Cos'è l'intelligenza artificiale Come funziona l'IA
OTTENERE MACCHINE CHE SIMULINO L’INTELLIGENZA UMANA È L’OBIETTIVO FONDAMENTALE DELL’AI.

Come funziona l’intelligenza artificiale?

Approcci e concetti dell’IA

Meno di un decennio dopo aver decifrato la macchina crittografica nazista Enigma e aver aiutato le forze alleate a la nostra recensione di smodin.io vincere la seconda guerra mondiale, il matematico Alan Turing ha cambiato la storia una seconda volta con una semplice domanda: “Le macchine possono pensare?”

L’articolo di Turing “Computing Machinery and Intelligence” (1950), e il successivo Test di Turing, stabilirono l’obiettivo fondamentale e la visione dell’intelligenza artificiale.

Al suo centro, l’IA è il ramo dell’informatica che mira a rispondere alla domanda di Turing in modo affermativo. È lo sforzo di replicare o simulare l’intelligenza umana nelle macchine.

L’obiettivo espansivo dell’intelligenza artificiale ha dato origine a molte domande e dibattiti. Tanto che nessuna definizione singolare del campo è universalmente accettata.

Le macchine possono pensare? – Alan Turing, 1950

Il principale limite nel definire l’IA semplicemente come “costruire macchine intelligenti” è che in realtà conclusione su jarvis non spiega cos’è l’intelligenza artificiale? Cosa rende una macchina intelligente? L’IA è una scienza interdisciplinare con molteplici approcci, ma i progressi nell’apprendimento automatico e nell’apprendimento profondo stanno creando un cambiamento di paradigma praticamente in ogni settore dell’industria tecnologica.

Nel loro rivoluzionario libro di testo Intelligenza Artificiale: Un approccio modernoGli autori Stuart Russell e Peter Norvig affrontano la questione unificando il loro lavoro intorno al tema degli agenti intelligenti nelle macchine. Con questo in mente, l’IA è “lo studio degli agenti che ricevono percezioni dall’ambiente ed eseguono azioni.” (Russel e Norvig viii)

Scopri le migliori aziende di IAVedi tutte le aziende di AI e software come smodin english

Norvig e Russell continuano ad esplorare quattro diversi approcci che hanno storicamente definito il campo dell’IA:

  1. Pensare umanamente
  2. Pensare razionalmente
  3. Agire umanamente
  4. Agire razionalmente

Le prime due idee riguardano i processi di pensiero e il ragionamento, mentre le altre riguardano il comportamento. Norvig e Russell si concentrano in particolare sugli agenti razionali che agiscono per ottenere il risultato migliore, notando che “tutte le abilità necessarie per il test di Turing permettono anche ad un agente di agire razionalmente.” (Russel e Norvig 4).

Patrick Winston, il professore Ford di intelligenza artificiale e informatica al MIT, definisce l’IA come “algoritmi abilitati da vincoli, esposti da rappresentazioni le migliori aziende ai da conoscere che supportano modelli mirati a loop che legano insieme pensiero, percezione e azione”.

Mentre queste definizioni possono sembrare astratte alla persona media, aiutano a focalizzare il campo come un’area dell’informatica e forniscono un modello per infondere macchine e programmi con l’apprendimento automatico e altri sottoinsiemi dell’intelligenza artificiale.

I quattro tipi di intelligenza artificiale

Macchine reattive

Una macchina reattiva segue il più basilare dei principi dell’IA e, come implica il suo nome, è in grado di usare solo la sua intelligenza per percepire e reagire al mondo che le sta di fronte. Una macchina reattiva non può immagazzinare una memoria e di conseguenza non può fare affidamento sulle esperienze passate per informare il processo decisionale in tempo reale.

Percepire il mondo direttamente significa che le macchine reattive sono progettate per completare solo un numero limitato di compiti specializzati. Restringere intenzionalmente la visione del mondo di una macchina reattiva non è una misura di riduzione dei costi, tuttavia, e significa invece che questo tipo di IA sarà più affidabile e degna di fiducia – reagirà allo stesso modo agli stessi stimoli ogni volta.

Un famoso esempio di macchina reattiva è Deep Blue, che è stato progettato da IBM negli anni ’90 come un supercomputer per giocare a scacchi e ha sconfitto il gran maestro internazionale Gary Kasparov in una partita. Deep Blue era solo in grado di identificare i pezzi su una scacchiera e sapere come ognuno si muove in base alle regole degli scacchi, riconoscendo la posizione attuale di ogni pezzo e determinando quale sarebbe stata la mossa più logica in quel momento. Il computer non inseguiva le potenziali mosse future del suo avversario o cercava di mettere i propri pezzi in una posizione migliore. Ogni turno era visto come una realtà propria, separata da qualsiasi altro movimento fatto in precedenza.

Un altro esempio di macchina reattiva che gioca è AlphaGo di Google. AlphaGo è anche incapace di valutare le mosse future, ma si basa sulla propria rete neurale per valutare gli sviluppi del gioco attuale, dandogli un vantaggio su Deep Blue in un gioco più complesso. AlphaGo ha anche battuto concorrenti di livello mondiale del gioco, sconfiggendo il campione di Go Lee Sedol nel 2016.

Anche se limitata nella portata e non facilmente modificabile, l’intelligenza artificiale della macchina reattiva può raggiungere un livello di complessità, e offre affidabilità quando viene creata per adempiere a compiti ripetibili.

Per saperne di più su 50 migliori aziende di intelligenza artificiale da conoscere nel 2022

Memoria limitata

L’intelligenza artificiale a memoria limitata ha la capacità di memorizzare dati e previsioni precedenti quando si raccolgono informazioni e si pesano potenziali decisioni – essenzialmente guardando nel passato per trovare indizi su ciò che può venire dopo. L’intelligenza artificiale a memoria limitata è più complessa e presenta maggiori possibilità rispetto alle macchine reattive.

L’IA a memoria limitata viene creata quando un team addestra continuamente un modello su come analizzare e utilizzare nuovi dati o un ambiente IA viene costruito in modo che i modelli possano essere addestrati e rinnovati automaticamente. Quando si utilizza l’IA a memoria limitata nell’apprendimento automatico, devono essere seguiti sei passi: I dati di addestramento devono essere creati, il modello di apprendimento automatico deve essere creato, il modello deve essere in grado di fare previsioni, il modello deve essere in grado di ricevere feedback umano o ambientale, quel feedback deve essere memorizzato come dati, e questi passaggi devono essere ripetuti come un ciclo.

Ci sono tre principali modelli di apprendimento automatico che utilizzano l’intelligenza artificiale a memoria limitata:

  • Apprendimento per rinforzoche impara a fare previsioni migliori attraverso prove ed errori ripetuti.
  • Memoria a lungo termine (LSTM), che utilizza i dati passati per aiutare a prevedere l’elemento successivo in una sequenza. Le LTSM considerano le informazioni più recenti come le più importanti quando si fanno le previsioni e scontano i dati più lontani nel tempo, anche se li utilizzano ancora per formulare conclusioni.
  • Reti Adversariali Generative Evolutive (E-GAN)che si evolve nel tempo, crescendo per esplorare percorsi leggermente modificati in base alle esperienze precedenti con ogni nuova decisione. Questo modello è costantemente alla ricerca di un percorso migliore e utilizza simulazioni e statistiche, o il caso, per prevedere i risultati durante il suo ciclo di mutazione evolutiva.

Per saperne di più su l’IA nell’arte

Teoria della mente

Theory of Mind è solo questo: teorico. Non abbiamo ancora raggiunto le capacità tecnologiche e scientifiche necessarie per raggiungere questo prossimo livello di intelligenza artificiale.

Il concetto si basa sulla premessa psicologica di capire che gli altri esseri viventi hanno pensieri ed emozioni che influenzano il comportamento di se stessi. In termini di macchine AI, questo significherebbe che l’AI potrebbe comprendere come gli esseri umani, gli animali e le altre macchine sentono e prendono decisioni attraverso l’auto-riflessione e la determinazione, e poi utilizzerà queste informazioni per prendere decisioni proprie. Essenzialmente, le macchine dovrebbero essere in grado di afferrare ed elaborare il concetto di “mente”, le fluttuazioni delle emozioni nel processo decisionale e una litania di altri concetti psicologici in tempo reale, creando una relazione a doppio senso tra le persone e l’intelligenza artificiale.

E se l’intelligenza artificiale diventasse consapevole di sé? di Alltime10s

Consapevolezza di sé

Una volta che la Teoria della Mente può essere stabilita nell’intelligenza artificiale, in un futuro lontano, il passo finale sarà che l’IA diventi consapevole di sé. Questo tipo di intelligenza artificiale possiede una coscienza di livello umano e comprende la propria esistenza nel mondo, così come la presenza e lo stato emotivo degli altri. Sarebbe in grado di capire ciò di cui gli altri potrebbero avere bisogno basandosi non solo su ciò che gli comunicano, ma su come lo comunicano.

L’autocoscienza nell’intelligenza artificiale si basa sia sulla comprensione da parte dei ricercatori umani delle premesse della coscienza, sia sull’apprendimento di come replicarla in modo che possa essere costruita nelle macchine.

Di Redazione: Vincenzo Danna

Sviluppatore informatico freelance e web writer SEO, Vincenzo Dani produce regolarmente contenuti per il blog e il forum www.abruzzoscuoladigitale.it. La qualità del suo lavoro e l'unicità del suo background ci hanno spinto a presentarlo a voi.