“L’intelligenza artificiale minaccia i commercianti”, intitola la rivista statunitense Forbes in un articolo dello scorso 29 gennaio. Toni altrettanto cupi si ritrovano su articoli di giornali nazionali e internazionali: dalle macchine a guida autonoma coinvolte in incidenti stradali, alla minaccia che i robot facciano sparire le più diverse professioni, fino a previsioni più apocalittiche sull’intelligenza artificiale come arma della prossima guerra fredda.
L’intelligenza artificiale è vista anche in toni più rassicuranti: si parla sempre di più di smart objects che semplificheranno la vita, al punto che l’ultima campagna pubblicitaria di una nota linea di smartphone si è basata proprio sulla promessa di una intelligenza artificiale al servizio del cliente.
Dietro a questa immagine a tratti inquietante e a tratti entusiasmante, cosa si nasconde per davvero? Cos’è l’intelligenza artificiale del 2018?
Il termine “intelligenza artificiale” è molto ambiguo: in vari momenti storici è stato usato per indicare molti tipi di innovazioni in ambito informatico. L’espressione “intelligenza artificiale” è stata coniata dal professor John McCarthy in una conferenza nel 1956, ma nella cultura popolare trae le sue origini dalla fantascienza della prima metà del Novecento: basti pensare al film “Metropolis” del tedesco Fritz Lang e ai racconti brevi dello scrittore statunitense Isaac Asimov. Ancora oggi l’intelligenza artificiale è uno dei temi principali dell’immaginario fantastico, nel quale assume spesso un ruolo sinistro, come nel film “ex_machina”, uscito nel 2015.
Nella seconda metà del Novecento gli informatici si sono progressivamente impossessati di questa idea per indicare le tecnologie necessarie per risolvere problemi complessi. Ad esempio, negli anni ’60 un tipico problema di intelligenza artificiale era quello di scrivere un programma in grado di battere i migliori maestri di scacchi. Oggi questo non è più un ambito di ricerca che riguarda l’intelligenza artificiale.
Invece, il termine intelligenza artificiale oggi è utilizzato principalmente per indicare le reti neurali e le loro applicazioni. Cosa sono dunque le reti neurali? Per rispondere a questa domanda, ci può aiutare un confronto con i software più tradizionali. Il comportamento di un programma come il browser dal quale state leggendo questo articolo o come l’ultima app per il vostro tablet è completamente determinato in fase di programmazione. La risposta che il software deve dare a ogni situazione che può verificarsi è determinata a priori in modo univoco. Di conseguenza, questo modo di costruire i programmi è possibile solo quando il numero di situazioni che si possono verificare è molto limitato.
Nello studio di fenomeni complessi, come le previsioni del tempo atmosferico, lo studio delle immagini mediche a scopo diagnostico o la guida di un veicolo sulla strada, ci sono due possibilità: o il programma semplifica molto il fenomeno reale, come succede nel caso dei modelli per le previsioni del tempo, oppure con le conoscenze odierne non è possibile costruire un software tradizionale che sia in grado di dare risposte adeguate a ogni possibile situazione.
Il comportamento delle reti neurali, al contrario di quello dei programmi classici, non è specificato in fase di programmazione. Invece, la rete neurale può stabilirlo in autonomia sulla base dei casi precedenti che ha potuto esaminare.
Così, il programma di una rete neurale per la guida di veicoli non specifica come si deve comportare una vettura mentre si avvicina a un incrocio insieme a un camion e a un uomo barcollante. Invece, la rete neurale ha potuto esaminare il comportamento di migliaia di guidatori in moltissimi scenari di guida. Tra questi scenari di guida è possibile che ci siano stati degli incroci, delle interazioni con dei camion e alcune occasioni in cui è stato necessario evitare un uomo che improvvisamente è sceso dal marciapiede con passo malfermo. Sulla base di queste informazioni, la rete neurale decide come controllare l’auto mentre si avvicina a quello specifico incrocio, in presenza di quello specifico camion e di quello specifico uomo che barcolla.
Un discorso analogo vale per le previsioni del tempo: la rete neurale ha potuto osservare l’evoluzione di migliaia di temporali attraverso le immagini dei radar di regioni diverse. Di fronte a un nuovo temporale, la rete neurale cerca di indovinarne l’evoluzione a partire dal comportamento di tutti i temporali che ha osservato in precedenza.
Anche le reti neurali sono state programmate, ma in modo diverso rispetto ai software più tradizionali ai quali siamo abituati. La caratteristica principale del loro programma è quella di poter imparare a riconoscere delle regolarità nascoste in grandi quantità di dati. Sulla base di questa analisi, le reti neurali possono effettuare scelte e previsioni.
Nell’analisi di dati sono in grado di riconoscere delle strutture molto meglio degli esseri umani, come evidenziato anche da una ricerca del professor John E. Hopcroft sulla struttura nascosta dei dati registrati dai social network.
Nelle previsioni meteorologiche, le reti neurali affiancate agli algoritmi più tradizionali per le previsioni del tempo promettono di aumentare l’accuratezza delle previsioni a brevissimo termine, cruciali a esempio per la gestione delle dighe nei momenti di grandi precipitazioni.
In medicina, le reti neurali aiutano nella lettura di esami come la TAC o la risonanza magnetica.
Le reti neurali stanno anche diventando molto brave ad automatizzare compiti semplici e ripetitivi, come distinguere le immagini di gatti dalle immagini di cani. Questa applicazione all’apparenza banale è impiegata tra l’altro per migliorare la qualità delle traduzioni automatiche e per aiutare i non vedenti a navigare nel web, che oggi è sempre più composto da immagini.
Dalla parte opposta dello spettro della complessità troneggia il problema dello sviluppo di reti neurali per la guida autonoma. In questo ambito, anche se i risultati ottenuti fino a ora sono notevoli, rimane ancora un grosso divario tra l’abilità di una buona rete neurale e quella di un neopatentato alle sue prime uscite.
La ricerca sulle reti neurali lascia molte domande aperte: questi software stanno simulando dei processi cognitivi umani?
C’è un’analogia tra il modo di apprendere delle reti neurali e quello degli esseri umani?
Si può dire che le reti neurali siano intelligenti?
E, soprattutto, è realistico pensare che l’intelligenza artificiale sostituirà presto gli esseri umani in diversi ambiti della vita lavorativa, come molti sembrano suggerire?
Fonti:
http://www.bbc.com/news/technology-42801772
http://www.bbc.com/news/business-42858174
https://www.forbes.com/sites/forbescoachescouncil/2018/01/29/artificial-intelligence-and-the-threat-to-salespeople/#42a0122b4e01
http://theconversation.com/artificial-intelligence-is-the-weapon-of-the-next-cold-war-86086
“Investigation of the Prediction of Lightning Strikes Using Neural Network”
https://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html
https://www.kdnuggets.com/2017/06/machine-learning-algorithms-used-self-driving-cars.html
https://medium.com/@xenonstack/overview-of-artificial-neural-networks-and-its-applications-2525c1addff7
http://www.heidelberg-laureate-forum.org/blog/video/lecture-monday-september-19-2016-john-e-hopcroft/
https://courses.cs.washington.edu/courses/csep590/06au/projects/history-ai.pdf
