Intelligenza artificiale: definizione, approcci e tecniche fondamentali

Intelligenza Artificiale: Definizione e Approcci

Intelligenza artificiale Definizione Con il termine intelligenza artificiale (spesso abbreviato in Al, dall'inglese Artificial Intelligence - IA in italiano), si intende generalmente l'abilità di un computer di svolgere funzioni e ragionamenti tipici della mente umana. Esistono almeno quattro diversi punti di vista sull'intelligenza artificiale, quattro modi diversi di intendere l'intelligenza artificiale. Questi approcci sono:

• Pensare come un essere umano - Approccio del test di Turing
• Agire come un essere umano - Approccio della simulazione
• Pensare razionalmente - Approccio della logica
• Agire razionalmente - Approccio degli agenti razionali

L'intelligenza artificiale è una disciplina dibattuta tra scienziati e filosofi, la quale manifesta aspetti sia teorici che pratici. Nel suo aspetto puramente informatico, essa comprende la teoria e le tecniche per lo sviluppo di algoritmi che consentano alle macchine (tipicamente ai calcolatori) di mostrare un'abilità e/o attività intelligente, almeno in domini specifici. Per attività intelligente si intende la capacità di estrapolare da conoscenze precedenti delle linee guida da utilizzare per risolvere nuovi problemi, problemi che il sistema non ha mai affrontato sebbene possa averne affrontati di simili in passato. Se la teoria dell'IA evolve indipendentemente dai progressi scientifici, le sue applicazioni sono fortemente legate agli avanzamenti della tecnologia informatica. Infatti, solo nella seconda metà del XX secolo è possibile disporre di dispositivi di calcolo e linguaggi di programmazione abbastanza potenti da permettere sperimentazioni sull'intelligenza.

Sviluppo Storico dell'IA

Uno dei punti di svolta della materia si ha con un famoso articolo di Alan Turing sulla rivista Mind nel 1950. Nell'articolo viene indicata la possibilità di creare un programma al fine di far comportare un computer in maniera intelligente. Quindi la progettazione di macchine intelligenti dipende fortemente dalle possibilità di rappresentazione simbolica del problema. Nel 1952 Arthur Samuel presenta il primo programma capace di giocare a Dama, un risultato molto importante perché dimostra la possibilità di superare i limiti tecnici (il programma era scritto in Assembly e girava su un IBM 701) per realizzare sistemi capaci di risolvere problemi tradizionalmente legati all'intelligenza umana. Per di più, l'abilità di gioco viene appresa dal programma scontrandosi con avversari umani. Nel 1956, alla conferenza di Dartmouth (la stessa conferenza a cui l'IA deve il suo nome), viene mostrato un programma che segna un'altra importante tappa dello sviluppo dell'IA. Il programma LT di Allen Newell, J. Clifford Shaw e Herb Simon rappresenta il primo dimostratore automatico di teoremi. La linea seguita dalla giovane IA si basa quindi sulla ricerca di un automatismo nella creazione di un'intelligenza meccanica. L'approccio segue essenzialmente un'euristica di ricerca basata su tentativi ed errori oltre che investigare su tecniche di apprendimento efficaci. Secondo le parole di Minsky, dopo il 1962 l'IA cambia le sue priorità: viene data minore importanza all'apprendimento, mentre si pone l'accento sulla rappresentazione della conoscenza e sul problema ad essa connesso del superamento del formalismo finora a disposizione e liberarsi dalle costrizioni dei vecchi sistemi."Il problema della ricerca efficace con euristiche rimane un presupposto soggiacente, ma non è più il problema a quale pensare, per quanto siamo immersi in sotto-problemi più sofisticati, ossia la rappresentazione e modifica di piani" (Minsky, 1968). L'elaborazione del linguaggio naturale sembra essere un campo destinato a un rapido sviluppo. La traduzione diretta di testi porta però a insuccessi iniziali che influenzeranno per molti anni l'attribuzione di fonti a tale campo. Malgrado questo, viene dimostrato abbastanza presto che si possono ottenere buoni risultati in contesti limitati. I punti cardine di questa ricerca sono gli studi di Minsky sulla rappresentazione distribuita della conoscenza, quella che viene chiamata la "società delle menti", e il lavoro di John McCarthy sulla rappresentazione dichiarativa della conoscenza. Quest'ultima viene espressa formalmente mediante estensioni della logica dei predicati e può quindi essere manipolata facilmente. Con i suoi studi sul "ragionamento non monotono" e "di default", McCarty contribuisce a porre gran parte delle basi teoriche dell'IA. Il punto di vista psicologico non viene assolutamente trascurato. Ad esempio il programma EPAM (Feigenbaum e Feldman, 1963) esplora la relazione tra memoria associativa e l'atto di dimenticare. Alla Carnegie Mellon University vengono sperimentati programmi per riprodurre i passi del ragionamento, inclusi eventuali errori.

Test di Turing

Il Test di Turing è un criterio, introdotto dal matematico Alan Turing nell'articolo Computing machinery and intelligence, apparso nel 1950, per determinare se una macchina sia in grado di pensare. Il test consiste in un gioco, noto come gioco dell'imitazione, a tre partecipanti: un uomo, A, una donna, B, e una terza persona C. Quest'ultimo è tenuto separato dagli altri due e tramite una serie di domande deve stabilire qual è l'uomo e quale la donna. Dal canto loro anche A e B hanno dei compiti: A deve ingannare C e portarlo a fare un'identificazione errata, mentre B deve aiutarlo. Affinché C non possa disporre di alcun indizio (come l'analisi della calligrafia o della voce), le risposte alle domande di C devono essere dattiloscritte o similarmente trasmesse. Il test di Turing si basa sul presupposto che una macchina si sostituisce ad A. In tal caso, se C non si accorgesse di nulla, la macchina dovrebbe essere considerata intelligente, in quanto -in questa situazione- è stata in grado di comportarsi come un uomo. Per macchina intelligente Turing ne intende una in grado di pensare, e il ragionamento alla base del test è fondato sull'idea di pensiero come concatenazione di idee e capacità di esprimerle. Per Turing, quindi, tutto si limita alla produzione di espressioni non prive di significato. Nell'articolo si legge: secondo la forma più estrema di questa opinione, il solo modo in cui si potrebbe essere sicuri che una macchina pensa è quello di essere la macchina stessa e sentire se si stesse pensando. [ ... ] Allo stesso modo, la sola via per sapere che un uomo pensa è quello di essere quell'uomo in particolare. [ ... ] Probabilmente A crederà "A pensa, mentre B no", mentre per B è l'esatto opposto "B pensa, ma A no". Invece di discutere in continuazione su questo punto, è normale attenersi alla educata condizione che ognuno pensi. Le macchine di Turing sono macchine a stati discreti in grado di simulare altre macchine a stati discreti. Una macchina per sostenere il test dev'essere programmata considerando la descrizione di un uomo in termini discreti (stati interni, segnali, simboli). Dalla complessità del software, si legge tra le righe dell'articolo, emergeranno le funzioni intellettuali. Su questa aspettativa si fonda una disciplina nota come intelligenza artificiale, il cui scopo è la costruzione di una macchina in grado di riprodurre le funzioni cognitive umane.Sebbene le previsioni di Turing fossero che entro il 2000 sarebbe stata realizzata una macchina intelligente, finora nessuna ha superato il test.

Confutazione del Test di Turing

Prove a confutazione del test

Il filosofo John Rogers Searle, ha proposto una variante al test di Turing, che ha preso il nome di stanza cinese e, tramite questa, ha messo in dubbio l'attendibilità del Test di Turing come prova sufficiente a dimostrare che una macchina o un qualsiasi sistema informatico siano sistemi dotati di vera intelligenza, sia che questi abbiano superato o meno tale test.

Stanza cinese

La Stanza cinese è un esperimento mentale ideato da John Searle. Esso è un controesempio della teoria dell'intelligenza artificiale forte. Alla base del ragionamento di Searle è che la sintassi (grammatica) non è equivalente alla semantica (significato). Questo esempio prende spunto dal test di Turing ma lo modifica cercando di confutarlo.

Descrizione dell'esperimento

I sostenitori dell'intelligenza artificiale forte sostengono che un computer opportunamente programmato non sia solo la simulazione o un modello della mente, ma che esso possa essere una mente. Esso cioè capisce, ha condizioni conoscitive e può pensare. L'argomento di Searle (o meglio, l'esperimento mentale) si oppone a questa posizione. L'argomentazione della stanza cinese è la seguente: Si supponga che, nel futuro, si possa costruire un computer che si comporta come se capisse il cinese. In altre parole, il computer prenderebbe dei simboli cinesi in ingresso, consulterebbe una grande tabella che gli consentirebbe di produrre altri simboli cinesi in uscita. Si supponga che il comportamento di questo computer sia così convincente da poter facilmente superare il test di Turing. In altre parole, si supponga che il computer possa convincere un uomo, che parli correttamente cinese (per esempio un cinese), di parlare con un altro uomo che parla correttamente cinese, mentre in realtà sta parlando con un calcolatore. A tutte le domande dell'umano il computer risponderebbe appropriatamente, in modo che l'umano si convinca di parlare con un altro umano che parla correttamente cinese. I sostenitori dell'intelligenza artificiale forte concludono che il computer capisce la lingua cinese, come farebbe una persona, in quanto non c'è nessuna differenza tra il comportamento della macchina e di un uomo che conosce il cinese. Ora, Searle chiede di supporre che lui si sieda all'interno del calcolatore. In altre parole, egli si immagina in una piccola stanza (la stanza cinese) dalla quale riceve dei simboli cinesi, e una tabella che gli consenta di produrre dei simboli cinesi in uscita. Searle fa notare che egli non capisce i simboli cinesi. Quindi la sua mancanza di comprensione dimostra che il calcolatore non può comprendere il cinese, poiché esso è nella sua stessa situazione. Il calcolatore è un semplice manipolatore di simboli, esattamente come lo è lui nella stanza cinese - e quindi i calcolatori non capiscono quello che stanno dicendo tanto quanto lui.

Rappresentazione della Conoscenza

La rappresentazione della conoscenza è quella branca della matematica che si preoccupa di definire dei linguaggi che permettano di formalizzare la conoscenza al fine di potervi fare dell'inferenza. Lo studio della rappresentazione della conoscenza è fondamentale per l'intelligenza artificiale dato che questa prevede l'utilizzo delle precedenti conoscenze per migliorare e affinare le tecniche di risoluzione dei problemi. Senza un adeguato metodo di memorizzazione della conoscenza molte tecniche dell'intelligenza artificiale sarebbero inutili o molto limitate dato che non sarebbero in grado di apprendere dagli stimoli esterni e quindi non potrebbero evolversi.