Una delle sfide maggiori per coloro che seguono il settore dell'intelligenza artificiale è che, sorprendentemente, non esiste una definizione standard accettata di ciò che realmente è l'intelligenza artificiale. Un esempio lampante di tutto ciò è rappresentato dal documentario di Rodney Brooks "This is AI" dove si dice mostra chiaramente che "l'intelligenza artificiale non significa una cosa [...] è una raccolta di pratiche e pezzi che le persone mettono insieme". Questa condizione chiaramente non si sposa bene con un'economia fatta di aziende che hanno bisogno di capire l'ampiezza delle tecnologie AIe di come applicarle alle loro esigenze specifiche.
Normalmente le persone concordano sul fatto che gli obiettivi fondamentali dell'intelligenza artificiale sono quelli di consentire alle macchine di avere cognizione, percezione e capacità decisionali che in precedenza solo gli umani o altre creature intelligenti hanno. Max Tegmark definisce semplicemente l'intelligenza artificiale come "intelligenza che non è biologica". Abbastanza semplice, ma come abbiamo esplorato in precedenti post, non comprendiamo appieno cosa significhi la stessa intelligenza biologica - e men che meno quella umana -, e quindi provare a costruirla artificialmente è una sfida quasi impossibili.
A un livello più astratto, l'intelligenza artificiale può essere compresa come il comportamento e le funzioni di una macchina che imita l'intelligenza e il comportamento degli esseri umani. Nella pratica, questo di solito si riferisce a ciò che traduciamo in apprendimento - machine learning -, problem solving, comprensione e interazione con l'ambiente reale, conversazioni e comunicazione linguistica. Tuttavia, gli aspetti specifici sono importanti, soprattutto quando stiamo cercando di applicare l'AI per risolvere problemi molto specifici che aziende, organizzazioni e individui hanno.
Di fatto così facendo diciamo AI ma intendiamo qualcos'altro.
Nel panorama della ricerca, nel mondo delle AI c'è certamente un gruppo tra coloro che sviluppano le AI che si pongono l'obiettivo di risolvere il "problema finale": creare un'intelligenza generale artificiale - o GAI - in grado di gestire qualsiasi problema, situazione e processo di pensiero in maniera analoga a quanto un umano possa fare. L'a GAI è certamente l'obiettivo di molti nella ricerca nel campo delle AI svolta in ambito accademico e di laboratorio, poiché arriva al cuore di una domanda fondamentale: l'intelligenza è qualcosa che solo le entità biologiche possono avere?
Tuttavia la maggior parte di coloro che stanno parlando di AI nel mercato di oggi non stanno parlando della GAI o della risoluzione di queste fondamentali domande sull'intelligenza. I big player del mondo dell'IT stanno cercando di applicare sottoinsiemi di AI molto specifici per restringere le aree problematiche. Questa è una classica discussione sull'AI / Ampia (forte / debole) che più volte è comparsa in questo blog.
Dal momento che nessuno ha sviluppato con successo una soluzione GAI, ne consegue che tutte le attuali soluzioni AI sono strette. Sebbene vediamo certamente alcune soluzioni di AI ristretta che mirano a risolvere domande più ampie sull'intelligenza, la stragrande maggioranza delle soluzioni di AI ristretta non stanno cercando di ottenere qualcosa che vada oltre il problema specifico a cui viene applicata questa tecnologia.
Ciò che intendiamo dire è che non stiamo facendo una AI ristretta allo scopo di risolvere un problema generale di intelligenza artificiale, ma piuttosto che sviluppiamo soluzioni di AI ristretta solo per avere AI ristrette. Obiettivamente va detto che molte imprese non si preoccupano molto della GAI e l'obiettivo nell'uso delle AI per queste organizzazioni non è certo lo sviluppo della GAI.
Allora possiamo convenire che la percezione del settore IT di ciò che l'intelligenza artificiale è e dove si sta dirigendo differisce da ciò che molti nella ricerca o nel mondo accademico pensano. Ciò che interessa di più le aziende riguardo l'intelligenza artificiale non è che risolva questioni di intelligenza generale, ma piuttosto che ci sono cose specifiche che gli esseri umani hanno fatto nell'organizzazione che ora potrebbero essere fatte dalle macchine. La gamma di questi compiti varia a seconda dell'organizzazione in questione e del tipo di problemi che stanno cercando di risolvere.
Perché, allora, preoccuparsi di un termine mal definito in cui la definizione e gli obiettivi originali stanno divergendo rapidamente da ciò che viene effettivamente messo in pratica?
Quali sono le tecnologie cognitive? Forse un termine migliore per l'AI ristretta applicata a delle applicazioni ristrette è quello di tecnologia cognitiva. Piuttosto che cercare di costruire un'intelligenza artificiale, le aziende stanno facendo leva sulle tecnologie cognitive per automatizzare e abilitare un'ampia gamma di aree problematiche che richiedono alcuni aspetti della cognizione. In generale, è possibile raggruppare questi aspetti della cognizione in tre categorie, che potremmo definire le "3P", prendendo in prestito i termini chiavi dell'industria dei veicoli autonomi:
Percepire - Comprendere l'ambiente intorno e gli input provenienti dai sensori.
Le tecnologie cognitive legate alla percezione includono riconoscimento e classificazione di oggetti (incluso riconoscimento facciale), l'elaborazione e la generazione di linguaggio naturale, l'elaborazione non strutturata di testi e di informazioni, i sensori robotici e l'elaborazione dei segnali provenienti dalle IoT e altre forme di calcolo percettivo. Le capacità focalizzate sulla percezione sono l'area della ricerca sull'intelligenza artificiale che ha ottenuto il maggiore impulso dallo sviluppo degli approcci delle reti neurali avanzate e, in particolare, il deep learning.
Prevedere - Comprendere i modelli per prevedere cosa accadrà e imparare da diverse iterazioni per migliorare le prestazioni generali del sistema.
Le tecnologie cognitive incentrate sulla previsione utilizzano l'apprendimento automatico, l'apprendimento di rinforzo, i big data e gli approcci statistici per elaborare grandi volumi di informazioni, identificare modelli o anomalie e suggerire passi e risultati successivi. Le reti neurali sono molto utili a questi fini, ma lo sono anche altri modi di implementare il machine learning così come approcci ancora più semplici come i grafici della conoscenza e i modelli statistici bayesiani. Le tecnologie cognitive incentrate sulla previsione spaziano dall'analisi dei big data a modalità decisionali complesse e umane.
Pianificare - utilizza ciò che è stato appreso e percepito per prendere decisioni e pianificare i prossimi passi.
Le tecnologie cognitive incentrate sulla pianificazione includono modelli e metodi decisionali che cercano di imitare il modo in cui gli umani prendono le decisioni. I primi tentativi includono sistemi esperti. I metodi più recenti utilizzano una serie di approcci che vengono utilizzati in situazioni quali la cibersicurezza cognitiva o le decisioni sui prestiti. Le tecnologie cognitive incentrate sulla pianificazione sono l'area che può utilizzare una più ampia ricerca di intelligenza artificiale per migliorare poiché attualmente le macchine mancano di intuizione, buon senso, QI emotivo e altri fattori che rendono gli umani molto migliori nella pianificazione e nel processo decisionale.
Da questo punto di vista, è chiaro che mentre le tecnologie cognitive sono in effetti un sottoinsieme delle tecnologie di AI. La differenza è che l'AI può essere applicata sia agli obiettivi connessi allo sviluppo della GAI sia alle applicazioni di AI focalizzate ad un uso ristretto. D'altro canto, usare il termine Cognitive Technology al posto di AI è un'accettazione del fatto che la tecnologia applicata si basa sulle capacità dell'AI, ma non ha ambizioni di essere qualcosa di diverso dalla tradizionale tecnologia applicata a un compito specifico e ristretto.
Sopravvivere all'inverno delle AI Il sentimento comune nel settore dell'intelligenza artificiale sta notevolmente cambiando. È chiaro che l'esagerazione del marketing, i dollari dei ventures capitalist e gli interessi dei governi stanno spingendo la domanda su le capacità delle intelligenze artificiali fino ai suoi limiti. Siamo ancora molto lontani dal poter anche solo pensare una GAI. Le aziende stanno rapidamente comprendendo i limiti delle tecnologia AI e rischiamo un contraccolpo dell'industria.
Se l'interesse industriale si raffredderà troppo e l'investimento e la ricerca di IA rallenteranno di nuovo, giungeremo a un altro inverno delle AI (analogo a quello degli anni 70-80).
Forse però il problema non è mai stato con il termine Intelligenza Artificiale. L'intelligenza artificiale è sempre stato un obiettivo elevato su cui impostare gli scopi della ricerca accademica, proprio come costruire insediamenti su Marte o viaggi interstellari. Tuttavia, proprio come la competizione stellare ha portato oggi a nuove tecnologie di ampia adozione, così anche la ricerca della GAI si tradurrà in tecnologie cognitive con ampia adozione, anche se non raggiungeremo mai gli obiettivi di una intelligenza generale.
Letture sapienziali
Forse un approccio sapienziale, come quello biblico, al tema potrebbe aiutarci.
"Allora il Signore Dio plasmò dal suolo ogni sorta di bestie selvatiche e tutti gli uccelli del cielo e li condusse all'uomo, per vedere come li avrebbe chiamati: in qualunque modo l'uomo avesse chiamato ognuno degli esseri viventi, quello doveva essere il suo nome. 20 Così l'uomo impose nomi a tutto il bestiame, a tutti gli uccelli del cielo e a tutte le bestie selvatiche, ma l'uomo non trovò un aiuto che gli fosse simile." (Genesi 2,19-20).
Nel racconto della Genesi Adamo da un nome a tutte le cose. "Dare un nome", nella cultura biblica, è molto più che un arbitrario esercizio estetico e poetico. Questa dinamica mostra delle capacità uniche della creatura umana.
L'uomo ha la capacità di riconoscere la realtà delle cose. Il nome è l'identità e la verità di ciò che esiste. La razionalità umana, infatti, è la nostra capacità cognitiva di identificare una certa entità rispetto alle sue caratteristiche e di formarcene un concetto. Analizziamo qualcosa, ne identifichiamo le caratteristiche, lo distinguiamo da altre entità e, sintetizzando o unendo l'osservazione della sua molteplicità di proprietà, lo "nominiamo". Dopodiché, lo classifichiamo e lo categorizziamo. Adamo è dunque in grado - ,per condizione creaturale, cioè per natura - di "cogliere l'essenza" delle entità che gli si presentano, di esaminarle e così di assegnarvi un nome che corrisponda a quell'essenza.
Nel fare così Adamo esercita la sua capacità al linguaggio articolato. Egli forma dei concetti in coerenza organica con la loro essenza e le parole corrispondenti a quei concetti.È l'inizio della disciplina razionale della tassonomia. La tassonomia (dal greco ταξις, taxis, "ordinamento", e νομος, nomos, "norma" o "regola") è, nel suo significato più generale, la disciplina della classificazione. Abitualmente, si impiega il termine per designare la tassonomia biologica, ossia i criteri con cui si ordinano gli organismi in un sistema di classificazione composto da una gerarchia di taxa annidati.
Con il termine tassonomia, dunque, ci si può riferire sia alla classificazione gerarchica di concetti, sia al principio stesso della classificazione. Praticamente tutti i concetti, gli oggetti animati e non, i luoghi e gli eventi possono essere classificati seguendo uno schema tassonomico. La tassonomia è la scienza che si occupa genericamente dei modi di classificazione (degli esseri viventi e non). Per classificazione si intende la descrizione e la collocazione in un sistema tassonomico di una entità per determinazione si intende il riconoscimento o l'identificazione di un soggetto. Soprattutto in ambito scientifico (es. botanica, zoologia). L'esercizio della tassonomia è espressione della razionalità umana.
Possiamo allora concludere che il problema tassonomico delle AI è di fatto un problema chiave. Il nome che diamo a queste tecnologie non solo dice se e quanto vogliamo o riusciamo a umanizzare la macchina ma anche se e quanto stiamo macchinizzando l'uomo e la sua unica capacità cognitiva che è di fatto il segno della dimensione spirituale dell'uomo.