGI la capacità di auto migliorarsi, rendendosi indipendenti dall’intervento umano. Questo porterebbe ad una progressiva auto determinazione che li farebbero divenire vere e proprie entità senzienti. Il condizionale è d’obbligo dato che il livello ASI ad oggi è solo un costrutto teorico.

In questa presunta scala evolutiva, l’attuale tecnologia è ferma al primo gradino e si sta, lentamente, addentrando nello stadio AGI, al quale raggiungimento mancherebbero, secondo alcuni, poco più di 30 anni. Ad oggi siamo di fronte ad un numero innumerevole di sistemi sviluppati per uno specifico compito ma nessuno di questi è ancora in grado di risolvere problemi per cui non è stato sviluppato.

Conclusione

L’informazione generalista offre generalmente una visione parziale e un po’ confusa dell’Intelligenza Artificiale, focalizzandosi principalmente sulle sue applicazioni aziendali e di business che rappresentano, tuttavia, una minima parte del mondo che si aprirà di fronte a noi nei prossimi anni.

L’Intelligenza Artificiale è una materia articolata e inter-disciplinare che coinvolge non solo l’Informatica ma anche le scienze cognitive, la neurologia e la psicologia. Il suo scopo è quello di creare macchine in grado di operare imparare, decidere ed agire in modo autonomo. Per raggiungere tale obiettivo, la ricerca si concentra su come formalizzare la conoscenza e renderla disponibile alla macchina, di insegnare alla macchina ad imparare e a interagire con il mondo esterno, adattandosi alle situazioni.

Sebbene i sistemi attualmente diffusi siano principalmente applicati ad ambiti circoscritti, è plausibile pensare che l’evoluzione software e hardware della tecnologia ci porterà entro 30 anni ad avere la prima Artificial General Intelligence, un sistema che sarà in grado di operare su qualsiasi ambito, anche se non preventivamente istruita a tale scopo. Questo grazie alla capacità di adattarsi, interagire e contestualizzare le proprie azioni.

Lo sviluppo della potenza di calcolo porterà quindi, alla nascita della Super Intelligenza, un sistema che potrebbe essere in grado di auto determinarsi, sviluppando una propria coscienza e rendersi per questo totalmente autonomo rispetto l’uomo.

Relativamente a quest’ultima fase il dibattito è molto acceso, anche se molti (come Stephen Hawpkins, Elon Musk e Bill Gates) sono dell’idea che questa evoluzione sia più che plausibile e che debba essere presa in seria considerazione e di debba iniziare, oggi, a discutere su come gestire questa evoluzione.

Published by

Simone Favaro

Techno and humanist enthusiast. I'm in the technology marketing sector. I'm even the author of a book about on-line business networking.

What do you think about?