Intelligenza artificiale: quando è considerata intelligente?

Kevin Hofer

4.5.2018

Traduzione: tradotto automaticamente

Siri, Google Assistant, Cortana o Alexa ti semplificano la vita. La fotocamera e il software del tuo smartphone calcolano l'immagine ottimale per te. L'intelligenza artificiale (AI) può fare sempre di più. A che punto dobbiamo temere che l'intelligenza artificiale ci superi?

L'idea di intelligenza artificiale è molto antica. La mitologia greca parla già di robot intelligenti. In una rappresentazione, Talos è un gigante automatico di bronzo. Il suo compito è quello di proteggere Europa, l'amante di Zeus, a Creta. Per proteggerla, lancia pietre contro le navi in avvicinamento. Se un equipaggio riesce comunque a sbarcare, il gigante si riscalda in modo che gli invasori si spaventino e fuggano. Se non vengono dissuasi, li uccide abbracciandoli. Per inciso, nella storia Talos viene ucciso dagli Argonauti, il gruppo di eroi che aiuta Iason nella ricerca del Vello d'Oro.

Per fortuna, non dobbiamo più remare attraverso i mari come gli Argonauti per godere della vista dell'IA. Talos possedeva già una caratteristica centrale dell'intelligenza umana: adattava il suo comportamento a seconda dello stadio dell'invasione, era in grado di imparare. Naturalmente, la capacità di apprendere è solo una delle caratteristiche dell'intelligenza umana.

Vediamo un esempio più recente tratto dalla fantascienza. Nel film "Ex Machina", il protagonista Caleb deve sottoporre l'androide Ava alla prova di Turing. Non voglio fare troppi spoiler per chi non ha ancora visto il film. Ma si scopre che Ava è un essere calcolatore. Ha molte caratteristiche del pensiero umano: risoluzione di problemi, apprendimento, ragionamento, percezione e uso del linguaggio.

Risoluzione dei problemi

La risoluzione dei problemi può essere definita come il tentativo sistematico di intraprendere diverse azioni per raggiungere un obiettivo definito. I metodi di risoluzione dei problemi nell'IA possono essere suddivisi in metodi generali e metodi speciali. Un metodo specializzato è stato sviluppato specificamente per una particolare sfida. I metodi generali possono essere applicati a più sfide.

Quando risolve i problemi, l'IA viene programmata da zero. La conoscenza non viene quindi acquisita da sé, ma arriva di seconda mano attraverso la programmazione. L'IA che si concentra sulla risoluzione dei problemi era particolarmente importante all'inizio della ricerca sull'IA. Ma di questo parleremo in un altro articolo.

Apprendimento

Ci sono diversi approcci al modo in cui un'IA può imparare. L'approccio più semplice è quello per tentativi ed errori. In questo caso, l'IA persegue vari approcci. Nel farlo, accetta consapevolmente che un approccio possa essere sbagliato. Se uno di essi funziona, viene utilizzato più volte nella stessa situazione. Questo approccio è chiamato Rote Learning.

Un altro approccio è l'apprendimento automatico o il suo ulteriore sviluppo, il deep learning. Gli algoritmi di apprendimento automatico utilizzano i loro calcoli per imparare direttamente dai dati senza affidarsi a una programmazione predefinita. A differenza dell'apprendimento grezzo, l'intelligenza artificiale è destinata a svolgere azioni senza una programmazione esplicita. Gli algoritmi migliorano le loro prestazioni quando aumenta la quantità di dati rilevanti per l'apprendimento. Per questo motivo l'apprendimento automatico e l'apprendimento profondo hanno fatto grandi progressi con i big data negli ultimi anni.

Un esempio di machine learning è la funzione di raccomandazione di Netflix. Sulla base delle informazioni raccolte sul comportamento degli utenti, l'algoritmo calcola cosa potrebbe piacere all'utente.

Alpha Go di Google è un buon esempio di deep learning. Il software, che padroneggia il complesso gioco Go, impara gareggiando contro giocatori umani di Go. Funziona così bene che Alpha Go ha già battuto i migliori giocatori. A differenza dell'apprendimento automatico, Alpha Go impara tutto da solo grazie agli algoritmi di deep learning. Per definizione, l'apprendimento automatico ha ancora bisogno di essere assistito qua e là.

Occorre fare una distinzione tra apprendimento e ragionamento. Nell'apprendimento, l'IA si basa sui dati; nel ragionamento, le leggi sono fondamentali per l'IA.

Inferenza

Il pensiero inferenziale viene utilizzato per trarre conclusioni. Le conclusioni possono essere deduttive, induttive o abduttive. Nella deduzione, la conseguenza viene dedotta da una premessa e da una regola. L'induzione consiste nel trarre conclusioni dalla premessa e dalla conseguenza ad una regola, mentre l'abduzione consiste nel trarre conclusioni dalla regola e dalla conseguenza alla premessa.

Esempio di deduzione

Livia o è al lavoro o è a scuola (regola)
Non è al lavoro (premessa)
Quindi è a scuola (conseguenza)

Esempio di induzione

Livia non è al lavoro (premessa)
È a scuola (conseguenza)
Quindi o è al lavoro o è a scuola (regola)

Esempio di abduzione

Livia o è al lavoro o è a scuola (regola)
È a scuola (conseguenza)
Quindi non è al lavoro (premessa)

Induzione e abduzione sono conclusioni logiche. Solo la deduzione è assolutamente necessaria. Il ragionamento deduttivo è di casa anche nella matematica e nella logica.

L'induzione e l'abduzione sono conclusioni logiche assolutamente necessarie.

Questi esempi sono, ovviamente, molto semplificati. Tuttavia, illustrano molto bene la differenza tra ragionamento deduttivo, induttivo e abduttivo. L'intelligenza artificiale è già molto forte nel ragionamento deduttivo. Tuttavia, il vero ragionamento non consiste solo nel trarre conclusioni sulla base di regole e premesse. Si tratta di trarre conclusioni che siano rilevanti per la soluzione di un determinato compito o situazione. L'attività umana richiede tutte le forme di ragionamento.

Un esempio di ragionamento deduttivo è l'IA in grado di eseguire compiti matematici complessi. Personalmente, non sono a conoscenza di alcun esempio di IA che utilizzi il ragionamento deduttivo o induttivo. Nella maggior parte dei casi si tratta di apprendimento automatico. Se hai un esempio reale di IA che utilizza il ragionamento induttivo o abduttivo, fammelo sapere nei commenti.

Percezione

Durante la percezione, l'ambiente viene scansionato da vari sensori. Gli oggetti e i soggetti che si trovano in uno spazio predefinito vengono quindi visualizzati e percepiti nella loro relazione spaziale. In questo modo è possibile eseguire azioni nell'ambiente. Questo include anche il camminare e l'afferrare, per esempio.

Un esempio di percezione nell'IA sono i bracci robotici che assemblano una sedia Ikea. Diversi sensori scansionano l'ambiente. Le braccia robotiche riconoscono dove si trovano i pezzi e possono raccoglierli e assemblarli. Le braccia artificiali dispongono anche di sensori di pressione per valutare la forza con cui devono inserire i tasselli, ad esempio.

Linguaggio

Il linguaggio è un sistema di segni che trae il suo significato da convenzioni. Non può quindi essere ridotto solo al linguaggio parlato. In questo senso, anche i segnali stradali, ad esempio, possono essere considerati un linguaggio. Il linguaggio umano, tuttavia, è in grado di formare innumerevoli frasi. Le parole possono avere un doppio significato ed essere pronunciate in modo diverso a causa dei dialetti, degli accenti o delle difficoltà di pronuncia.

Ci sono molti esempi di IA e linguaggio. Ci sono gli assistenti vocali che ci accompagnano sui nostri smartphone e, sempre più spesso, gli altoparlanti intelligenti nelle nostre case intelligenti.

Materia complessa

L'intelligenza umana è molto più complessa di quanto si pensasse inizialmente. Ci vuole molto perché l'intelligenza artificiale possa competere con quella umana. Imitare uno o addirittura due componenti dell'intelligenza umana sembra possibile. Ma il linguaggio, la percezione, la risoluzione dei problemi, il ragionamento e l'apprendimento allo stesso tempo? Sembra molto complesso. Un androide come Ava probabilmente rimarrà fantascienza per i prossimi anni.

Forse è un'ipotesi un po' azzardata. Una svolta potrebbe avvenire all'improvviso e molto rapidamente. Ma per guardare al futuro, dobbiamo prima visualizzare ciò che è accaduto finora. Prossimamente scriverò di come l'intelligenza artificiale si è sviluppata finora in un altro articolo.

Kevin Hofer

Senior Editor

kevin.hofer@digitecgalaxus.ch

Tecnologia e società mi affascinano. Combinarle entrambe e osservarle da punti di vista differenti sono la mia passione.

Segui

---

Smartphone

Segui gli argomenti e ricevi gli aggiornamenti settimanali relativi ai tuoi interessi.

Segui argomento

---

Informatica

Segui gli argomenti e ricevi gli aggiornamenti settimanali relativi ai tuoi interessi.

Segui argomento

Potrebbero interessarti anche questi articoli