Menu
Sebbene negli ultimi decenni siano emerse diverse definizioni di intelligenza artificiale (IA), John McCarthy offre la seguente definizione in questo documento del 2004 (il link si trova al di fuori di ibm.com):
“È la scienza e l’ingegneria della creazione di macchine intelligenti, in particolare di programmi informatici intelligenti.
Si tratta di un compito simile a quello di usare i computer per capire l’intelligenza umana, ma l’IA non deve limitarsi a metodi biologicamente osservabili“.
Tuttavia, decenni prima di questa definizione, la nascita della conversazione sull’intelligenza artificiale è stata segnata dall’opera fondamentale di Alan Turing, “Computing Machinery and Intelligence“, pubblicata nel 1950.
In questo documento, Turing, spesso definito il “padre dell’informatica”, pone la seguente domanda: “Le macchine possono pensare?“.
Da qui propone un test, oggi noto come “Test di Turing”, in cui un interrogatore umano cercherebbe di distinguere tra la risposta di un computer e quella di un testo umano.
Sebbene questo test sia stato sottoposto a molti controlli dopo la sua pubblicazione, rimane una parte importante della storia dell’IA, nonché un concetto ancora menzionato in ambito filosofico, in quanto utilizza le idee della linguistica.
Stuart Russell e Peter Norvig hanno poi pubblicato Artificial Intelligence: A Modern Approach , che è diventato uno dei libri di testo più importanti nello studio sull’AI.
In esso, i due autori approfondiscono quattro potenziali obiettivi o definizioni di IA, che differenziano i sistemi informatici sulla base della razionalità e del pensiero rispetto all’azione:
Approccio umano:
Approccio ideale:
La definizione di Alan Turing sarebbe rientrata nella categoria dei “sistemi che agiscono come gli esseri umani”.
Nella sua forma più semplice, l’intelligenza artificiale è un campo che combina l’informatica e solidi set di dati per consentire la risoluzione dei problemi.
Comprende anche i sottocampi dell’apprendimento automatico (machine learning) e dell’apprendimento profondo (deep learning), che vengono spesso citati insieme all’intelligenza artificiale.
Queste discipline sono costituite da algoritmi di IA che cercano di creare sistemi che fanno previsioni o classificazioni sulla base dei dati in entrata.
Nel corso degli anni, l’intelligenza artificiale ha attraversato molti cicli di hype, ma anche per gli scettici il rilascio di ChatGPT di OpenAI ha segnato un punto di svolta.
L’ultima volta che l’IA generativa ha avuto un ruolo così importante, i progressi sono stati compiuti nella computer vision, ma ora il balzo in avanti è nell’elaborazione del linguaggio naturale.
E non si tratta solo di linguaggio: I modelli generativi possono anche imparare la grammatica del codice software, delle molecole, delle immagini naturali e di una varietà di altri tipi di dati.
Le applicazioni di questa tecnologia crescono di giorno in giorno e stiamo appena iniziando a esplorarne le possibilità.
Tuttavia, se da una parte il clamore intorno all’uso dell’IA nelle aziende decolla, le conversazioni sull’etica diventano di importanza critica.
Di per sé, l’intelligenza artificiale non è pericolosa, tuttavia vi sono alcuni aspetti e rischi legati ad essa che è bene mettere in evidenza.
In particolare:
Comprendere questi rischi è fondamentale per dare forma a un futuro in cui l’IA sia sviluppata e implementata in modo responsabile.
Spiegare l’intelligenza artificiale ad un bambino non è come spiegare come si calcia un pallone, ma è certamente fattibile e può essere molto divertente.
Potreste iniziare dal chiedere se in casa hai mai utilizzato Alexa o Siri, oppure se l’hanno visto utilizzare dai genitori.
O se si sono mai chiesti come funziona il riconoscimento facciale dell’iPhone, per poi spiegare loro che tutte queste tecnologie hanno qualcosa in comune: utilizzano l’intelligenza artificiale, o “AI”.
Poi potreste fornire una breve definizione, ovvero che l’intelligenza artificiale, o “AI”, è la capacità di un computer di pensare e imparare. Con l’IA, i computer possono svolgere compiti tipicamente svolti dalle persone, come l’elaborazione del linguaggio, la risoluzione di problemi e l’apprendimento.
L’intelligenza artificiale è uno strumento, come altri tipi di nuove tecnologie.
Ci sono molti modi in cui l’intelligenza artificiale viene utilizzata nel mondo che ci circonda e che possono essere riconosciuti da un bambino:
Potreste anche chiedere ai bambini quali altri esempi di IA gli vengono in mente, in modo tale da iniziare a riconoscere l’intelligenza artificiale nella vita quotidiana.
L’apprendimento dell’intelligenza artificiale è importante per i bambini in quanto è intorno a noi e, anche non tutti se ne rendono conto, la utilizziamo ogni giorno.
Inoltre, gli informatici prevedono che l’intelligenza artificiale sarà ancora più importante in futuro. Molti lavori richiederanno anche la comprensione del funzionamento dell’IA per poter risolvere problemi.
Questo è già vero per molte professioni oggi.
I medici utilizzano l’intelligenza artificiale per diagnosticare i pazienti sulla base di scansioni mediche, come le radiografie.
Gli astronauti possono utilizzare i modelli di intelligenza artificiale per individuare gli esopianeti, ovvero i pianeti al di fuori del nostro sistema solare.
E questi sono solo un paio di esempi!
Da bambini, forse non si sa ancora bene cosa si vuole fare da grandi. (Io di certo non ne ero sicura!)
Dottore? Avvocato? Imprenditore? Insegnante? Scienziato? Attore?
Oppure, avete a che fare con bambini ispirati e determinati che sanno con certezza quale sarà la propria carriera.
In ogni caso, è molto probabile che l’IA sia collegata al loro futuro lavoro.
Oltre all’utilizzo dell’intelligenza artificiale in un lavoro futuro, i ragazzi possono anche iniziare ad utilizzare e programmare l’intelligenza artificiale, tramite dei percorsi specifici.
Imparando a conoscere l’IA fin da piccoli, si può capire meglio come applicare questo strumento per rendere il mondo un luogo migliore, per tutti.
Link utili:
L’intelligenza artificiale può essere classificata in base alle capacità o alle funzionalità.
Esistono quattro tipi principali di IA basati sulla funzionalità. I primi due tipi appartengono a una categoria nota come IA ristretta, o IA addestrata.
IA che viene addestrata per eseguire una gamma specifica o limitata di compiti. I secondi due tipi non sono ancora stati raggiunti e appartengono a una categoria talvolta chiamata IA forte.
Gli algoritmi di IA reattiva operano solo sui dati presenti e hanno capacità limitate.
Questo tipo di IA non ha una memoria funzionale specifica, il che significa che non può utilizzare le esperienze precedenti per informare le sue azioni presenti e future.
È il caso di molti modelli di intelligenza artificiale e di apprendimento automatico.
Derivanti dalla matematica statistica, questi modelli possono considerare enormi quantità di dati e produrre un risultato apparentemente intelligente.
Questi quattro tipi principali di IA si basano sulla funzionalità.
Questo tipo di IA è noto come IA reazionale o reattiva, e in certi ambiti ha prestazioni superiori alle capacità umane. In particolare, l’intelligenza artificiale reattiva Deep Blue di IBM ha sconfitto il grande maestro di scacchi Garry Kasparov nel 1997.
Questo tipo di IA è utile anche per i motori di raccomandazione e i filtri antispam.
Tuttavia, l’intelligenza artificiale reattiva è estremamente limitata.
Nella vita reale, molte delle nostre azioni non sono reattive: in primo luogo, potremmo non avere tutte le informazioni a portata di mano per reagire.
Tuttavia, gli esseri umani sono maestri dell’anticipazione e possono prepararsi all’imprevisto, anche sulla base di informazioni imperfette.
Questo scenario di informazioni imperfette è stato una delle pietre miliari nell’evoluzione dell’IA ed è necessario per una serie di casi d’uso, dalla comprensione del linguaggio naturale alle auto a guida autonoma.
Per questo motivo, i ricercatori hanno lavorato per sviluppare il livello successivo di IA, che ha la capacità di ricordare e imparare.
Le IA a memoria limitata possono memorizzare temporaneamente i dati delle esperienze passate.
Come già accennato, nel 2012 abbiamo assistito alla rivoluzione del deep learning.
Basandosi sulla comprensione dei meccanismi interni del cervello, è stato sviluppato un algoritmo in grado di imitare il modo in cui i nostri neuroni si connettono.
Una delle caratteristiche dell’apprendimento profondo è che diventa tanto più intelligente quanto maggiore è il numero di dati su cui viene addestrato.
L’apprendimento profondo ha migliorato notevolmente le capacità di riconoscimento delle immagini dell’IA e presto sono nati altri tipi di algoritmi di IA, come l’apprendimento rinforzato profondo. Questi modelli di IA erano molto più bravi ad assorbire le caratteristiche dei loro dati di addestramento, ma soprattutto erano in grado di migliorare nel tempo.
Un esempio notevole è il progetto AlphaStar di Google, che ha sconfitto i migliori giocatori professionisti nel gioco di strategia in tempo reale StarCraft II.
I modelli sono stati sviluppati per lavorare con informazioni imperfette e l’IA ha giocato ripetutamente contro se stessa per imparare nuove strategie e perfezionare le proprie decisioni.
In StarCraft, una decisione presa dal giocatore all’inizio della partita può avere effetti decisivi in seguito.
Per questo motivo, l’intelligenza artificiale doveva essere in grado di prevedere con largo anticipo l’esito delle proprie azioni.
Dalla metà degli anni ’70, abbiamo vissuto due inverni dell’IA, o periodi di tempo in cui c’è una mancanza di interesse nella ricerca sull’IA.
Lo stesso concetto è presente nelle auto a guida autonoma, dove l’IA deve prevedere la traiettoria delle auto vicine per evitare collisioni.
In questi sistemi, l’IA basa le sue azioni su dati storici. Inutile dire che le macchine reattive non erano in grado di gestire situazioni come queste.
L’intelligenza artificiale a memoria limitata è comunemente utilizzata anche nei chatbot, negli assistenti virtuali e nell’elaborazione del linguaggio naturale.
Nonostante tutti questi progressi, l’IA è ancora indietro rispetto all’intelligenza umana.
In particolare, richiede enormi quantità di dati per imparare compiti semplici.
Mentre i modelli possono essere riaddestrati per progredire e migliorare, i cambiamenti nell’ambiente in cui l’IA è stata addestrata la costringerebbero a una riqualificazione completa da zero. Per esempio, consideriamo una lingua: Una volta imparata una seconda lingua, l’apprendimento di una terza e di una quarta diventa proporzionalmente più facile.
L’intelligenza artificiale funziona in modo simile.
Questo è il limite dell’IA a memoria limitata: può diventare perfetta nello svolgere un compito specifico, ma fallire miseramente con la minima modifica.
La capacità di teoria della mente si riferisce all’abilità della macchina AI di attribuire stati mentali ad altre entità.
Il termine deriva dalla psicologia e richiede all’IA di dedurre le motivazioni e gli intenti delle entità, ad esempio le loro convinzioni, emozioni e obiettivi.
Questo tipo di IA deve ancora essere sviluppato.
L’IA delle emozioni, attualmente in fase di sviluppo, mira a riconoscere, simulare, monitorare e rispondere in modo appropriato alle emozioni umane analizzando la voce, le immagini e altri tipi di dati.
Ma questa capacità, pur essendo potenzialmente preziosa nell’assistenza sanitaria, nel servizio clienti, nella pubblicità e in molti altri settori, è ancora lontana dall’essere un’intelligenza artificiale dotata di teoria della mente.
Quest’ultima non solo è in grado di variare il trattamento degli esseri umani in base alla sua capacità di rilevare il loro stato emotivo, ma è anche in grado di capirli.
La comprensione, come viene generalmente definita, è uno dei grandi ostacoli dell’IA.
Il tipo di IA che può generare un ritratto capolavoro non ha ancora la minima idea di cosa abbia dipinto.
Può generare lunghi saggi senza capire una parola di ciò che ha detto.
Un’IA che abbia raggiunto lo stato di teoria della mente avrebbe superato questa limitazione.
I tipi di IA discussi sopra sono precursori di macchine autoconsapevoli o coscienti, ovvero sistemi che sono consapevoli del proprio stato interno e di quello degli altri.
Ciò significa essenzialmente un’IA che sia alla pari dell’intelligenza umana e che possa imitare le stesse emozioni, desideri o necessità.
Si tratta di un obiettivo molto ambizioso per il quale non possediamo né gli algoritmi né l’hardware.
Se l’intelligenza artificiale generale (AGI) e l’intelligenza artificiale autocosciente siano correlate si vedrà in futuro.
Sappiamo ancora troppo poco del cervello umano per costruirne uno artificiale che sia altrettanto intelligente.
La natura in rapida evoluzione dell’IA ha dato origine a numerosi termini per i tipi di IA che l’uomo ha sviluppato e continua a sforzarsi di inventare.
Inoltre, non tutti concordano sul significato di questi termini, contribuendo alla difficoltà di capire cosa l’IA può o non può fare.
I seguenti termini di uso comune sono spesso associati ai quattro tipi di IA che ho descritto sopra:
In termini generali, l’apprendimento profondo (deep learning) è un sottoinsieme dell’apprendimento automatico (machine learning) e l’apprendimento automatico è un sottoinsieme dell’intelligenza artificiale.
Si può pensare che siano una serie di cerchi concentrici sovrapposti, con l’IA che occupa il più grande, seguito dall’apprendimento automatico e dall’apprendimento profondo.
In altre parole, l’apprendimento profondo è l’IA, ma l’IA non è l’apprendimento profondo.
Prima di approfondire l’argomento, date un’occhiata alle differenze principali.
Apprendimento automatico | Apprendimento profondo |
Un sottoinsieme dell’IA | Un sottoinsieme dell’apprendimento automatico |
Può allenarsi su set di dati più piccoli | Richiede grandi quantità di dati |
Richiede un maggiore intervento umano per correggere e imparare | Impara da solo dall’ambiente e dagli errori commessi in passato. |
Addestramento più breve e minore precisione | Formazione più lunga e maggiore precisione |
Crea correlazioni semplici e lineari | Crea correlazioni complesse e non lineari |
Può allenarsi su una CPU (unità di elaborazione centrale) | Necessita di una GPU (unità di elaborazione grafica) specializzata per l’addestramento |
Il mondo dell’intelligenza artificiale è in continua evoluzione, ma attualmente esistono alcuni sistemi ritenuti più avanzati dai professionisti del settore e dagli accademici.
Vediamo quali sono:
Gli esperti di IA prevedono che diventerà sempre più influente nelle nostre vite, una trasformazione che suscita sia ottimismo sia preoccupazioni.
Le tecnologie basate sull’IA e sull’apprendimento automatico sono già utilizzate nei seguenti ambito:
Mentre scienziati e ingegneri esplorano il potenziale dell’intelligenza artificiale per far progredire la scoperta e la tecnologia, le tecnologie intelligenti sono già ampiamente diffuse nella nostra vita quotidiana (basta pensare alla diffusione negli ultimi mesi di moltissime app e tool AI).
L’Intelligenza Artificiale (IA) sta rimodellando il nostro mondo in modo profondo, lasciando già segni notevoli in diversi settori.
Vediamo quali sono alcune delle principali implicazioni attuali e future dell’IA.
Nelle aziende:
• Marketing più efficace: Il marketing tradizionale può essere costoso. L’intelligenza artificiale semplifica il processo, ottimizzando le campagne pubblicitarie e indirizzando con precisione il pubblico, garantendo ai marchi un miglior rapporto qualità-prezzo.
• Robotica ad alta tecnologia: Non solo limitati alle aziende, i robot dotati di intelligenza artificiale hanno un ruolo importante nell’esplorazione dello spazio e nel controllo delle malattie mediche.
• Miglioramento dell’assistenza medica: L’intelligenza artificiale aiuta a diagnosticare le malattie e a fornire trattamenti, promettendo di ridurre i tassi di mortalità. Inoltre, aiuta a ridurre gli errori medici e a snellire le operazioni ospedaliere.
Settori che l’IA sta trasformando:
• Trasporti: le auto a guida autonoma non sono più fantascienza. L’intelligenza artificiale promette strade più sicure ed efficienti.
• Istruzione: dalla digitalizzazione dei libri alla personalizzazione dell’apprendimento attraverso il rilevamento delle emozioni, l’intelligenza artificiale rivoluzionerà le aule scolastiche.
• Produzione: i robot AI collaborano con l’uomo in attività come l’assemblaggio e la manutenzione predittiva mantiene le attrezzature in ottima forma.
• Sanità: la previsione delle malattie, la scoperta di farmaci e l’analisi dei dati sono solo alcuni dei settori in cui l’IA sta facendo faville.
• Media: l’intelligenza artificiale sta semplificando le complesse analisi dei rapporti finanziari e automatizzando le attività più basiche del giornalismo.
• Servizio clienti: i chatbot guidati dall’intelligenza artificiale stanno migliorando l’esperienza dei clienti, gestendo qualsiasi cosa, dalla prenotazione di appuntamenti alla risposta alle richieste di informazioni.
La frontiera dell’IA in continua espansione, con colossi tecnologici come Microsoft e Google stanno investendo massicciamente nell’IA, mentre le istituzioni accademiche stanno dando all’IA un ruolo maggiore nell’istruzione.
Andrew Ng di LANDING AI ritiene che siamo nell’eterna primavera dell’IA, con le aziende desiderose di sfruttarne il potenziale.
Per quanto riguarda l’impatto sociale dell’IA, nel 2018, il visionario dell’IA Stuart Russell ha parlato del sogno ancora lontano di un’IA di livello umano. Ha sottolineato che il ruolo principale dell’IA è quello di integrare gli esseri umani, non di sostituirli.
Un’ulteriore indagine del Future of Humanity Institute dell’Università di Oxford fornisce previsioni intriganti:
• Entro il 2026, l’intelligenza artificiale potrebbe scrivere saggi scolastici.
•Entro il 2027, i camionisti potrebbero diventare obsoleti.
• Entro il 2031, l’intelligenza artificiale potrebbe mettere in ombra gli esseri umani nel settore della vendita al dettaglio.
• Entro la metà del secolo, l’IA potrebbe emulare autori e chirurghi famosi.
L’intelligenza artificiale è la chiave di numerose innovazioni future.
Tuttavia, l’accento è posto su una coesistenza armoniosa: l’IA migliora le attività umane, non le sostituisce.
Con i supercomputer che elaborano quintilioni di operazioni al secondo e la crescente disponibilità di storage a costi inferiori, l’IA è diventata sempre più integrata nelle nostre vite.
Per quanto riguarda il lavoro, indipendentemente dal settore, l’IA sta diventando una componente cruciale delle operazioni aziendali.
Le aree principali interessate dall’IA includono:
Tuttavia, l’intelligenza artificiale non è infallibile.
Ci sono stati casi in cui l’IA ha avuto delle “allucinazioni”, producendo informazioni errate. In un caso legale evidenziato, gli avvocati hanno utilizzato ChatGPT per preparare il loro caso, citando casi fittizi creati dall’IA.
Il pericolo intrinseco risiede nella tendenza umana ad accettare i risultati del computer come accurati senza alcun controllo.
L’immissione di dati errati può portare a risultati errati da parte dell’IA.
Alcuni chatbot di IA hanno mostrato “personalità” indesiderate che possono fuorviare o minacciare gli utenti.
La fusione dell’IA generativa con l’informatica quantistica e altri progressi tecnologici trasformerà ulteriormente la nostra interazione con i computer.
Sebbene questi cambiamenti possano essere vantaggiosi per l’efficienza aziendale, è necessario un approccio cauto e informato per garantire risultati positivi.
In un articolo recente pubblicato sul sito dell’MIT si analizza il potenziale di superamento dell’intelligenza umana da parte dell’IA.
Mentre alcuni ricercatori di IA ritengono che un’intelligenza artificiale di livello umano possa essere potenzialmente raggiunta nei prossimi decenni, altri sostengono che potrebbe essere già qui, viste le capacità degli attuali assistenti virtuali come Siri e Cortana.
Inoltre, secondo un documento intitolato “When Will AI Exceed Human Performance? Evidence from AI Experts“, c’è il 50% di probabilità che un’intelligenza artificiale di livello (HLMI) si realizzi entro 45 anni e il 10% entro 9 anni.
Abbiamo visto come le macchine superino già gli esseri umani in compiti specifici, come i giochi di strategia (scacchi, Go), l’esecuzione di interventi chirurgici e il pilotaggio di aeroplani.
Stanno persino iniziando a guidare le automobili, anche se con qualche difficoltà.
Una studiosa dell’MIT, Eliza Kosoy, sta studiando come gli esseri umani imparano per tradurre questi metodi in IA.
In particolare, si concentra sulla fisica intuitiva (prevedere e reagire ai cambiamenti fisici nel nostro ambiente) e sull’apprendimento one-shot (imparare da dati minimi).
Attualmente, la maggior parte degli algoritmi di IA richiede una grande quantità di dati per distinguere gli oggetti, mentre i bambini sono in grado di distinguere gli oggetti dopo averli visti solo poche volte.
La sfida è replicare questo apprendimento rapido nelle macchine.
Infine, le macchine mancano di intelligenza emotiva, che è parte integrante dell’intelligenza umana.
Quando Deep Blue sconfisse il campione di scacchi Garry Kasparov nel 1997, la macchina non aveva la capacità emotiva di consolare o di mostrare sportività, causando a Kasparov un notevole turbamento emotivo.
Kosoy sottolinea che, sebbene le macchine possano superare gli esseri umani nei compiti computazionali, è improbabile che superino l’empatia e la gentilezza umana.
Per quanto riguarda la creatività, le macchine possono già imitare gli stili dei grandi pittori o fotografi, ma se possano essere veramente creative è oggetto di dibattito.
Saranno in grado di scrivere opere teatrali degne di nota o di godere spontaneamente di piaceri semplici come ballare sotto la pioggia?
Per concludere, le macchine stanno indubbiamente aumentando la loro capacità di calcolo, migliorando la vita umana in vari modi.
Tuttavia, gli aspetti unici dell’esperienza umana, quali l’intelligenza emotiva e la creatività, distinguono gli esseri umani dalle macchine, a prescindere da quanto queste ultime diventino avanzate.