Leggi anche le puntate precedenti: Le origini e le tappe principali della sua storia, L’evoluzione nella definizione dell’Intelligenza Artificiale.

Se si considerano i costi computazionali e l’infrastruttura necessaria per gestire la quantità di dati tecnici in esecuzione che l’intelligenza artificiale comporta, in realtà l’evoluzione dell’AI è qualcosa di enormemente complesso e costoso. Fortunatamente, ci sono stati enormi progressi nella tecnologia informatica, come indicato dalla legge di Moore, che afferma che il numero di transistor su un microchip raddoppia circa ogni due anni mentre il costo dei computer si dimezza. Sebbene molti esperti ritengano che la legge di Moore finirà probabilmente negli anni ’20, ciò ha avuto un impatto importante sulle moderne tecniche di intelligenza artificiale: senza questo trend, il deep learning sarebbe fuori discussione, dal punto di vista finanziario. Ricerche recenti hanno scoperto che l’innovazione dell’AI ha effettivamente superato la legge di Moore, raddoppiando il numero di transistor su un microchip ogni sei mesi circa anziché ogni due anni. I progressi compiuti dall’intelligenza artificiale in una varietà di settori sono stati quindi importanti negli ultimi anni. E il potenziale per un impatto ancora maggiore nei prossimi decenni sembra quasi inevitabile.

Esistono tre modi per classificare l’intelligenza artificiale, in base alle capacità. Piuttosto che tipi di intelligenza artificiale, queste sono fasi attraverso le quali l’AI può evolversi e solo una di esse è effettivamente possibile in questo momento.

IA ristretta: a volte indicata come “IA debole”, questo tipo di IA opera in un contesto limitato ed è una simulazione dell’intelligenza umana. L’intelligenza artificiale ristretta è spesso focalizzata sull’esecuzione quasi perfetta di un singolo compito e, sebbene queste macchine possano sembrare intelligenti, operano con molti più vincoli e limitazioni rispetto alla più elementare intelligenza umana.

Intelligenza artificiale generale (AGI): AGI, a volte indicata come “IA forte”, è il tipo di intelligenza artificiale che vediamo nei film, come i robot di Westworld o il personaggio Data di Star Trek: The Next Generation. AGI è una macchina con intelligenza generale e, proprio come un essere umano, può applicare quell’intelligenza per risolvere qualsiasi problema.

Superintelligenza. La superintelligenza sarà probabilmente l’apice dell’evoluzione dell’AI. L’AI superintelligente non solo sarà in grado di replicare la complessa emozione e intelligenza degli esseri umani, ma la supererà in ogni modo. Ciò potrebbe significare esprimere giudizi e decisioni da sola o persino formare la propria ideologia.

Esempi di AI ristretta

L’AI ristretta, o AI debole come viene spesso chiamata, è tutt’intorno a noi ed è probabilmente la realizzazione di AI di maggior successo fino ad oggi. Ha funzioni limitate che sono in grado di aiutare ad automatizzare attività specifiche. A causa di questa attenzione, l’AI ristretta ha registrato numerose scoperte nell’ultimo decennio che hanno avuto “significativi benefici per la società e hanno contribuito alla vitalità economica della nazione”, secondo un rapporto del 2016 pubblicato dall’amministrazione Obama.

Esempi pratici di AI ristretta sono:
Siri, Alexa e altri assistenti intelligenti
Auto a guida autonoma
Ricerca Google
Bot conversazionali
Filtri antispam e-mail
I consigli di Netflix

Gran parte dell’intelligenza artificiale ristretta è alimentata da scoperte nel Machine Learning (apprendimento automatico) e nel Deep Learning (apprendimento profondo). Comprendere la differenza tra ML e DL non è facile. Possiamo definire l’intelligenza artificiale come “un insieme di algoritmi per cercare di imitare l’intelligenza umana”. L’apprendimento automatico è uno di questi e il deep learning è una delle tecniche di apprendimento automatico. In poche parole, un algoritmo ML riceve dati da un computer e utilizza tecniche statistiche per aiutarlo a “imparare” come migliorare progressivamente in un’attività, senza che il computer sia necessariamente stato programmato specificamente per quell’attività. Invece, gli algoritmi DL utilizzano i dati storici come input per prevedere nuovi valori di output. A tal fine, il machine learning consiste sia nell’apprendimento supervisionato (in cui l’output atteso per un dato input è noto grazie a set di dati conosciuti e descritti) sia nell’apprendimento non supervisionato (in cui gli output attesi sono sconosciuti a causa dell’uso di set di dati non conosciuti e descritti).

L’apprendimento automatico è presente nella vita di tutti i giorni. Google Maps utilizza i dati sulla posizione degli smartphone, nonché i dati segnalati dagli utenti su cose come gli ostacoli e gli incidenti automobilistici, per monitorare il flusso del traffico e valutare quale sarà il percorso più veloce. Gli assistenti personali come Siri, Alexa e Cortana sono in grado di impostare promemoria, cercare informazioni online e controllare l’illuminazione nelle case delle persone, il tutto con l’aiuto di algoritmi ML che raccolgono informazioni, apprendono le preferenze di un utente e migliorano la sua esperienza in base alle interazioni precedenti. Anche i filtri Snapchat utilizzano algoritmi ML per tracciare l’attività facciale degli utenti.

Il deep learning è un tipo di ML che esegue gli input attraverso un’architettura di rete neurale di ispirazione biologica. Le reti neurali contengono una serie di livelli nascosti attraverso i quali i dati vengono elaborati, consentendo alla macchina di andare “in profondità” nel suo apprendimento, creando connessioni e ponderando gli input per ottenere i migliori risultati. Le auto a guida autonoma sono un esempio riconoscibile di deep learning, poiché utilizzano reti neurali profonde per rilevare oggetti intorno a loro, determinare la loro distanza da altre auto, identificare segnali stradali e molto altro. I sensori e i dispositivi indossabili utilizzati nel settore sanitario applicano anche il deep learning per valutare le condizioni di salute del paziente, compresi i livelli di zucchero nel sangue, la pressione sanguigna e la frequenza cardiaca. Possono anche derivare modelli dai dati medici precedenti di un paziente e utilizzarli per anticipare eventuali condizioni di salute future.

Esempi di Intelligenza artificiale generale

La creazione di una macchina con intelligenza a livello umano che possa essere applicata a qualsiasi attività è il Santo Graal per molti ricercatori di intelligenza artificiale, e la ricerca dell’intelligenza artificiale generale è stata irta di difficoltà. La ricerca di un “algoritmo universale per l’apprendimento e l’azione in qualsiasi ambiente” non è nuova. In contrasto con l’AI debole, l’AI forte rappresenta una macchina con una serie completa di capacità cognitive, ma il tempo non ha ridotto le difficoltà per raggiungere un simile obbiettivo. AGI è stata a lungo il tema ispiratore della fantascienza distopica, in cui esseri artificiali superintelligenti invadono la terra, ma gli esperti concordano sul fatto che non è qualcosa di cui dobbiamo preoccuparci a breve.

Anche se, per ora, AGI è ancora una fantasia, ci sono alcuni sistemi notevolmente sofisticati che si stanno avvicinando ad AGI. Uno di questi è GPT-3, un modello di linguaggio autoregressivo progettato da OpenAI che utilizza il deep learning per produrre testo simile a quello prodotto da un essere umano. GPT-3 non è intelligente, ma è stato utilizzato per creare cose straordinarie, tra cui una chatbot che consente di parlare con personaggi storici e un motore di ricerca attivato da domande in linguaggio naturale. MuZero, un programma per computer creato da DeepMind, è un altro promettente capofila nella ricerca per ottenere un vero AGI. Nulla di più facile che… provare di persona Chat OpenAI: lo strumento è in grado non solo di “conversare” – generare testi su richiesta – ma produrre nuove immagini e video basati su quanto appreso da un vasto database digitale, creare software scrivendo ex-novo codice di programma, fornire suggerimenti e soluzioni a problemi quotidiani. Collegandosi a https://chat.openai.com/chat è possibile registrarsi ed iniziare a chiacchierare con il sistema. Provare per credere, in molti casi si ha il sospetto che ci sia un essere umano a rispondere.

Superintelligenza

Come detto, per ora questa è una situazione del tutto ipotetica in cui le macchine sono completamente autocoscienti, superando anche le caratteristiche dell’intelligenza umana praticamente in ogni campo, dalla scienza alle abilità sociali. In teoria, ciò potrebbe essere ottenuto attraverso un singolo computer, una rete di computer o qualcosa di completamente diverso, purché sia cosciente e abbia esperienze soggettive.

Nick Bostrom, professore fondatore e leader del Future of Humanity Institute di Oxford, sembra aver coniato il termine nel 1998 e ha predetto che avremo raggiunto un’intelligenza artificiale sovrumana entro il primo terzo del 21° secolo. Ha continuato dicendo che la probabilità che ciò accada dipenderà probabilmente dalla velocità con cui le neuroscienze possono comprendere e replicare meglio il cervello umano. Creare una superintelligenza imitando il cervello umano, ha aggiunto, richiederà non solo un hardware sufficientemente potente, ma anche una “architettura iniziale adeguata” e un “ricco flusso di input sensoriali”.

 

In conclusione

L’intelligenza artificiale sta plasmando il futuro dell’umanità in quasi tutti i settori. È già il motore principale delle tecnologie emergenti come i big data, la robotica e l’IoT (Internet of Things, le applicazioni che mirano a portare nel mondo digitale gli oggetti della nostra esperienza quotidiana) e continuerà a fungere da innovatore tecnologico per il prossimo futuro.

L’intelligenza artificiale è importante perché costituisce il fondamento stesso dell’apprendimento informatico. Attraverso l’intelligenza artificiale, i computer hanno la capacità di sfruttare enormi quantità di dati e utilizzare la loro intelligenza appresa per prendere decisioni e scoprire soluzioni ottimali in frazioni del tempo che impiegherebbero gli esseri umani.

Praticamente non esiste un’IA moderna del settore principale, in particolare la “IA ristretta”, che non abbia già influenzato la nostra vita di tutti i giorni. Ciò è particolarmente vero negli ultimi anni, poiché la raccolta e l’analisi dei dati sono aumentate notevolmente grazie alla connettività IoT, alla proliferazione di dispositivi connessi e alle capacità di elaborazione sempre più rapida dei computer.

Ecco quali sono i settori e applicazioni principali:

Trasporti: anche se potrebbe volerci del tempo per perfezionarle, già oggi le auto autonome ci portano da un posto all’altro.

Produzione: i robot alimentati dall’intelligenza artificiale lavorano a fianco degli umani per eseguire una gamma limitata di attività come l’assemblaggio e l’impilamento, mentre i sensori di analisi predittiva consentono alle apparecchiature di operare senza intoppi.

Sanità: nel settore sanitario l’IA si sta sviluppando rapidamente, le malattie vengono diagnosticate in modo più rapido e accurato, la scoperta di farmaci viene accelerata e semplificata, gli assistenti infermieristici virtuali monitorano i pazienti e l’analisi dei big data aiuta a creare un’esperienza del paziente più personalizzata.

Istruzione: i libri di testo sono digitalizzati con l’aiuto dell’intelligenza artificiale, tutor virtuali nella fase iniziale assistono gli istruttori umani e l’analisi facciale misura le emozioni degli studenti per aiutare a determinare chi è in difficoltà o annoiato e adattare meglio l’esperienza alle loro esigenze individuali.

Media: anche il giornalismo sta sfruttando l’intelligenza artificiale e continuerà a trarne vantaggio. Bloomberg utilizza la tecnologia Cyborg per dare un senso rapido a resoconti finanziari complessi. L’Associated Press utilizza le capacità di linguaggio naturale di Automated Insights per produrre 3.700 rapporti sui guadagni all’anno, quasi quattro volte di più rispetto al recente passato.

Servizio clienti: ultimo ma non meno importante, Google sta lavorando a un assistente AI in grado di effettuare chiamate simili a quelle umane per fissare appuntamenti. Oltre alle parole, il sistema comprende il contesto in cui avviene il dialogo e le sfumature di linguaggio.

Insomma, non basta che attendere.

Questo articolo è stato scritto da un essere umano. Per ora, è ancora così.

E.P.