…..lavoro sulla IA di McCulloch e Pitts del 1943 che spiega come qualsiasi funzione computabile può essere rappresentata da una rete di neuroni. E nel 1950, 7 anni più tardi Marvin ed Edmonds crearono la prima rete neurale nota con il nome di SNARC.
Nel 1956 in
un Convegno sui Sistemi Intelligenti si crearono due team di ricerca, uno
diretto da McCarthy che introdusse l’espressione IA ed espresse il proposito di
costruire una macchina che simulasse tutte le capacità dell’intelligenza umana.
Ed un secondo team diretto da Newell e Simon che aveva già un programma
chiamato Logic Theorist che simulava parti del ragionamento umano. Programma
che gli autori svilupparono ulteriormente negli anni creando il GPS (General
Problem Solver) che mostrò come l’approccio che simulava obiettivi ed azioni
era assimilabile a quello umano.
Negli stessi
anni Rochester con l’IBM sviluppò altri programmi capaci di ragionamento.
Nel 58
McCarty come precedentemente annnunciato, sviluppò l’Advise Taker sistema che
più tardi fu riconosciuto come il primo sistema intelligente completo.
Nel 1959
Gelemter creò il GTP un programma in grado di mostrare Teoremi complessi di
Geometria. E nel 63 Minsky sviluppò il programma Saint che poteva risolvere
problemi di calcolo integrale.
Dal 1966 al
1969 gli sforzi dei ricercatori si concentrarono sulle macchine che potessero
avere capacità di ragionamento simili a quella umane. Incontrando però varie
difficoltà come la mancanza di conoscenza semantica ed in conseguenza la
limitazione dei finanziamenti negli USA; e soprattutto si capì che avere un
algoritmo al livello teorico non voleva dire che un corrispondente programma
fosse in grado di calcolarlo a livello pratico. Stessa cosa anche per le
limitazioni alla base della logica, nel ragionamento dei calcolatori.
In conseguenza di queste difficoltà i
precedenti tipi di approcci furono definiti deboli e nel successivo decennio
1969-1979 si sviluppò Il programma DENDRAL in grado di ricostruire la struttura
di una molecola, il primo dei sistemi basati sull’uso intensivo della
conoscenza.
Successivamente
Feigenbaum ed altri della Stanford University svilupparono il sistema MYCIN per
le diagnosi delle infezioni sanguigne, e da allora si cominciò a teorizzare sui
Sistemi Esperti.
Dopo gli
studi nelle Università, dal 1980 al 1985 l’Industria cominciò ad utilizzare in
ambito commerciale il sistema dell’IA creando molteplici sistemi, dagli USA al
Giappone raggiugendo nel 1988 una cifra di miliardi di dollari con centinaia di
Aziende che creavano sistemi esperti, robot, software e hardware specializzati
in vari settori.
Nel 1986 si
ripresero gli studi sull’algoritmo di apprendimento per reti neurali del ’69 che
venne applicato sia per l’informatica che per la psicologia.
In sintesi i
due modelli di Newell e Simon connessionista e di McCarthy simbolico furono
visti come complementari ed utilizzati entrambi.
Oggi i
sistemi intelligenti sono presenti in ogni campo, dai videogiochi agli scacchi,
dalle macchine senza conducente alle missioni spaziali, dalla medicina al
mercato azionario, dalla legge alla ricerca scientifica, dall’informatica alla
robotica, eccetera
Nel 2017 in
un convegno di esperti mondiali è stato redatto un vademecum: Asilomar con 23
principi per affrontare i problemi culturali, sociali, etici e militari.
Riporto quello che come ASTRI ci interessa maggiormente, il 3°, “COLLEGAMENTI
TRA POLITICA E SCIENZA: Ci dovrebbe essere uno scambio costruttivo e sano tra i
ricercatori d’intelligenza artificiale e politici”.
Tuttavia per
comprendere meglio la complessità del l’IA si dovrebbe imparare a saper distinguere
la Robotica dall’IA. La Robotica è infatti una disciplina correlata all’IA in
quanto richiede capacità cognitive per lo spostamento, manipolazione,
locomozione, posizione, costruzione di mappe, pianificazione ed esecuzione dei
movimenti.
Mentre l’IA
si pone invece nella sfera della complessità e sviluppa sistemi che mostrano
comportamenti intelligenti, i quali nell’ambito delle applicazioni presentano
soluzioni diversificate, operando una scomposizione in sotto problemi, ciascuno
con un ambito di ricerca per particolari abilità e proprietà. Per cui viene
distinta una IA forte o debole secondo se vengono riprodotte tutte le funzioni
della mente umana o solo alcune.
La
rappresentazione della conoscenza e l’ingegneria genetica costituiscono i
contributi centrali per comprendere quale tipo di conoscenza è opportuno immettere
in un sistema intelligente: dagli oggetti alle proprietà, dalle categorie alle
relazioni, eventi, oggetti, situazioni, tempo, ecc. La pianificazione, il
contributo per definire gli obiettivi, perseguirli ed aggiornare le predizioni
future.
L’apprendimento
automatico o rete neurale studia gli algoritmi capaci di migliorare
automaticamente le proprie performance attraverso l’esperienza.
Mentre
l’elaborazione del linguaggio naturale fornisce la possibilità di leggere e
capire il linguaggio umano, con tutte le sue ambiguità relative proprio al
linguaggio naturale.
Il concetto
poi di Agente intelligente centrale nell’IA definisce un’entità in grado di
percepire l’ambiente con l’utilizzo di sensori e di agire sull’ambiente con
l’utilizzo di attuatori. Ogni agente attraverso l’utilizzo di sensori è
associato ad una sequenza di percezioni e ad un’azione da compiere definita
misura della performance. Esistono comunque metodologie differenti per la
creazione di agenti secondo l’ambiente in cui questi vengono posti: Agenti
reattivi semplici, Agenti basati su modello, Agenti basati su obiettivi, Agenti
basati su utilità. In pratica: la programmazione funzionale, la programmazione
simbolica, la programmazione dinamica, la programmazione orientata agli
oggetti.
In
conclusione di queste brevi note descrittive, come già accennato, l’IA si è
ormai talmente radicata in tutti i campi che quasi non si percepisce più come
tale: dall’informatica con il time-sharing, interfaccia grafica, struttura
dati, eccetera; alle banche anche per identificare fenomeni relativi a
comportamenti nominali; alla medicina con l’interpretazione delle immagini
mediche, analisi dei suoni del cuore, diagnosi di cancro, creazione di medicine
e di Robot da accompagnamento per anziani e per malati, e via di seguito. Dando
spunto a dibattiti filosofici ed etici sempre più frequenti, con domande tipo:
può una macchina pensare? – Può una macchina ribellarsi? – Può una macchina
decidere di prevaricare chi la programma? Può una macchina avere consapevolezza?
Personalmente
ritengo difficile che una macchina impazzisca da sola, mentre purtroppo,
potrebbe essere molto più facile, ma molto pericoloso, che lo faccia chi la
programma!
BIBLIOGRAFIA
Kaplan Andreas – Haenlein Michael, Siri, Siri in my Hand, who’s the Fairest in the Land? On the
Interpretations, Illustrations and Implications of Artificial Intelligence, URL, 13 11.
2018.
Stuart Russel, Petere Norvig – Artificial
Intelligence: A Modern Approach, 3°edition – 2009 – Pearson
Education Limited.
Nils J. Nilsson – The Quest For Artificial Intelligence, A History of
Ideas And achievements, Web Version, Stanford University, 2010.