Relazione d'informatica sull'Intelligenza Artificiale

Relazione Intelligenza Artificiale

L'intelligenza artificiale (IA) è una disciplina appartenente all'informatica che studia i fondamenti teorici e le metodologie che consentono la progettazione di sistemi capaci di fornire prestazioni che, a un osservatore comune, sembrerebbero appartenere all’intelligenza umana. In particolare, l’intelligenza artificiale si concentra sullo studio di quattro facoltà:
1. Agire umanamente – il sistema intelligente deve comportarsi proprio come un umano;
2. Agire razionalmente – il sistema intelligente agisce seguendo uno specifico processo che lo porta al risultato migliore possibile;
3. Pensare umanamente – il processo del pensiero del sistema deve ricalcare quello umano
4. Pensare razionalmente - il processo che porta il sistema intelligente a risolvere un problema è un procedimento formale che si rifà alla logica.
Dato che l’intelligenza artificiale tratta di argomenti etici (oltre che teorici e pratici) rimane una disciplina molto dibattuta tra scienziati e filosofi. Stephen Hawking nel 2014 ha messo in guardia la scienza, sostenendo che l’intelligenza artificiale costituisce la nostra futura rovina.
Nella corso della storia l’essere umano ha sempre cercato di costruire macchine che lo sostituissero per compiere funzioni ripetitive, automatizzando e velocizzando diversi processi (esempio lampante ne è la Rivoluzione Industriale). La nascita effettiva dell’intelligenza artificiale, però, risale al 1956, quando un team di dieci informatici del Dartmouth College, in New Hampshire, decise di progettare e creare un vero e proprio sistema intelligente autonomo, che ricalcasse tutti i movimenti e comportamenti dell’essere umano. Il progetto venne poi finanziato e sostenuto da membri della IBM e dell’MIT, diventando una ricerca con crescente partecipazione. McCarthy, a capo del team americano, introdusse l’espressione intelligenza artificiale, che segnò, in maniera indelebile, la nascita effettiva di tale disciplina, conferendole una natura propria. Nel frattempo, era stato rilasciato un programma intelligente e capace di qualche forma di ragionamento, conosciuto con il nome di Logic Theorist, che riusciva a dimostrare teoremi partendo dai principi della matematica. Questo programma, successivamente, venne modificato e migliorato, prendendo il nome di General Problem Solver: questo riusciva ad imitare il ragionamento umano in modo da risolvere diversi tipi di problemi. McCarthy, nel 1958, definì quello che per trent’anni fu riconosciuto come il linguaggio di programmazione dominante per la realizzazione dei sistemi di intelligenza artificiale: il Lisp. Dopo alcune difficoltà che avevano reso il percorso in salita (quali la mancanza di linguaggio della macchina e l’impossibilità di affrontare alcuni problemi che l’intelligenza artificiale si era proposta di risolvere), i finanziamenti diminuirono gravemente. A metà degli anni ottanta fu reinventato l’algoritmo di apprendimento chiamato back-propagation, inizialmente ideato nel 1969 da Bryson e Ho. L’algoritmo fu applicato a molti problemi relativi all’apprendimento, inerenti sia al lato dell’informatica sia a quello della psicologia; purtroppo, però, anche questo tipo di algoritmo non riuscì a risolvere le questioni che riguardavano il lato umano della macchina.
Al giorno d’oggi i sistemi intelligenti sono presenti in ogni campo: negli scacchi, nelle missioni spaziali, in alcune auto (dotate di un sistema in grado di guidarle) e negli scenari più quotidiani (assistenti intelligenti come Siri e Cortana, termostati per il riscaldamento e aria condizionata in grado di anticipare il cambio di temperatura), in campo medico, nel mercato azionario, nella robotica, nella telefonia e nella legge.
Nella ricerca di base dello sviluppo di sistemi intelligenti si sono distinti vari sotto-problemi che mirano a certe qualità e abilità dell’automa. In tutto se ne possono contare sei e sono:
1. Deduzione, ragionamento e problem solving – i ricercatori hanno sempre cercato di sviluppare algoritmi capaci di imitare il ragionamento umano: questi si basano su una rappresentazione simbolica dello stato del mondo e cercano sequenze di azioni che raggiungano uno stato desiderato (spesso la computazione di questi algoritmi può risultare altamente complicata se si considerano anche fattori quali probabilità, incertezza e statistica);
2. Rappresentazione della conoscenza – la disciplina dell’ingegneria della conoscenza si focalizza su quale conoscenza integrare o meno all’interno di un sistema intelligente. La conoscenza riguarda oggetti, proprietà, categorie e relazioni tra oggetti: proprio per questo la rappresentazione e ingegneria della conoscenza vengono spesso affiancate alla disciplina filosofica dell’ontologia;
3. Pianificazione - nei problemi classici di pianificazione, un sistema intelligente può assumere di essere l'unica entità ad operare nell'ambiente e può essere assolutamente sicuro delle conseguenze di ogni azione compiuta. Nel caso in cui non lo fosse, deve costantemente monitorare il risultato delle proprie azioni e aggiornare le predizioni future ed i propri piani;
4. Apprendimento – in questo problema si studiano algoritmi capaci di migliorare automaticamente le proprie performance attraverso l’esperienza, proprio come un essere umano nella sua fase di crescita. Questo sviluppo delle conoscenze e delle azioni è importante perché i programmatori di un sistema intelligente non possono prevedere tutte le possibili situazioni in cui esso si possa trovare;
5. Elaborazione del linguaggio naturale – i sistemi intelligenti devono essere capaci di leggere e capire il linguaggio usato dagli esseri umani. Questa abilità viene usata in vari contesti, come ad esempio nella ricerca di informazioni, nelle risposte a diversi quesiti e nella traduzione di testi in altre lingue. Andando nello specifico, si effettuano varie registrazioni della pronuncia di ogni lettera dell’alfabeto e, attraverso varie regole di pronuncia delle parole, l’automa riesce a parlare e leggere ad alta voce tante frasi, l’una dopo l’altra. Al giorno d’oggi gli sviluppatori di questa branca hanno programmato sistemi sempre più efficaci per la voce degli automi, rendendola spesso quasi indistinguibile da quella di un umano (Google Home);
6. Movimento e manipolazione – questo sotto-problema viene affrontato dalla robotica, che si occupa dell’ideazione e costruzione di veri e propri robot sempre più simili all’essere umano.
Nel campo dell’intelligenza artificiale è centrale il concetto di agente intelligente. Un agente è un entità in grado di percepire l’ambiente attraverso sensori e successivamente di agire nello stesso ambiente attraverso gli attuatori: ad un agente vengono associate, quindi, una serie di percezioni ed una funzione agente. Un entità viene detta intelligente se, per ogni sequenza di percezioni, questa associa una funzione agente che rende la massima resa e utilità. Esistono vari tipi di agenti intelligenti:
o Agenti reattivi semplici – reagiscono alla sequenza di percezioni senza contare quelle precedenti;
o Agenti basati su modello – al contrario dei reattivi semplici, tengono di conto delle azioni precedenti e del cambiamento che l’ambiente subisce per ogni azione;
o Agenti basati su obiettivi – l’agente compie azioni in base a degli obiettivi previsti, detti goals;
o Agenti basati su utilità – l’agente tiene di conto, nella scelta di una funzione agente, sia i goals che l’utilità alla quale questa può portare.
“Può una macchina pensare?” è la domanda che tutt’ora scatena ampi dibattiti filosofici, con argomentazioni a favore e contro. Esistono, perciò, due correnti filosofiche diverse che cercano di definire una macchina intelligente come prodotto della:
1. Intelligenza artificiale debole (weak AI) – secondo questa linea di pensiero, una macchina può essere programmata secondo regole definite che la rendano intelligente;
2. Intelligenza artificiale forte (strong AI) – alla base di questo pensiero sta la convinzione che se una macchina agisce in modo intelligente ciò implica che essa sia anche cosciente di come si comporta.
Nel 1950 Alan Turing introduce un test comportamentale inventato da lui stesso per valutare l’intelligenza di una macchina, detto “The Imitation Game” e noto anche come “Test di Turing”. Nel test vi sono tre stanze allineate in cui nella prima c’è un uomo e nell’ultima una donna; in quella centrale invece risiede l’interrogante. L’uomo e la donna possono comunicare messaggi di testo solamente con l’interrogante scrivendo tramite una tastiera e leggendo tramite uno schermo. L’obiettivo della donna è quello di farsi identificare come donna, mentre quello dell’uomo è quello di trarre in inganno l’interrogante, facendogli credere di essere una donna. Il gioco è ripetuto una seconda volta, scambiando l’uomo con una macchina. La macchina viene definita intelligente se la frequenza con cui l’interrogante individua correttamente l’uomo e la donna è almeno la stessa con cui individua correttamente la macchina e la donna. Seguendo questa logica, quindi, una macchina si direbbe intelligente se e solo se si comporta come un essere umano, quindi solo se riesce ad ingannare l’interrogante come farebbe l’uomo, supportando il pensiero dell’intelligenza artificiale forte.
Dall’altra parte invece, John Searle ha descritto un esperimento mentale a favore dell’intelligenza artificiale debole, detto “La Stanza Cinese”. Questo ha lo scopo di dimostrare che una macchina che supera il test di Turing in realtà non è cosciente di ciò che le succede all’interno e quindi non è cosciente di come agisce. Nell’esperimento è presente una persona che conosce solo l’inglese, munita di un libro di grammatica cinese scritto in inglese e vari fogli, alcuni bianchi e alcuni con dei simboli. La persona è dentro ad una stanza con una piccola finestra verso l’esterno. Attraverso la finestra appaiono simboli indecifrabili. La persona trova delle corrispondenze con i simboli del libro delle regole e segue le istruzioni. Le istruzioni possono includere scrivere simboli su un nuovo foglio, trovare nuovi simboli, ecc. Infine, questi fogli scritti verranno passati al mondo esterno, attraverso la finestra. Per un osservatore esterno, la macchina sta ricevendo simboli cinesi, li sta elaborando e sta rispondendo con altri simboli, esattamente come farebbe un uomo cosciente. In questo senso, secondo il test di Turing dovrebbe essere ritenuta intelligente. Il problema, che sottolinea Searle, è che in realtà al suo interno, niente della macchina conosce effettivamente il cinese, per cui non è cosciente di quello che sta effettivamente facendo. Secondo Searle essa sta semplicemente seguendo un insieme di regole descritte nel libro.
Daniel Dennett sostiene, però, che il dibattito rimane ancora aperto in quanto Searle non riesce a dimostrare pragmaticamente la sua tesi, dovendo far così ricorso all’intuizione.
L'intelligenza artificiale è un tema ricorrente nelle opere di fantascienza, inteso come semplice elemento narrativo o come argomento centrale della storia. Generalmente è presentata sotto forma di computer avanzati, robot o androidi. Il tema è spesso legato a quello classico della ribellione della macchina, in cui un computer si rivolta contro gli esseri umani che l'avevano costruito (come ad esempio in Matrix o nei racconti di Isaac Asimov).