Intelligenza Artificiale, tesina

Introduzione all’intelligenza artificiale

Il termine Intelligenza viene utilizzato per designare una disciplina che ha

come obiettivo:

“l’indagine sui meccanismi soggiacenti alle facoltà cognitive degli esseri umani (come il linguaggio, il ragionamento, la capacità di

riproduzione mediante

risolvere problemi, la percezione) e la loro

computer opportunamente programmati.”

‘Artificial

Il primo ad usare l’espressione

intelligence’ per indicare questo genere di

ricerche è stato John McCarty, durante uno

storico convegno che si tenne nella città

statunitense di Dartmouth nel 1956.

L’intelligenza artificiale si divide in due aree, che

si distinguono in relazione al senso del termine

‘riproduzione’ che abbiamo usato nella

precedente definizione:

• ‘Intelligenza artificiale forte’
• ‘Intelligenza artificiale debole’

Intelligenza artificiale forte

Alan Turing e Marvin Minsky

L’intelligenza Artificiale Forte ritiene

che un computer opportunamente

programmato possa veramente

essere dotato di una genuina

intelligenza, non distinguibile in

nessun senso importante

dall’intelligenza umana.

Intelligenza artificiale debole

Hubert Drayfus e John Searle

L’intelligenza Artificiale Debole sostiene

che un computer opportunamente

programmato possa solamente simulare

i processi cognitivi umani (o alcuni di

essi), nello stesso senso in cui un

computer può simulare il comportamento

di un evento atmosferico, o di una

fissione nucleare (nessuno direbbe che

un computer che simula una tempesta è

una tempesta!).

Intelligenza artificiale classica e la teoria rappresentazionale della mente

L’intelligenza artificiale forte e debole, pur

differenziandosi profondamente rispetto

agli assunti filosofici di base e alle finalità,

condividono metodologie, strumentazioni e

tecnologie.

Entrambe sostengono che per riprodurre

e/o simulare un comportamento

intelligente al computer sia necessario

elaborare informazione (rappresentata da

simboli discreti) mediante un programma.

In questo senso esse costituiscono quella

che viene chiamata ‘intelligenza

I fondamenti teorici che sono alla base della IA artificiale

artificiale classica’.

classica e che costituiscono la Teoria Rappresentazionale

della mente sono:

• L’idea che il ragionamento, e in generale ogni attività della mente, sia un calcolo;
• Il concetto di simbolo o rappresentazione;
• Il concetto di calcolo inteso come manipolazione di simboli in base a regole.

Sistemi formali: calcolo come manipolazione di simboli e macchina di Turing

Secondo i teorici dell’intelligenza artificiale il pensiero può essere

descritto come un Sistema Formale.

Il comportamento di un Sistema Formale è completamente

determinato da:

• Un insieme (finito) di elementi di base formalmente distinti detti simboli
• Un insieme (finito) di regole che specificano le possibili trasformazioni di quei simboli.

Le caratteristiche di una macchina in grado

di eseguire questo genere di compiti sono

state definite in modo rigoroso dal logico e

matematico Alan Turing in un saggio

pubblicato nel 1936.

Oggi questa macchina viene comunemente

denominata Macchina di Turing (sistema

Nel metodo utilizzato da Turing troviamo

formale automatico).

per la prima volta molte delle idee alla

base della moderna scienza dei calcolatori

da un lato e della intelligenza artificiale

dall’altro.

Test di Turing

Ammesso che sia

realmente possibile

realizzarlo, come

possiamo essere sicuri

che un computer sia

effettivamente

intelligente?

Ciò potrebbe essere fatto se si riuscisse ad individuare una

definizione precisa di ‘intelligenza’.

Poiché, tra gli studiosi dell’intelligenza (psicologi, filosofi,

neuroscienziati, antropologi etc.) non vi è molto consenso

sull’individuazione di una definizione unica ed esaustiva.

Una via di uscita molto elegante da questa situazione di

stallo è stata proposta, ancora una volta, da Alan Turing, che

può sicuramente considerato il ‘padre dell’intelligenza

artificiale’.

In un articolo del 1950 intitolato Macchine Calcolatrici e

Intelligenza, il grande scienziato propone un metodo, chiamato

Test di Turing, per rispondere al quesito che si basa su una

specie di gioco, il gioco dell’imitazione.

Test di Turing e critica con il test della stanza cinese

Test di Turing:

immaginiamo di mettere in

una stanza una persona e una

macchina ‘presunta

intelligente’ e in un’altra

stanza una persona che

interroga le prime due. Se

l’interrogante, non è in grado

di capire quale tra i suoi

interlocutori sia un uomo e

quale una macchina, allora

John Searle nel 1980 ha ideato il

possiamo asserire che la

cosiddetto test della stanza

macchina è intelligente.

cinese. Tale esperimento prevede

che un individuo, ignaro della

lingua cinese, chiuso in un stanza

dove sono presenti manuali e

tabelle nella sua lingua, ricevuti

ideogrammi cinesi attraverso una

finestra di ingresso, riesca a

elaborarli correttamente e a

L’elaborazione del linguaggio naturale

Secondo molti studiosi,

dobbiamo proprio alla

comparsa del linguaggio,

avvenuta tra 100 e 200

mila anni fa, quell’enorme

salto evolutivo che ha

differenziato l’homo

sapiens, la nostra specie,

da tutte le altre specie di

Linguaggio e intelligenza, infatti, sono fenomeni strettamente

ominidi.

interconnessi. Lo stesso test di Turing assume che un eventuale

computer intelligente deve sapere comunicare mediante il linguaggio

naturale, come facciamo noi esseri umani.

La competenza linguistica, a sua volta, si suddivide in tre componenti:

• Competenza fonologica: capacità di un parlante, di produrre e capire i suoni della lingua parlata;
• Competenza sintattica: capacità di produrre o riconoscere frasi grammaticalmente corrette;
• Competenza semantica: capacità di assegnare o di estrarre significato dalle frasi.

Il ragionamento e la soluzione dei problemi

L’ulteriore campo di indagine dell’Intelligenza

Artificiale consiste nella ricerca di una serie di

procedimenti generali per la risoluzione

di problemi formalmente definibili.

In quest’ambito dell’intelligenza artificiale si

possono catalogare le seguenti aree di

ricerca:

• Soluzione di problemi (problem solving),
• Dimostrazione automatica,
• Ricerca selettiva.

Un procedimento di ricerca della soluzione

di un problema, può facilmente essere

rappresentato mediante un cosiddetto

Grafo ad Albero.

La ricerca di una soluzione corrisponde alla

esplorazione dei percorsi che legano i nodi

dell’albero, finché non si raggiunge un nodo

foglia che rappresenta lo stato finale o

obiettivo della ricerca.

Computer che giocano a scacchi

Il gioco degli scacchi, nella percezione

comune, è considerato il gioco

intelligente per eccellenza.

Si tratta di un gioco in cui ci sono un

insieme limitato di elementi distinti (i

pezzi) e delle regole molto precise che

specificano quali mosse si possono

fare. Progettare un programma che

sappia giocare a scacchi, dunque, a

Il programma sarebbe in grado di calcolare per ogni mossa tutte le

prima vista non è così complicato.

possibili contromosse dell’avversario e per ognuna di esse tutte le sue

possibili contromosse, e così via.

Se il programma potesse veramente operare in questo modo

riuscirebbe senza dubbio a trovare la mossa giusta per ogni

turno di gioco!

Ma quante sono le possibili mosse di un partita

di scacchi?

Per prevedere tutte le mosse di una partita bisognerebbe valutare un

numero di possibilità pari c.a. 10¹²⁰.

Esplosione combinatoria

Un fenomeno di crescita come questo viene chiamato

combinatoria.

Anche il computer più veloce impiegherebbe miliardi di

miliardi di anni per analizzare tutte le possibilità! Il nostro

Computer che giocano a scacchi

È evidente che programmare un computer in modo

che analizzi l’intero albero delle possibili mosse non

avrebbe senso.

I ricercatori si sono resi conto che bisognava fornire

Strategie di Gioco

al computer delle che gli

permettessero di limitare il numero di mosse e

contromosse da esplorare.

Queste strategie non garantiscono la certezza

assoluta della vittoria: esse indicano solo le

strade ragionevolmente più interessanti da

percorrere per trovare la mossa giusta.

Euristiche

Sono dunque delle per l’esplorazione

Il ragionamento euristico ha dimostrato di avere una portata

dello sterminato albero che rappresenta tutte le

molto più vasta. possibili mosse di una partita.

E questa è la ragione per cui gli scacchi hanno destato tanto

interesse.

La capacità di giocare bene a scacchi può essere vista come

esempio di una capacità ben più generale:

Affrontare e risolvere problemi complessi, scegliendo di volta

in volta le soluzioni migliori senza la necessità di esplorare

tutte le possibili alternative.

I sistemi esperti problem solving

Le ricerche nell’ambito del

problem solving

, insieme a quelle sulla

rappresentazione delle conoscenze,

sono alla base della creazione dei

sistemi esperti. I sistemi esperti

rappresentano la più importante (e forse

la sola vera) applicazione

dell’intelligenza artificiale che ha avuto

una ricaduta pratica (anche e

In estrema sintesi, con il termine ‘sistema esperto’ si intende

soprattutto a livello commerciale).

un programma che è in grado di risolvere problemi complessi

particolare dominio,

che rientrano in un con una efficienza

paragonabile a quella di uno specialista umano di quel

settore.

Esempi:

• DENDRAL, (1965) è in grado di analizzare la struttura chimica delle molecole organiche.
• MYCIN (1972) è un sistema specializzato nella diagnosi di malattie infettive
• CASNET sistema esperto per la diagnosi del glaucoma;
• PUFF sistema esperto per le malattie polmonari;
• CADUCEUS; PROSPECTOR sistema esperto in grado di individuare

Un sistema esperto, pur essendo molto abile nel suo campo, non

la posizione di possibili giacimenti minerari sulla base di dati

sarebbe mai in grado di applicare la sua abilità ad altri domini: il

geologici.

suo è una specie di micromondo.

Un nuovo paradigma: le reti neurali e il connessionismo

Il nostro cervello è costituito da una

enorme quantità di cellule, i neuroni,

collegate fra loro a formare una specie

di rete tridimensionale lungo la quale si

scambiano incessantemente segnali.

Una rete talmente intricata che

probabilmente non riusciremo mai a

sapere quante possibili connessioni

possa avere. Molti studiosi sono convinti

che una macchina, per essere

intelligente, dovrebbe simulare proprio

questo incessante brulichio mediante

connessionismo

Questa nuova impostazione si chiama. Il

reti neurali artificiali

delle.

fondamento teorico del connessionismo, che rovescia

completamente le tesi della IA classica, in estrema sintesi è il

seguente:

Per spiegare e/o riprodurre l’intelligenza e tutte le

facoltà cognitive di un essere umano è necessario

emulare le proprietà e la fisiologia del cervello, ovvero

il funzionamento delle sue cellule.