In­tel­li­gen­za Ar­ti­fi­cia­le Ge­ne­ra­le, De­bo­le e For­te

É dav­ve­ro pos­si­bi­le rea­liz­za­re com­pu­ter in gra­do di pen­sa­re co­me la men­te uma­na?

Costozero - - Sommario - Di L. Mari

Sen­za an­da­re trop­po lon­ta­no con i pre­cur­so­ri dei si­ste­mi au­to­ma­ti­ci del XVII e XVIII se­co­lo co­me Pa­scal e Bab­ba­ge pos­sia­mo di­re che i pri­mi pas­si dell'In­tel­li­gen­za Ar­ti­fi­cia­le (IA) fan­no ri­fe­ri­men­to agli an­ni '50 con la pub­bli­ca­zio­ne di un ar­ti­co­lo di Alan Tu­ring in cui, per la pri­ma vol­ta, si fa ri­fe­ri­men­to al­la pos­si­bi­li­tà di crea­re un com­por­ta­men­to in­tel­li­gen­te. Da qui na­sce il pro­ble­ma fi­lo­so­fi­co su co­sa sia l'In­tel­li­gen­za Ar­ti­fi­cia­le e l'ini­zio del­le di­stin­zio­ni tra In­tel­li­gen­za Ar­ti­fi­cia­le Ge­ne­ra­le, For­te e De­bo­le.

In­tel­li­gen­za Ar­ti­fi­cia­le Ge­ne­ra­le

Ri­guar­da lo stu­dio e la rea­liz­za­zio­ne di una IA ca­pa­ce di re­pli­ca­re l'in­tel­li­gen­za uma­na. Mol­te as­so­cia­zio­ni ed en­ti pri­va­ti la­vo­ra­no in que­sto cam­po del­la ri­cer­ca esplo­ran­do le pos­si­bi­li­tà di crea­re una mac­chi­na ca­pa­ce di ave­re co­scien­za di sé.

In­tel­li­gen­za Ar­ti­fi­cia­le De­bo­le

Ci si ri­fe­ri­sce ad ap­pli­ca­zio­ni pra­ti­che do­ve è ri­chie­sta la ca­pa­ci­tà da par­te del­la mac­chi­na di com­pren­de­re e ri­sol­ve­re spe­ci­fi­ci pro­ble­mi, co­me ad esem­pio il gio­co de­gli scac­chi op­pu­re la ca­pa­ci­tà di leg­ge­re una ra­dio­gra­fia ed emet­te­re una dia­gno­si.

In­tel­li­gen­za Ar­ti­fi­cia­le For­te

Ri­guar­da lo stu­dio del­la crea­zio­ne di una In­tel­li­gen­za che non sia la sem­pli­ce re­pli­ca del­la men­te uma­na, ma qual­co­sa di originale ca­pa­ce di pen­sa­re ed ela­bo­ra­re pro­ble­mi mai af­fron­ta­ti pri­ma. Sem­pre più ri­cer­ca­to­ri che la­vo­ra­no nel cam­po del­la IA non ve­do­no al­cun im­pe­di­men­to al­la crea­zio­ne di una IA For­te, ma non c'è una vi­sio­ne co­mu­ne sul ri­sul­ta­to e nem­me­no quan­do que­sto ac­ca­drà. Le stra­da at­tual­men­te per­cor­sa è quel­la di ca­pi­re ed emu­la­re il cer­vel­lo uma­no e im­ple­men­tar­ne le sue fun­zio­na­li­tà. Le re­ti neu- ra­li ar­ti­fi­cia­li ba­sa­te su si­ste­mi di ap­pren­di­men­to per­met­to­no a una mac­chi­na di de­ci­de­re in ba­se a in­put sen­za che gli out­put o le re­go­le sia­no re­se espli­ci­te.

Ap­pren­di­men­to

I si­ste­mi di IA For­te sa­ran­no in gra­do di fa­re dei me­ta-ra­gio­na­men­ti, ov­ve­ro ra­gio­na­men­ti sul ra­gio­na­men­to. Pos­sia­mo quin­di af­fer­ma­re che un si­ste­ma di IA For­te mi­glio­re­rà nel tem­po riu­scen­do a

ot­te­ne­re ri­sul­ta­ti sem­pre mi­glio­ri, au­men­tan­do le pro­prie ca­pa­ci­tà di ri­sol­ve­re pro­ble­mi. Nel tem­po il si­ste­ma di­ven­te­rà sem­pre più bravo e ap­pli­che­rà i nuo­vi pro­ces­si a se stes­so in mo­do ri­cor­si­vo. Que­sto è quel­lo che noi chia­mia­mo In­tel­li­gen­za.

Machine Lear­ning VS Deep Lear­ning

Machine Lear­ning è un set di al­go­rit­mi per ana­liz­za­re gran­di quan­ti­tà di da­ti per rag­giun­ge­re de­gli obiet­ti­vi spe­ci­fi­ci. Non è quin­di un set di istru­zio­ni ben de­fi­ni­te, ma al­go­rit­mi ge­ne­ra­li in gra­do di rag­giun­ge­re obiet­ti­vi spe­ci­fi­ci in ba­se a un ad­de­stra­men­to. Al­la ba­se ci so­no fun­zio­ni ma­te­ma­ti­che e sta­ti­sti­che che so­no in gra­do di fa­re pre­vi­sio­ni sul­la ba­se dei da­ti ela­bo­ra­ti in mol­tis­si­mi cam­pi, con ri­sul­ta­ti non pre­ve­di­bi­li o pro­gram­ma­bi­li. Deep

Lear­ning è una tec­ni­ca im­ple­men­ta­ti­va di Machine Lear­ning, ov­ve­ro si trat­ta di un ap­proc­cio di­ver­so per rag­giun­ge­re gli stes­si obiet­ti­vi. Deep Lear­ning uti­liz­za le Re­ti

Neu­ra­li Ar­ti­fi­cia­li che si­mu­la­no il com­por­ta­men­to bio­lo­gi­co dei neu­ro­ni del cer­vel­lo uma­no. La dif­fe­ren­za prin­ci­pa­le di que­sta tec­ni­ca sta nel­la scel­ta de­gli al­go­rit­mi. Deep Lear­ning de­ci­de da so­lo l'ap­proc­cio per rag­giun­ge­re l'obiet­ti­vo uti­liz­zan­do tec­ni­che non pre­ce­den­te­men­te pro­gram­ma­te.

Sin­go­la­ri­tà Tec­no­lo­gi­ca rap­pre­sen­ta il mo­men­to sto­ri­co nel qua­le l'IA For­te non sa­rà più pre­ve­di­bi­le in quan­to i si­ste­mi di IA sa­ran­no in gra­do di mi­glio­ra­re espo­nen­zial­men­te e in­fi­ni­ta­men­te lo­ro stes­si. Se sa­re­mo in gra­do di com­pren­der­le e ren­der­le com­pa­ti­bi­li con la vi­ta uma­na, al­lo­ra il mon­do cam­bie­rà in ma­nie­ra pro­fon­da e gli es­se­ri uma­ni po­tran­no trar­ne enor­mi van­tag­gi.

Un pro­gram­ma­to­re su tre ver­rà so­sti­tui­to dall’In­tel­li­gen­za Ar­ti­fi­cia­le

Mol­to pre­sto i com­pu­ter non ver­ran­no più pro­gram­ma­ti co­me sia­mo abi­tua­ti og­gi. Nel cor­so de­gli ul­ti­mi an­ni, le più gran­di azien­de di tec­no­lo­gia per­se­guo­no un nuo­vo ap­proc­cio al cal­co­lo chia­ma­to ap­pren­di­men­to au­to­ma­ti­co. Og­gi so­no gli svi­lup­pa­to­ri a da­re istru­zio­ni al com­pu­ter, men­tre con l'ap­pren­di­men­to au­to­ma­ti­co, i pro­gram­ma­to­ri non scri­ve­ran­no più righe co­di­ce ma al­le­ne­ran­no i com­pu­ter ad ese­gui­re dei com­pi­ti. L'ap­pren­di­men­to au­to­ma­ti­co, chia­ma­to an­che Deep Lear­ning, uti­liz­za le Re­ti Neu­ra­li

Ar­ti­fi­cia­li che si­mu­la­no il com­por­ta­men­to bio­lo­gi­co dei neu­ro­ni del cer­vel­lo uma­no. Per in­se­gna­re ad una re­te neu­ra­le ar­ti­fi­cia­le a ri­co­no­sce­re un ca­ne ba­ste­rà mo­strar­gli mi­glia­ia di im­ma­gi­ni di ca­ni. Il pro­ces­so con­ti­nue­rà fin­ché il si­ste­ma non sa­rà in gra­do di in­di­vi­dua­re un ca­ne in con­te­sti di­ver­si. Que­sto ap­proc­cio non è cer­ta­men­te nuo­vo, ma so­lo di re­cen­te è di­ven­ta­to in­te­res­san­te gra­zie a nuo­ve e po­ten­ti re­ti neu­ra­li ba­sa­te su si­ste­mi com­pu­ta­zio­na­li di­stri­bui­ti su sca­la mon­dia­le. Gra­zie a que­sta po­ten­za so­no in gra­do di es­se­re uti­liz­za­te in con­te­sti rea­li e an­che in am­bi­to bu­si­ness. Que­ste mac­chi­ne so­no me­glio co­no­sciu­te co­me Ma

chi­ne Lear­ning. Que­sti si­ste­mi so­no già lar­ga­men­te uti­liz­za­ti da gran­di azien­de. Per esem­pio Fa­ce­book uti­liz­za que­sti si­ste­mi per com­pren­de­re le storie sul­la vo­stra ti­me­li­ne o per ri­co­no­sce- re im­ma­gi­ni da cen­su­ra­re o per ri­co­no­sce­re le fac­ce dei vostri amici. Ogni vol­ta che pub­bli­ca­te una foto su Fa­ce­book il si­ste­ma ne ri­co­no­sce il con­te­nu­to e ag­giun­ge dei tag in au­to­ma­ti­co (ba­sta con­trol­la­re il sor­gen­te HTML del­la pa­gi­na Fa­ce­book per con­trol­la­re co­sa è sta­to ag­giun­to au­to­ma­ti­ca­men­te). An­che Mi­cro­soft uti­liz­za que­sti si­ste­mi ed un esem­pio re­cen­te è l'in­tro­du­zio­ne del­la tra­du­zio­ne in tem­po rea­le del­le vi­deo chat su Sky­pe in di­ver­se lin­gue. Lo stes­so ap­proc­cio è uti­liz­za­to dal­le au­to­mo­bi­li che si gui­da­no da so­le co­me le Te­sla o le Goo­gle car. Que­ste mac­chi­ne im­pa­ra­no a gui­da­re gior­no per gior­no mi­glio­ran­do le pro­prie ca­pa­ci­tà in ba­se all'espe­rien­za.

Ci sa­rà an­co­ra spazio per i pro­gram­ma­to­ri co­me li co­no­scia­mo og­gi?

Pre­sto non ser­vi­ran­no pro­gram­ma­to­ri co­me li co­no­scia­mo og­gi ma ser­vi­ran­no fi­gu­re pro­fes­sio­na­li di­ver­se che co­no­sca­no le in­fra­strut­tu­re che so­no al­la ba­se del­le Machine Lear­ning. Tim O'Reil­ly so­stie­ne che, seb­be­ne ci sa­rà bi­so­gno di pro­gram­ma­to­ri an­co­ra per un lun­go tem­po, ad un cer­to pun­to il nu­me­ro scen­de­rà in mo­do sen­si­bi­le in fa­vo­re del­le nuo­ve fi­gu­re pro­fes­sio­na­li che si oc­cu­pe­ran­no del­le ar­chi­tet­tu­re che so­vrain­ten­do­no le Machine Lear­ning più che di pro­gram­mi spe­ci­fi­ci. Stia­mo per en­tra­re in un mon­do do­ve il rap­por­to con la tec­no­lo­gia sa­rà si­cu­ra­men­te più complicato e fon­te di mo­di­fi­che strut­tu­ra­li al mon­do del la­vo­ro, ma al­lo stes­so tem­po si­cu­ra­men­te più gra­ti­fi­can­te.

Newspapers in Italian

Newspapers from Italy

© PressReader. All rights reserved.