L’Intelligenza Artificiale: dalle origini ai giorni d’oggi

L’Intelligenza Artificiale prende il nome dall’uomo che l’ha concepita e sviluppata, Alan Turing, uno dei più grandi matematici e informatici del Novecento. La sua idea era quella di sviluppare macchine in grado di svolgere le funzioni di un cervello umano e di eseguire le stesse operazioni di pensiero. Da allora, l’Intelligenza Artificiale è stata oggetto di numerosi studi e ricerche che hanno portato allo sviluppo di diverse tipologie di macchine in grado di compiere diverse operazioni. Oggi, l’Intelligenza Artificiale è una realtà che viene utilizzata in diversi ambiti della vita quotidiana, dalla medicina alla gestione del traffico, dalla ricerca scientifica alla produzione di beni di consumo.

L’Intelligenza Artificiale è un ramo dell’informatica che permette la programmazione e progettazione di sistemi hardware e software che dotano le macchine di caratteristiche umane come percezioni visive, spazio-temporali e decisionali.

L’Intelligenza Artificiale è l’insieme di tecnologie che consentono ai computer di svolgere attività che, in passato, erano riservate agli esseri umani. L’intelligenza artificiale nasce con l’avvento dei computer e la sua data di nascita è fissata come il 1956. Infatti, in questo anno si parlò per la prima volta di intelligenza artificiale durante un convegno che si tenne in America e che vide la partecipazione di alcuni dei più importanti nomi di quella che sarebbe successivamente stata definita intelligenza artificiale, ma che allora veniva denominata sistema intelligente. Durante questo storico convegno, furono presentati alcuni programmi già capaci di effettuare alcuni ragionamenti logici, in particolar modo legati alla matematica. Gli anni successivi alla nascita dell’Intelligenza Artificiale furono anni di grande fermento intellettuale e sperimentale, con università e aziende informatiche che puntavano alla ricerca e allo sviluppo di nuovi programmi e software in grado 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.

La particolarità degli anni Cinquanta e Sessanta era principalmente il sentimento di ottimismo che supportava tutte le ricerche e le sperimentazioni relative a questo campo: tuttavia, mentre era possibile sviluppare software sempre più sofisticati in grado di risolvere elaborazioni matematiche, d’altra parte, i primi limiti iniziarono a farsi vedere. L’Intelligenza Artificiale, sembrava incapace di riprodurre le capacità intuitive e di ragionamento tipiche dell’essere umano. Nella seconda metà degli anni ’60 divenne sempre più evidente che quanto realizzato fino ad ora nel campo dell’Intelligenza Artificiale non era più sufficiente a soddisfare le nuove esigenze, che erano principalmente quelle di creare macchine e programmi in grado di andare oltre l’Intelligenza Artificiale. semplice’ soluzione di teoremi più o meno complessi. La nuova tendenza che si stava creando era quella di cercare soluzioni a problemi più vicini alla realtà dell’uomo, come la soluzione di problemi le cui soluzioni potevano variare a seconda dell’evoluzione dei parametri in atto. Uno dei maggiori problemi della nostra epoca è quello di creare software e macchine che possano ragionare e prendere decisioni basate sull’analisi di diverse possibilità. Ma questo tipo di problema comporta, prima che possa essere risolto, la soluzione di un altro passo, cioè quello di creare percorsi semantici per le macchine, cioè un linguaggio che permettesse di programmare le diverse possibilità previste da un ragionamento, semplice o complesso.

Come spesso succede, le grandi scoperte e le ricerche sono difficili da progredire. La ricerca in questo settore ha subito un rallentamento, soprattutto perché i finanziamenti per questo tipo di ricerca sono stati drasticamente ridotti.

Contrariamente a quanto molti immaginano, un nuovo impulso alla ricerca sull’Intelligenza Artificiale non è arrivato dal campo dell’informatica ma dal campo della biologia. Nel 1969, infatti, alcuni studenti e ricercatori del Carnegie Institute of Technology crearono un programma, chiamato DENDRAL, che era in grado di ricostruire una semplice molecola partendo dalle informazioni ottenute dallo spettrometro di massa. Tali informazioni erano principalmente legate alla massa molecolare dell’elemento analizzato e il risultato si basava principalmente sulla profonda conoscenza, da parte della macchina, di alcuni campi di applicazione. La ricerca, condotta da esperti di linguaggi informatici, ha trovato la sua prima applicazione in un campo assolutamente innovativo e, soprattutto, ha permesso di trovare una nuova strada e un nuovo slancio verso quella che sarebbe stata la rinascita dell’Intelligenza Artificiale, basata sui cosiddetti sistemi esperti. I sistemi esperti, a differenza di quanto realizzato prima dal software del team del Carnegie Institute of Technology, grazie ad una serie di informazioni di base, erano in grado di trovare soluzioni specifiche per determinati scenari. Con un simile punto di partenza, i passi successivi impiegarono poco tempo ad essere effettuati. Agli inizi degli anni ’80 il primo sistema di Intelligenza Artificiale fu utilizzato per scopi commerciali e, soprattutto, la ricerca sull’Intelligenza Artificiale allargò i propri ambiti geografici, interessando non solo gli Stati Uniti, ma anche il Giappone e l’Europa.

L’Intelligenza Artificiale sta entrando in una nuova era, grazie all’utilizzo di un algoritmo che era stato ideato alla fine degli anni Sessanta, ma che non aveva trovato fino ad ora la massima applicazione a causa delle carenze dei sistemi di apprendimento dei primi programmi di IA. L’algoritmo in questione permette l’apprendimento per reti neurali, e le sue sperimentazioni sono state condotte sia in campi prettamente informatici, sia in ambito psicologico. Proprio questa doppia applicazione ha permesso agli sviluppatori di Sistemi Intelligenti di trovare un ampio spettro di possibili utilizzi. Il primo grande successo dell’IA è stato quello legato al confronto tra Deep Blue, una macchina realizzata dalla IBM, e Garry Kasparov, campione di scacchi allora in carica. Anche se i primi incontri furono vinti da Kasparov, i continui miglioramenti apportati al sistema di apprendimento di Deep Blue hanno permesso alla macchina di vincere le successive partite. Una vittoria che, come confermò lo stesso campione di scacchi, fu sicuramente dovuta al fatto che la macchina aveva raggiunto un livello di creatività così elevato che andava oltre le conoscenze del giocatore stesso.

I veicoli autonomi sono ancora in fase sperimentale, ma stanno guadagnando terreno grazie all’uso di sensori e telecamere che percepiscono tutto ciò che accade durante la guida, prendendo decisioni e effettuando manovre di sicurezza.

Il problem solving, la conoscenza e la consapevolezza sono i tre pilastri del comportamento umano che hanno permesso all’Intelligenza Artificiale di migliorare le sue capacità di imitazione. I sistemi intelligenti prendono decisioni in base agli stimoli ambientali che ricevono attraverso algoritmi complessi. Nel caso di algoritmi collegati ai sistemi intelligenti dei veicoli, ad esempio, un’auto senza conducente può decidere, in caso di pericolo, se svoltare o frenare a seconda della situazione, cioè a seconda che le informazioni inviate dai vari sensori permette di calcolare una maggiore percentuale di sicurezza per guidatore e passeggeri in caso di frenata o sterzata. Tutte le decisioni, sia quelle assunte da un’auto senza conducente che da altri sistemi di Intelligenza Artificiale, vengono prese, come già specificato, grazie alla realizzazione di alcuni algoritmi, che consentono di definire una conoscenza di base e una conoscenza estesa, che si crea attraverso l’esperienza.

Al fine di creare algoritmi più precisi e complessi, è sorto un intero settore specifico, chiamato rappresentazione della conoscenza, che studia tutte le possibilità del ragionamento umano e, soprattutto, tutte le possibilità di rendere tale conoscenza comprensibile alle macchine attraverso un linguaggio e comandi che sono sempre più precisi e dettagliati. Quando si parla di conoscenza umana e del trasferimento di tale conoscenza alla macchina, infatti, non si parla di conoscenza sterile, cioè di nozioni apprese dai libri o da altri strumenti di studio. Si tratta piuttosto di esperienza e capacità di comprendere nuove informazioni attraverso quelle già presenti nel sistema di partenza. Tali informazioni sono fornite alla macchina attraverso diverse modalità, le più importanti delle quali sono quelle basate sulla Teoria dei Linguaggi Formali e sulla Teoria delle Decisioni. Nel primo caso, quando si utilizza la Teoria del Linguaggio Formale, si sceglie di utilizzare approcci diversi (quelli riconosciuti sono generativi, riconoscitivi, denotazionali, algebrici e trasformazionali) che fanno riferimento alla Teoria delle Stringhe e ai loro usi. Le stringhe, infatti, rappresentano dei veri e propri linguaggi formali le cui proprietà variano a seconda dell’approccio utilizzato. Puoi quindi scegliere di concentrarti su un approccio o sull’altro a seconda dei risultati che vuoi ottenere, cioè a seconda del tipo di risposta che vuoi ottenere dalla macchina nelle diverse situazioni.

La Teoria delle Decisioni si basa su un albero di decisione, che permette di valutare per ogni azione/decisione le possibili conseguenze prendendo quindi poi la decisione più conveniente. A seconda delle impostazioni e dello scopo del programma, quindi, il sistema potrà prendere la decisione che meglio ottimizza il risultato che si vuole ottenere. La precisione dei dati è importante perché permette di ottenere sistemi intelligenti che si differenziano tra di loro per le risposte che danno. Più dati sono disponibili, più preciso può essere il modello.

Machine Learning: l’apprendimento automatico è un processo che consente alle macchine di imparare e migliorare dall’esperienza, proprio come gli esseri umani. Sviluppare algoritmi che consentano alle macchine di apprendere dagli errori è fondamentale per realizzare sistemi intelligenti che possono operare in contesti in cui i programmatori non possono prevedere tutte le possibilità di sviluppo. Con l’apprendimento automatico, quindi, una macchina può imparare a svolgere una determinata azione anche se tale azione non è mai stata programmata. Per coloro che non sono esperti, l’apprendimento automatico probabilmente rappresenta la parte più “romantica” dell’Intelligenza Artificiale. Questo particolare ramo dell’IA si basa sulla capacità delle macchine di migliorarsi nel tempo, proprio come gli esseri umani, tramite l’esperienza. Al di là dell’interesse scenico e romanzesco che può avere l’apprendimento automatico, dietro di questo particolare ramo dell’Intelligenza Artificiale vi è stata da sempre (e vi è ancora) una profonda ricerca, sia teorica che pratica, basata, tra le altre cose, sulla teoria computazionale dell’apprendimento e sul riconoscimento dei pattern. La complessità dell’apprendimento automatico ha portato a suddividere tre differenti possibilità, a seconda delle richieste di apprendimento che vengono fatte alla macchina. Si parla allora di apprendimento supervisionato, di apprendimento non supervisionato e di apprendimento per rinforzo.

Ciò significa che mentre la macchina cerca di apprendere, i parametri entro i quali opera possono cambiare. La differenza tra le tre modalità risiede principalmente nel diverso contesto in cui la macchina deve muoversi per apprendere le regole generali e particolari che portano alla conoscenza. Nell’apprendimento supervisionato, in particolare, alla macchina vengono forniti esempi di obiettivi da raggiungere, mostrando le relazioni tra input, output e risultato. Dall’insieme dei dati mostrati, la macchina deve poter estrarre una regola generale che consenta, ogni volta che viene stimolata con un determinato input, di scegliere l’output corretto per il raggiungimento dell’obiettivo. Nel caso di apprendimento non supervisionato, invece, la macchina dovrà essere in grado di fare delle scelte senza essere prima ‘educata’ alle diverse possibilità di output a seconda dell’input selezionato. In questo caso, quindi, il computer non ha un maestro che gli permetta di imparare ma impara esclusivamente dai propri errori. Infine, le macchine addestrate attraverso l’apprendimento per rinforzo interagiscono con un ambiente in cui le caratteristiche sono variabili. Ciò significa che mentre la macchina cerca di apprendere, i parametri entro i quali opera possono cambiare. Si tratta dunque di un ambiente dinamico, in cui la macchina dovrà muoversi autonomamente per portare a termine un obiettivo, senza alcuna indicazione se non, alla fine della prova, la possibilità di sapere se è riuscita o no a raggiungerlo.

L’apprendimento automatico è stato reso possibile dallo sviluppo delle reti neurali artificiali. Questo modello matematico, ispirandosi ai neuroni e alle reti neurali umane, punta alla soluzione dei diversi problemi a seconda delle possibilità di conoscere gli input e i risultati ottenuti a seconda delle scelte effettuate. Proprio come le reti neurali biologiche, anche una rena neurale artificiale ha la caratteristica di essere adattativa, ossia di saper variare la sua struttura adattandola alle specifiche necessità derivanti dalle diverse informazioni ottenute nelle diverse fasi di apprendimento. Questo significa che, all’interno di una rete neurale, tutto è programmato e non c’è spazio per l’improvvisazione. Ogni azione di un sistema intelligente è il risultato di elaborati calcoli che mirano a verificare i parametri e a definire le incognite che caratterizzano le funzioni stesse.

Molte persone credono che l’uso di sistemi intelligenti sia riservato a particolari élite informatiche senza pensare che, al contrario, l’Intelligenza Artificiale sia ampiamente utilizzata anche nella vita di tutti i giorni. Ad esempio, i vari strumenti di riconoscimento vocale che vengono regolarmente utilizzati, dagli smartphone ai sistemi di sicurezza, si basano su algoritmi tipici di Intelligenza Artificiale, in particolare quelli legati al machine learning. Molto noto, nel mondo del machine learning e dell’Intelligenza Artificiale, è l’uso che viene fatto di questo strumento nel settore automotive. I veicoli che possono circolare nel traffico anche senza pilota sono ormai qualcosa che va oltre la sperimentazione, anche se il loro utilizzo è limitato solo a determinati settori e situazioni. Molto più sfruttate sono tutte quelle applicazioni che utilizzano la logica Fuzzy, che permettono di realizzare sistemi di cambio velocità in auto con guida semi-autonoma. Molti progetti di Intelligenza Artificiale sono utilizzati principalmente nel campo della programmazione di giochi, dagli scacchi al backgammon. Questi due giochi particolari hanno anche dato un importante contributo allo sviluppo di algoritmi di apprendimento.

Inoltre, i sistemi intelligenti vengono utilizzati anche per migliorare ulteriormente molti settori della stessa informatica. In campo medico, infine, l’ Intelligenza Artificiale si avvale principalmente di reti neurali, soprattutto nell’analisi del battito cardiaco, nella diagnosi di alcune forme di cancro, e nella realizzazione di robot di accompagnamento. Infine, anche molti smartphone e dispositivi mobili moderni presentano piattaforme basate su sistemi di Intelligenza Artificiale, che consentono una reale interazione tra il telefono e il suo possessore, indispensabili per varie funzioni. Alcuni telefoni moderni, ad esempio, dispongono di sensori in grado di capire se il proprietario del telefono si sta muovendo a piedi o in auto: in questo caso, può impostarsi automaticamente in modalità di guida per garantire la massima sicurezza nell’uso. Ancora una volta, alcuni telefoni accendono automaticamente la torcia incorporata quando si rendono conto che il proprietario si sta muovendo al buio. Le funzioni dei telefoni variano molto, ma tutte hanno lo scopo di migliorare il comfort e la sicurezza di coloro che li usano.

In futuro, Intelligenza Artificiale sarà utilizzata in molti modi diversi, con un impatto sul tessuto sociale ed economico. Ci sono molti entusiasti per l’evoluzione tecnologica, ma anche molta paura che le macchine potrebbero sostituire completamente gli esseri umani in molti lavori. In passato, l’evoluzione tecnologica ha portato alla sostituzione del lavoro umano con macchine e computer più veloci ed economici, che sono stati utilizzati in vari settori. Con l’uso diffuso dell’Intelligenza Artificiale si perderanno ancora più posti di lavoro, ma è anche vero che si creeranno nuove opportunità per la creazione di nuovi profili professionali. Tuttavia, il contrasto tra uomo e macchina è una questione molto più ampia della semplice evoluzione dell’Intelligenza Artificiale e dei sistemi intelligenti, ma anche e soprattutto dell’etica e della moralità del lavoro, e del corretto uso delle macchine nei confronti dell’uomo. Probabilmente la direzione che verrà presa non è ancora ben definita, ma potrebbe portare a una nuova rivoluzione culturale e industriale.

L’Intelligenza Artificiale: dalle origini ai giorni d’oggi