Un giorno le macchine riusciranno a risolvere tutti i problemi, ma mai nessuna di esse potrà porsene uno (Albert Einstein)
L’origine delle IA
La prima generazione di IA era impropriamente definita tale.
Questo perché il loro funzionamento era pressappoco questo; creato un sistema con una certa quantità di dati all’interno, si “insegnava” all’IA che ad un determinato dato X avrebbe dovuto rispondere con un determinato dato Y.
Il motivo per cui la scienza non sta più procedendo in questo modo sta nel fatto che non è possibile creare un set di dati che possa identificare tutti i dati di utilizzo.
Facciamo un esempio. Con il “vecchio metodo”, se avessimo voluto che un IA indentificasse e ci dicesse se all’interno di una foto era presente un essere umano, avremmo dovuto fornire all’IA tutti i dati con tutte le foto di tutti gli esseri umani presenti, passati e futuri. Solo in questo modo, sulla base dei dati in suo possesso, l’IA potrebbe avrebbe potuto dirci se nella foto era presente un essere umano.
Dunque l’approccio è cambiato.
IA di seconda generazione
Quello che avviene ora, in un caso simile a quello sopra, è dotare l’IA di un sistema che, accumulando esperienza, ci dice se all’interno della foto c’è un umano basandosi sul riconoscimento di alcune ricorrenze (la presenza di due occhi, di un naso, una bocca, di sopracciglia ecc). Stiamo parlando di machine learning, deep learning e reti neurali.
Una IA di questo genere, definiamola di seconda generazione, viene allenata sottoponendogli varie foto. Quando indovina quanto richiesto viene “premiata”, mentre quando sbaglia viene “sgridata”. In questo modo l’IA auto apprende e migliora sempre di più.
In sostanza le IA attuali basano la loro intelligenza su un set di dati prestabilito da cui imparano.
Questa metodologia, questo approccio, è il medesimo per ogni applicazione.
L’IA moderna tuttavia, seppur migliorata e non più strettamente legata alla presenza di un set di dati il più preciso possibile, manca ancora di molti elementi propri degli esseri umani. In altre parole sono sistemi statistici che hanno archiviato una grandissima quantità di dati correlati tra loro, sui quali le IA fanno tutti i calcoli necessari per permettergli di stabilire statisticamente qual è la risposta più corretta.
Questo limite mette però in difficoltà le IA quando devono rispondere a quesiti su argomenti dove i dati scarseggiano o dove i dati non ci sono affatto.
Ad esempio, se mostrassimo a un IA la foto di una specie animale sconosciuta, questa non saprebbe rispondere, o al massimo potrebbe rispondere che tale specie animale assomiglia o corrisponde maggiormente a questa o quella specie animale esistente. Nulla più.
Al contrario, la mente umana ragionerebbe, cercherebbe di contestualizzare quello che vede e di immaginare quello che potrebbe essere, sia sulla base delle informazioni possedute che sulla base della propria esperienza; al termine di queste analisi darebbe la sua risposta, magari dicendo che si tratta di una nuova specie sconosciuta.
Questa capacità di astrazione le attuali IA non l’hanno ancora sviluppata, ma si limitano a una ricerca tra i dati in loro possesso con l’obiettivo di “pesare” una risposta statistica.
IA Cognitiva
Le future IA – cosiddette cognitive – dovranno superare questo limite. Per farlo avranno bisogno di più informazioni, di prestazioni di calcolo implementate e la capacità di attingere da molteplici sorgenti i dati necessari a cui poi dare un peso.
Questo approccio, che sarà applicato ai futuri sistemi di intelligenza artificiale, viene definito 3LK (three level of knowledge) ovvero tre livelli di conoscenza.
Il primo livello è conosciuto come INSTANT KNOWLEDGE (conoscenza istantanea), dati che noi già possediamo e che recuperiamo in maniera immediata dalla nostra memoria.
Questo livello permette una rapida risposta a un evento esterno. Ad esempio, se sentiamo abbaiare, capiamo immediatamente che c’è un cane nelle vicinanze. Per un IA questa conoscenza istantanea potrebbe essere “pensata” come una memoria interna da cui recuperare immediatamente i dati di “conoscenza base”
Il secondo livello è definito STANDBY KNOWLEDE (conoscenza “in attesa”).
Si tratta di informazioni che recuperiamo nel momento presente in base a diversi stimoli e fonti e che richiedono una serie di processi e di pensieri per essere elaborate. Sono quelle conoscenze che abbiamo interagendo con il mondo che ci circonda. Nell’esempio del cane che abbaia, potrebbero essere quelle informazioni aggiuntive che iniziamo a recuperare immediatamente dopo aver preso atto della sua presenza: “Che cane è? Quanto sarà grande? Di che razza? Scodinzola o ringhia”. Per un IA questa conoscenza “in attesa” potrebbe essere assimilata a una memoria esterna più potente e strutturata, ma di facile accesso, come un data server per esempio.
Il terzo livello è chiamato EXTERNAL KNOWLEDGE (conoscenza esterna).
Si tratta di tutte quelle informazioni che possiamo recuperare accedendo alle fonti più disparate come internet, un passante, un libro ecc. Sempre nell’esempio del cane potremmo pensare all’opportunità di chiedere a una persona vicina se conosce quel cane, se sa se è aggressivo oppure no o qualsiasi altra informazione. Oppure pensare di verificare su internet se si tratta di una razza docile o particolarmente pericolosa.
Questo terzo livello, può essere immaginato per un IA come un accesso totale a tutte le informazioni e i dati reperibili ad esempio su tutta internet, da wikipedia ai social.
Il futuro dell’IA
Combinando tutti questi tipi di informazioni è possibile per noi umani, ma lo sarà anche per una IA, rispondere a nuove situazioni differenti; da quella in cui abbiamo i dati necessari a quella in cui non ci siamo mai imbattuti e trovati prima, rompendo le limitazioni delle attuali IA che, come detto, possono unicamente basarsi su un set di dati prestabilito sul quale sono state allenate.
Questo ci porta ad immaginare le future IA come sistemi in grado di recuperare informazioni su tutti i livelli, ma in continua e costante evoluzione, soprattutto grazie alla loro capacità di recuperare dati e di imparare.
L’IA cognitiva è già tra noi in realtà, anche se ai primi stadi di evoluzione. Si ipotizza che entro il 2025 la maggior parte dei sistemi di IA attuali avranno o staranno facendo il salto alle IA più evolute.
L’interazione uomo macchina diventerà più personale, più accurata, più naturale perché le macchine dotate di questa IA inizieranno a fare ragionamenti non basati unicamente sui dati d’ingresso e su quello che gli è stato insegnato, ma anche su dati contemporanei e personali che potrà recuperare in più domini.
Conclusione
Difficilmente un’IA potrà mai sostituire la mente umana, almeno fino a quando noi stessi non sapremo fino in fondo come funziona il cervello.
Fino a quando questo avverrà, non sarà possibile creare una “vera” Intelligenza Artificiale, ma solamente una simulazione, seppur sofisticata e forse anche pericolosa.
Autore: Dott. Simone Maculotti
Articolo liberamente estratto da Cos’è l’ IA COGNITIVA ? | La vera INTELLIGENZA ARTIFICIALE sta arrivando