L’intelligenza artificiale è una tecnologia ormai entrata stabilmente a far parte della nostra quotidianità, dai semplici assistenti domestici ai più complessi sistemi di robotica industriale. Nella sua definizione più ampia, l’intelligenza artificiale è un termine ombrello a cui fanno riferimento molte tecnologie ed applicazioni ben più specifiche.
Dal concetto di intelligenza, radicato nelle sue varie interpretazioni nel corso degli studi filosofici sul pensiero, ancor prima di conoscere la sua dimensione artificiale, si è passati a domandarsi se le macchine siano o meno in grado di pensare. Da tale riflessione sono nati numerosi approcci, che hanno portato alla definizione di quella che tuttora viene rappresentato dall’intelligenza artificiale debole e dall’intelligenza artificiale forte.
La basi pratiche e concettuali dell’intelligenza artificiale vengono solitamente ricondotte al famigerato Test di Turing, formulato da colui che viene all’unanimità riconosciuto quale il padre dell’informatica per come la concepiamo oggi: Alan Turing. Dopo aver concepito la macchina che ancora oggi porta il suo nome, antesignano degli attuali computer, il celebre scienziato britannico si è posto il problema della facoltà di pensiero delle macchine, derivante dalla capacità di elaborare i dati secondo la logica prevista dagli algoritmi matematici.
Il Test di Turing prevede uno scenario in cui una persona interagisce con una macchina, che può superare o meno il test se l’umano con cui si rapporta non è in grado distinguerla da un’altra persona. Al di là della sua valenza scientifica, nei lontani anni Trenta, Turing ha introdotto una riflessione più che mai attuale, ben prima che il matematico John McCarthy, nel 1956, coniasse per la prima volta la definizione di intelligenza artificiale, individuando una serie di obiettivi da raggiungere nell’arco di un decennio, tra cui: dimostrare alcuni teoremi matematici, battere un campione di scacchi e spiegare il comportamento umano.
I primi due punti, pur con qualche ritardo sull’agenda, sono stati raggiunti, mentre venire a capo della complessità con cui il nostro cervello dà luogo al modo in cui agiamo, pare essere ancora un obiettivo ben distante dall’essere completato con successo.
Si tratta infatti di un percorso estremamente complesso, anche soltanto da inquadrare, per via della varietà degli argomenti che vi concorrono. Innanzitutto, le scienze non sono ancora del tutto riuscite a venire a capo del funzionamento del cervello umano.
In seconda istanza, anche quando non vi sono certezze scientifiche condivise, occorre passare dalla teoria alla pratica. Cercare di riprogrammare a livello informatico un flusso in cui uno stimolo genera un ragionamento che si traduce a sua volta in una enorme quantità possibile di comportamenti rende l’idea effettiva delle complessità con cui si confrontano quotidianamente gli specialisti dell’intelligenza artificiale.
Le due principali correnti di pensiero, anche se ormai questo grado di separazione appare sempre più sfumato, sono rappresentate dall’intelligenza artificiale debole e dall’intelligenza artificiale forte, così definite per la prima volta dal filoso statunitense John Searle, autore peraltro del famoso esperimento della Stanza Cinese.
L’intelligenza artificiale: una premessa
La volontà di riprodurre artificialmente l’intelligenza umana ha dato luogo a due approcci almeno all’origine radicalmente distinti. Da un lato ritroviamo l’intelligenza artificiale debole (o ristretta) e dall’altro l’intelligenza artificiale forte (o generale). Per cogliere in maniera semplice ed intuitiva le differenze che caratterizzano queste due classificazioni occorre ricordare alcuni degli obiettivi che vengono tradizionalmente associati all’intelligenza artificiale:
- – Agire come un essere umano, in analogia con il comportamento dello stesso essere umano in una circostanza analoga
- – Pensare come un essere umano, approcciandosi e risolvendo i problemi grazie a funzioni cognitive
- – Pensare in maniera razionale, logica secondo gli stessi schemi di pensiero che utilizzerebbe un essere umano
- – Agire in maniera razionale, cercando di prendere la miglior decisione possibile sulla base delle informazioni contestuali a disposizione
L’intelligenza artificiale debole e l’intelligenza artificiale forte si confrontano entrambe con questi obiettivi, ma scelgono di provare a raggiungerli con approcci, metodi e tecnologie profondamente differenti tra loro.
L’intelligenza artificiale forte
L’intelligenza artificiale forte, o generale, è caratterizzata da sistemi in grado di simulare il pensiero umano nel comportarsi in maniera autonoma a prescindere dal problema da risolvere. Emerge dunque la differenza sostanziale rispetto alla AI debole, ossia l’assenza di un nesso diretto tra il problema e la sua soluzione.
L’obiettivo di un’intelligenza artificiale forte è sviluppare una coscienza autonoma, ispirata al funzionamento del cervello umano, pertanto in grado di trovare soluzioni in qualsiasi tipo di situazione, a prescindere dalla natura specifica del problema. Si tratta naturalmente di un obiettivo incredibilmente ambizioso, che risiede con la capacità di creare una vera e propria macchina pensante, come quelle che abbiamo ammirato in varie circostanze nell’immaginario sci-fi.
Mentre la AI ristretta è impostata per apprendere automaticamente e prendere decisioni di tipo razionale in relazione ad un problema dato, la AI generale è concepita per agire come l’uomo agirebbe in funzione del suo razionale pensiero. Nel primo caso, il contesto è generalmente noto a priori e descritto attraverso i dati appresi dal sistema di machine learning. Nel caso della AI forte, è il sistema stesso a ricreare il contesto, sulla base delle logiche razionali del pensiero umano che intende simulare.
Se la AI debole trova la soluzione al problema caso per caso, e si ferma li, la AI forte assume un approccio generalista nei confronti del problema stesso, a partire dalla auto-comprensione delle regole del gioco. Una volta maturata questa conoscenza, una AI generale appare in grado di risolvere qualsiasi tipo di problema possa manifestarsi in un determinato ambito.
Un esempio classico deriva dal gioco degli scacchi, laddove una AI debole si concentrerebbe nell’affrontare un problema specifico, come un solo avversario, analizzando le sue mosse ai fini di individuare le contromosse migliori. Una AI forte invece partirebbe dalla comprensione delle regole del gioco degli scacchi, con l’obiettivo di battere qualsiasi possibile avversario.
Questo aspetto mette in evidenza anche un’altra differenza fondamentale che intercorre tra AI debole e AI forte: il dispendio di risorse ed energia necessario per soddisfare obiettivi che si pongono su un livello di ambizione totalmente differente.
Nel caso di una AI debole, è sufficiente un sistema di machine learning e un data set relativamente circoscritto di informazioni. Nel caso di una AI forte, l’approccio generalista richiede l’adozione di sistemi molto più complessi, basati sulle reti neurali profonde, di data set molto estesi e di un volume computazionale incredibilmente elevato.
In termini di elaborazione, l’attuale generazione informatica appare in molti casi limitata a gestire la quantità di operazioni necessaria, anche quando si rendono disponibili le risorse dei supercomputer. Questo limite generazionale porta a rivolgere sempre più di frequente lo sguardo al quantum computing e al quantum machine learning, in grado di riformulare integralmente l’approccio fisico e matematico nei confronti del problema.
Le sfide della AI
Le differenze e gli obiettivi che intercorrono tra intelligenza artificiale debole e intelligenza artificiale forte sono alla base di molti interrogativi, tra cui l’opportunità di una macchina di riprodurre il pensiero umano. Dando per scontato che, presto o tardi, le tecnologie consentiranno di risolvere i problemi dell’intelligenza artificiale, rimarrà probabilmente sempre attuale la questione di carattere etico, relativamente alla nostra capacità di controllare un sistema di AI quando sarà a tutti gli effetti in grado di auto-programmarsi, sostituendo con ogni probabilità l’uomo.
Se oggi i timori legati alla AI sono soprattutto specifici alla capacità dei robot di rimpiazzare l’uomo in molte operazioni, rendendo in vari modi superflua la sua presenza, se i sistemi di AI forte miglioreranno nella loro efficienza, la questione si sposterà verso confini molto più ampi e generalizzati.
Arriveremo probabilmente a confrontarci con un tema molto caro a Isaac Asimov, che lo ha descritto nelle sue fondamentali tre leggi della robotica, per cui, in ogni caso, una macchina non deve mai assumere un comportamento lesivo nei confronti dell’uomo. Saremo in grado di garantirlo?
Ad oggi, un semplice data set poco accurato può generare un’analisi e una risposta al problema distorta, nota come bias dell’intelligenza artificiale. Quando la potenza di questi sistemi crescerà, la portata delle conseguenze potrebbe apparire ancora più critica, sia in positivo che in negativo.
L’intelligenza artificiale oggi
Oggi l’intelligenza articiale è applicata in moltissimi ambiti applicativi. Dai sistemi smart home, coordinati da assistenti virtuali come Alexa, capaci di relazionarsi con l’uomo per gestire e attivare una serie di dispositivi, fino ad avanzati sistemi di robotica intelligente, capaci di variare il proprio comportamento in base alla situazione contestuale che si presenta loro di volta in volta.
Il Test di Turing probabilmente rimarrà un’eterna provocazione, ma intanto, nelle applicazioni di customer care, le aziende iniziano a mettere dei disclaimer per avvertire i propri utenti che l’interfaccia con cui si stanno relazionando è una AI e non una persona reale, tale è l’accuratezza con cui i bot stanno iniziando a comprendere il linguaggio naturale e tradurlo in una serie di risposte concrete, dopo aver formulato le domande più opportune. L’intelligenza artificiale oggi manifesta soprattutto le incredibili potenzialità che saremo in grado di raggiungere domani, in maniera congiunta con i progressi della cibernetica ed altre discipline in cui le AI e la robotica saranno chiamate a supportare l’uomo in maniera sempre più stretta ed indissolubile. La questione non si limita pertanto alla sua dimensione puramente tecnologica, ma appare inevitabilmente destinata a coinvolgere il contributo di tutte le scienze umane
Categoria: INTELLIGENZA ARTIFICIALE
Cosa sono e come funzionano le reti neurali ricorrenti
Le reti neurali trovano il loro fondamenti nei lontani anni Quaranta del Novecento, quando Warren McCulloch e Walter Pitts pubblicarono… Leggi tutto
Reti neurali: cosa sono, come funzionano e le applicazioni
Nel contesto dell’intelligenza artificiale si parla sempre più spesso di reti neurali, intese quali modelli matematici dichiaratamente ispirati al funzionamento… Leggi tutto
Transfer learning: cos’è, i modelli e le applicazioni
Lo sviluppo legato all’intelligenza artificiale coinvolge un’ampia varietà di metodi e tecniche, che possono valorizzare l’abilità di riutilizzare in maniera… Leggi tutto