Definizione e applicazione di macchine con caratteristiche tipicamente umane.

Cina 2018. Sullo schermo della televisione appare un “uomo” completo grigio, cravatta scura a puntini bianchi, dietro di lui uno sfondo con tonalità blu scure, inizia a parlare guardando direttamente in camera, la sua espressione facciale è neutra, ma la sua voce è un po’ strana, metallica.

A svelare queste anomalie è l’agenzia di stampa statale cinese, la quale rivela che partendo dalle più recenti tecnologie di machine learning sono stati realizzati due Conduttori con intelligenza artificiale (uno in lingua inglese, l’altro di lingua cinese). L’agenzia avrebbe sviluppato una sorta di “fantoccio” virtuale capace di andare in onda in qualunque momento ed essere più efficiente e veloce di qualunque filmato in computer grafica.

Che cos’è l’intelligenza artificiale

Una buona definizione è quella proposta dal professore Tullio De Mauro che la descrive come l’«insieme di studi e tecniche che tendono alla realizzazione di macchine, specialmente calcolatori elettronici, in grado di risolvere problemi e di riprodurre attività proprie dell’intelligenza umana». Tuttavia, l’argomento è molto vasto e in continuo sviluppo. L’AI comprende una grande quantità di argomenti  che vanno dalla pura informatica alla neurologia, passando per gli studi su come funziona il nostro cervello, è un po’ limitante, quindi contenerla in un’unica definizione.

La prospettiva di riuscire a creare una macchina in grado di imitare il comportamento dell’uomo attraversa periodi storici diversi e mischia mitologia, invenzioni di automi e fantascienza. Il primo concetto di Intelligenza Artificiale viene sviluppato dal britannico Alan Turing (porta il suo nome  il famoso test), nel 1950, con il libro Macchine calcolatrici e intelligenza. Fu con l’arrivo del computer, però sei anni dopo in America che il concetto di AI prende forma. Negli anni successivi aziende come IBM e le università capiscono l’importanza di un tale sviluppo e puntano sulla ricerca e la realizzazione di software capaci di pensare e agire come gli esseri umani, almeno in determinati campi e settori. Nacquero così programmi in grado di dimostrare teoremi sempre più complessi e, soprattutto, nacque il Lisp, ossia il primo linguaggio di programmazione che per oltre trent’anni fu alla base dei software di Intelligenza Artificiale.

Esistono vari tipi di apprendimento

Nella pratica ci vuole ancora un po’ per realizzare un computer che pensi esattamente come un essere umano, tuttavia si possono ottenere software in un certo modo intelligenti e abili nello svolgere compiti particolari. Grazie alle reti neurali e ai diversi modelli di machine learning specifici. Esistono vari tipi di learning con caratteristiche proprie:

Unsupervised learning

E’ il punto di arrivo di tutte le software house, l’apprendimento senza supervisione. Un sistema di apprendimento non supervisionato riceve in ingresso insiemi di dati grezzi e, tra questi, rileva da solo correlazioni che per un analista umano sarebbero impossibili da scoprire, a causa dell’enorme mole di informazioni e di parametri da confrontare.

Supervised learning

Nell’apprendimento supervisionato al sistema si indica in maniera esplicita cosa cercare. Il sistema non viene lasciato da solo a cercare correlazioni tra i dati in ingresso. L’algoritmo parte da un modello matematico delle caratteristiche chiave degli elementi da valutare e “impara” quali loro valori portano a certi risultati.

Semisupervised learning

A metà tra il primo e il secondo modello di apprendimento esiste il semi-supervisionato. In questo caso gli algortmi processano una combinazione ibrida di dati. Alcuni sono etichettati, altri sono grezzi. In questo modo il sistema di machine learning ha una qualche indicazione sulle correlazioni da cercare, ma ha anche la (relativa) libertà di trovarne di nuove a partire solo dai dati in ingresso.

Reinforcement learning

Questo modello di apprendimento viene spesso utilizzato nella robotica. In generale, nel reinforcement learning un “agente” interagisce con il suo ambiente e viene “ricompensato” quando esegue l’operazione più corretta in funzione del risultato che si cerca di ottenere. In questo modo il sistema di AI impara cosa deve fare in determinate situazioni per ottenere certi risultati, e può applicare quanto ha imparato in altre condizioni analoghe.

Deep learning

Il deep learning è una tecnica di apprendimento automatico che insegna ai computer a svolgere un’attività naturale per l’uomo: imparare con l’esempio. Si dice “profondo” perché nel suo caso l’interpretazione dei dati grezzi prevede diversi livelli di raffinamento successivi che portano a una rappresentazione molto precisa del fenomeno collegato ai dati stessi.  Il deep learning è una tecnologia fondamentale alla base delle automobili a guida autonoma, ma non solo, le sue applicazioni riguardano l’Aerospazio e la difesa, la ricerca medica, l’elettronica e l’automazione industriale.

Artificial Intelligence: A Modern Approach, Global Edition – di Stuart Russel e Norving Peter

Machine learning con Python. Costruire algoritmi per generare conoscenza – di Sebastian Raschka

Di redazione SparklingRocks