Dallo sviluppo di auto a guida autonoma alla proliferazione di assistenti intelligenti come Siri e Alexa, percepiamo che l’intelligenza artificiale è una parte crescente della nostra vita quotidiana. Sappiamo anche che molte aziende tecnologiche di vari settori stanno investendo nell’intelligenza artificiale, nella convinzione che essa sarà LA tecnologia dominante nei prossimi anni.
Cos’è l’intelligenza artificiale?
Premesso che ogni definizione di IA comporta delle criticità – come ci aspettiamo del resto per il fatto stesso di parlare di intelligenza – potremmo dire che l’intelligenza artificiale è una branca dell’informatica che si occupa della costruzione di macchine in grado di eseguire compiti che normalmente richiedono l’intelligenza umana.
Meno di un decennio dopo aver aiutato le forze alleate a vincere la seconda guerra mondiale decifrando la macchina nazista di crittografia Enigma, il matematico Alan Turing pose una semplice domanda: “Le macchine possono pensare?”
L’articolo di Turing del 1950 “Computing Machinery and Intelligence” e il suo successivo test di Turing stabilirono le basi dell’IA.
Il test di Turing
Turing nel suo articolo propone un gioco, chiamato “gioco dell’imitazione”. Abbiamo 3 persone, A (un uomo), B (una donna) e una terza persona C che deve indovinare attraverso una serie di domande chi sia l’uomo e chi la donna.
C può porre le domande solo via chat (o dattiloscritte, vista l’epoca dell’articolo) e, nel gioco, A ha il compito di ingannare C mentre B quello di aiutarlo. Supponiamo che C individui chi è l’uomo nel 60% delle partite.
Ora, dice Turing, sostituiamo a A una macchina e continuiamo lo stesso gioco. Se, al termine del gioco, C avrà smascherato l’uomo (ovvero la macchina) con la stessa percentuale di successo, allora la macchina dovrebbe essere considerata intelligente. Infatti, sostiene Turing, essa è risultata indistinguibile da un essere umano.
Questa è la sfida che Alan Turing ci ha consegnato. Nonostante le numerose confutazioni e varianti correttive che sono state proposte negli anni, il test rimane la pietra angolare dell’intelligenza artificiale e l’incipit di tutte le domande che ancora oggi ci poniamo.
Simplicisticamente possiamo concludere dunque che l’IA è la branca dell’informatica che mira a rispondere affermativamente alla domanda di Turing. È lo sforzo di replicare o simulare l’intelligenza umana nelle macchine.
Il futuro dell’IA
I costi computazionali e infrastrutturali dietro l’intelligenza artificiale sono molto alti. Questo avrebbe costituito un serie limite al suo sviluppo se non ci fosse stata la legge di Moore. Essa, come noto, da quando fu enunciata nel 1965 da Gordon Moore, si è rivelata estremamente precisa: ogni 2 anni le capacità di calcolo dei microprocessori raddoppiano e il loro costo diminuisce.
Sebbene molti esperti ritengano che il trend della legge di Moore non sarà più sostenibile nei prossimi anni, essa ha avuto un impatto fondamentale sulle moderne tecniche di intelligenza artificiale. Senza di essa, l’intelligenza artificiale sarebbe fuori questione, finanziariamente parlando.
Sfruttando questa crescita esponenziale delle capacità di calcolo e i costi via via decrescenti, i progressi compiuti dall’intelligenza artificiale in una varietà di settori sono stati molto importanti negli ultimi anni. E il potenziale per un impatto ancora maggiore nei prossimi decenni sembra quasi inevitabile.
I quattro tipi di intelligenza artificiale
L’IA può essere suddivisa in quattro categorie, in base al tipo e alla complessità dei compiti che un sistema è in grado di eseguire. Ad esempio, il filtraggio automatico dello spam rientra nella classe più basilare dell’IA, mentre macchine in grado di percepire i pensieri e le emozioni delle persone farebbero parte di un sottoinsieme della IA completamente diverso.
Quali sono i quattro tipi di intelligenza artificiale?
- Macchine reattive: in grado di percepire e reagire al mondo che ha di fronte mentre svolge compiti limitati;
- IA a memoria limitata: in grado di memorizzare dati e previsioni passate per informare le previsioni di ciò che potrebbe venire in futuro;
- IA psicologica: in grado di prendere decisioni basate sulle sue percezioni di come gli altri sentono e prendono decisioni;
- IA autoconsapevole: in grado di operare con coscienza a livello umano e comprendere la propria esistenza.
Le macchine reattive
Una macchina reattiva segue i principi più basilari dell’IA e, come suggerisce il nome, è in grado di utilizzare la sua intelligenza solo per percepire e reagire al mondo di fronte a lei. Una macchina reattiva non ha memoria e, di conseguenza, non può fare affidamento sulle esperienze passate per informare il processo decisionale in tempo reale.
Avere questa percezione “diretta” del mondo, significa che le macchine reattive sono progettate per completare solo un numero limitato di compiti specializzati. Aver confinato la macchina entro questa ristretta visione del mondo, tuttavia, non deve essere visto come un limite. Significa invece che questo tipo di IA sarà più affidabile e deterministica – reagirà ogni volta allo stesso modo agli stessi stimoli.
Un famoso esempio di macchina reattiva è Deep Blue. Essa fu progettata da IBM nel 1990 come un supercomputer per giocare a scacchi e, nel 1996, sconfisse il grande maestro internazionale e campione del mondo Gary Kasparov in una partita singola. Nel 1997 Deep Blue sconfisse Kasparov anche in torneo con il punteggio di 3,5 a 2,5.
Nonostante questi successi, Deep Blue era solo in grado di identificare i pezzi su una scacchiera e sapere come ciascuno si muove in base alle regole degli scacchi. Essa riconosceva la posizione attuale di ogni pezzo e determinava quale era la mossa più logica in quel momento. Non vi era alcuna strategia o tentativo di portare l’avversario in una posizione di svantaggio: ogni mossa era vista come una realtà a sé stante, indipendente da qualsiasi altra mossa fosse stata fatta in precedenza.
Un altro esempio di macchina reattiva è AlphaGo di Google. AlphaGo è anch’essa incapace di valutare le mosse future ma, affidandosi alla propria rete neurale, può anche valutare gli sviluppi del gioco attuale. AlphaGo ha sconfitto per 4-1 il campione di Go Lee Sedol nel 2016.
Sebbene dunque limitata nella portata e non facilmente modificabile, l’IA reattiva della macchina può raggiungere un buon livello di complessità e risulta affidabile quando viene impiegata per svolgere attività ripetibili.
IA a memoria limitata
L’intelligenza artificiale a memoria limitata ha la capacità di memorizzare dati e previsioni precedenti. Quando essa raccoglie informazioni e soppesa potenziali decisioni, guarda al passato alla ricerca di indizi su ciò che potrebbe avvenire in futuro. L’intelligenza artificiale a memoria limitata è dunque più complessa e presenta maggiori possibilità rispetto alle macchine reattive.
L’intelligenza artificiale a memoria limitata viene creata da un team che addestra continuamente un modello su come analizzare e utilizzare nuovi dati oppure viene creato un sistema di intelligenza artificiale tale che i modelli possano essere addestrati e rinnovati automaticamente.
Quando si utilizza l’IA a memoria limitata in ML (machine learning), è necessario seguire alcuni passaggi:
- Si preparano i dati per l’addestramento;
- Si crea un modello ML in modo che sia in grado di fare previsioni;
- Il modello deve essere in grado di ricevere feedback umani o ambientali;
- Il feedback deve essere archiviato come raccolta di dati: questi passaggi devono essere ripetuti ciclicamente.
I modelli ML che utilizzano IA a memoria limitata
- Apprendimento per rinforzo, che impara a fare previsioni migliori attraverso ripetuti tentativi ed errori;
- Reti neurali ricorrenti (RNN), che utilizzano dati sequenziali per ricavare informazioni da input precedenti e influenzare l’input e l’output correnti. Queste sono comunemente usate per problemi ordinali o temporali, come la traduzione linguistica, l’elaborazione del linguaggio naturale, il riconoscimento vocale e la descrizione automatica di immagini. Un sottoinsieme di reti neurali ricorrenti è noto come memoria a lungo breve termine (LSTM), che utilizza i dati passati per aiutare a prevedere l’elemento successivo in una sequenza. Gli LTSM considerano le informazioni più recenti come le più importanti quando fanno previsioni e scartano i dati del passato, pur utilizzandoli per trarre conclusioni;
- Reti antagoniste generative evolutive (E-GAN), che si evolvono nel tempo, ed esplorano a ogni decisione percorsi leggermente modificati basati sulle esperienze precedenti. Questo modello è costantemente alla ricerca di un “percorso” migliore e utilizza simulazioni e statistiche, o il caso, per prevedere i risultati durante il suo ciclo di mutazione evolutiva;
- Transformers, che sono reti di nodi che imparano come svolgere un determinato compito esercitandosi su dati esistenti. Invece di dover raggruppare gli elementi, i “trasformatori” sono in grado di eseguire processi in modo che ogni elemento nei dati di input presti attenzione a ogni altro elemento. I ricercatori si riferiscono a questo come “auto-attenzione”, il che significa che non appena inizia l’addestramento, un trasformatore può vedere tracce dell’intero set di dati a disposizione.
IA psicologica
La teoria della IA psicologica è proprio questo: teorica. Non abbiamo ancora raggiunto le capacità tecnologiche e scientifiche necessarie per raggiungere questo livello di IA.
Il concetto si basa sulla premessa psicologica di comprendere che gli altri esseri viventi hanno pensieri ed emozioni che influenzano il loro comportamento. In termini di macchine IA, ciò significherebbe che l’IA potrebbe comprendere come si sentono gli esseri umani, gli animali e le altre macchine e come essi prendono decisioni attraverso l’auto-riflessione e la determinazione. In tal modo quindi utilizzerebbero tali informazioni per prendere decisioni proprie. In sostanza, le macchine dovrebbero essere in grado di cogliere ed elaborare il concetto di “mente”, le fluttuazioni delle emozioni nel processo decisionale e una serie di altri concetti psicologici in tempo reale, creando una relazione bidirezionale tra persone e intelligenza artificiale.
Consapevolezza
Una volta che, nel futuro della IA, sarà realizzata la IA psicologica, il passo finale sarà che l’IA diventi consapevole di sé. Questo tipo di IA possiede una coscienza a livello umano e comprende la propria esistenza nel mondo, nonché la presenza e lo stato emotivo degli altri. Sarebbe in grado di capire di cosa potrebbero aver bisogno gli altri in base non solo a ciò che comunicano loro, ma a come lo comunicano.
Foto di DeepMind
