## La natura dell'intelligenza L'essenza di questo libro potrebbe essere un'analisi filosofica di che cos’è l'intelligenza, e della possibilità di descriverla in termini scientifici, o meglio, di stabilire se rappresenti o meno un'essenza irriducibile e irriproducibile.
Questo è il tema di cui si sono occupati i filosofi per migliaia di anni, oltre a Natura della verità, Bellezza, Giusto e Sbagliato, Moralità, Etica e Estetica. Non dovendosi occupare di considerazioni pratiche, la filosofia ha avuto campo libero. La divisione tra conoscenza astratta e comprensione pratica, dove i seguaci della seconda erano malvisti e considerati inferiori dai seguaci della prima, è stato un pilastro della filosofia occidentale da Aristotele in poi.
Questo libro propone diverse ipotesi, e il fatto che l'intelligenza possa essere compresa, analizzata e riprodotta è una delle fondamentali. In opere più recenti di filosofi che non disdegnano di essere compresi da molti, ci sono argomentazioni meravigliose che spiegano perché è giusto che sia così.
In questo libro definiremo l'intelligenza come la capacità della materia di organizzarsi in modo da riuscire a tracciare il percorso da seguire per raggiungere gli obiettivi, organizzando le risorse astratte e concrete necessarie per raggiungerli.
Il cervello umano è un grumo di materia dotato di un certo grado di intelligenza. E usiamo consapevolmente questa espressione invece di "mente". Eviteremo la trappola del dualismo, che ha impantanato la filosofia nel tentativo di capire la mente che abita nel cervello, trascinando Cartesio in discussioni sugli omuncoli e cercando inutilmente il tessuto connettivo attraverso cui la mente è fissata al cervello. In questa ipotesi il cervello esprime la mente, e la mente è ciò che il cervello fa.
## Il turco meccanico Nel Settecento nelle corti europee circolava un aggeggio affascinante. Progettato dall’ungherese Wolfgang von Kempelen, era composto da una grande scatola sulla quale sedeva una bambola di legno: oggi lo definiremmo un robot. Sapeva giocare a scacchi ed era capace di battere qualunque avversario con una precisione meccanica infallibile. Apparentemente Von Kempelen aveva costruito un automa in grado di agire con intelligenza, ma fu sbugiardato quando fu scoperto che la scatola ospitava un nano. Bravissimo a scacchi, il nano faceva finta di essere l'intelligenza dietro il robot. In realtà era l'omuncolo di un ambiente artificiale per l'intelligenza meccanica. Era un’intelligenza artificiale “fasulla”.
## I test di Turing per gli umani Quando nacquero i primi computer elettrici, negli anni '40 del XX secolo, Alan Turing, formulò un test innovativo per misurare l'intelligenza delle macchine. Il test di Turing, come viene chiamato oggi, afferma che non vi è alcun motivo di dubitare che una macchina sia intelligente, se dei giudici umani la reputano intelligente per le azioni che compie. Durante il test la macchina è nascosta alla vista degli esseri umani. I suoi risultati sono mischiati a quelli di altri umani che fingono di essere macchine, cercando di trarre in inganno i giudici. Turing lo ha definito "il gioco dell'imitazione", ritenendolo meno fondamentale di quanto non sia considerato ora. Troppo spesso, e un po' pomposamente, qualcuno annuncia che il test di Turing è superato. Quando è possibile leggere le trascrizioni del dialogo tra la macchina vincente e i suoi giudici umani, sembra che la macchina, o per meglio dire i suoi programmatori, si celino dietro agli scherzi, cambino soggetto e altre amenità.
## Campioni di scacchi Nel 1994 XXX il campione del mondo di scacchi, Gerry Kasparov, è stato battuto da una macchina, chiamata Deep Blue, appositamente progettata e costruita da IBM con questo scopo. La macchina non avrebbe potuto tentare di superare il gioco dell’imitazione del test di Turing, basato su un dialogo scritto a proposito di argomenti generali. Tuttavia, grazie all'hardware e al software specializzati in analisi, dopo avere scartato le milioni di mosse possibili nel gioco degli scacchi per trovare quella che decise essere la migliore in una determinata configurazione, finse di essere intelligente in modo abbastanza soddisfacente da battere e fare infuriare Kasparov.
Se il test di Turing, il gioco dell'imitazione, consiste nel convincere un gruppo di umani che una macchina può sostenere un dialogo come se fosse un essere umano, applicando le regole della sintassi e della semantica, allora il test di Kasparov, il gioco degli scacchi, consiste nel convincere un giocatore di scacchi che ha perso contro una macchina che gioca secondo le regole degli scacchi. E, dettaglio non trascurabile, in questo caso non c'è alcuna differenza tra una macchina che pretende di conoscere il gioco degli scacchi e una che non lo conosce.
Durante le varie fasi del torneo tra Kasparov e Deep Blue gli ingegneri di IBM hanno ottimizzato gli algoritmi della macchina, cosa che fece infuriare il campione russo. La macchina non dovrebbe essere in grado di imparare durante il gioco? Le modifiche che avevano aumentato le sue capacità "intelligenti", e forse contribuito alla vittoria, furono ammesse dai giudici del torneo.
## Sistemi esperti e intelligenza artificiale limitata Che siano eseguiti su hardware specializzati come Deep Blue di IBM, o su architetture più generiche di computer, perfino di PC, i sistemi che possiedono le stesse capacità decisionali di un essere umano in un dato settore specializzato sono chiamati sistemi esperti. Negli anni '80 del XX secolo, Il campo dell'intelligenza artificiale (IA) è stato dominato dall’approccio dei sistemi esperti. In ambiti diversi, come la diagnostica medica o la pianificazione finanziaria, la conoscenza degli esperti in una determinata area è stata codificata in regole adottate dai motori di inferenza e applicate in base ai dati forniti, al fine di generare un’indicazione: il tipo di malattia in base ai sintomi raccolti, ad esempio, o il prestito più appropriato per una determinata situazione finanziaria.
I sistemi esperti hanno avuto abbastanza successo e sono ancora impiegati in diversi settori, ma non rappresentavano un tentativo di creare un modello generale di intelligenza, e non potevano essere il trampolino di lancio verso la creazione di un'intelligenza artificiale generale, capace di conoscere a fondo qualsiasi campo.
## Speranze e delusioni Molti dei praticanti originali di IA hanno ritenuto che fosse possibile costruire rapidamente dei computer in grado di mostrare capacità elevate di pensiero, creatività e risoluzione dei problemi. Stavano approfittando degli ambienti stimolanti del mondo accademico, dal MIT a Stanford e altri ancora, per creare i laboratori che negli anni '60 avrebbero studiato le possibilità. Molti hanno lasciato il mondo accademico per raccogliere i finanziamenti di aziende o di venture capital nella speranza di creare innovazioni scalabili e sostenibili applicando quanto avevano appreso nei laboratori.
La maggior parte delle promesse fatte, anche tenendo conto del costante sviluppo dell'hardware che avrebbe potuto essere utilizzato come base per i sistemi software di IA, è rimasta disattesa. O almeno non ha ottenuto il consenso necessario per giustificare continui investimenti da parte dei finanziatori. Con gli anni '80 arrivò quello che è stato chiamato "l'inverno dell'IA", e sembrò che l’intelligenza artificiale non avrebbe cambiato il mondo così profondamente come era stato ipotizzato inizialmente.
Il fenomeno era un effetto comune dettato dalla mancata comprensione degli esponenziali. La sovreccitazione di chi dall'esterno aveva una scarsa comprensione dei principi alla base, e il desiderio degli esperti di produrre risultati concreti, spingevano a considerare alcuni punti dati secondo un'interpolazione lineare. Ma la crescita lineare all'inizio di un esponenziale è più alta! Così, coloro che continuavano a sottovalutare il potere degli esponenziali sono anche quelli che inizialmente lo sopravvalutano.
## Applicazioni di IA Molti, se non addirittura la maggior parte degli obiettivi originali degli anni '60 sono stati raggiunti e, a volte, superati dai sistemi costruiti di recente. C'è voluto più tempo di quanto ipotizzato inizialmente con una mentalità lineare, ma ora i sistemi che potremmo giustamente chiamare di IA sono ovunque, e incidono positivamente sulla nostra vita quotidiana, più di quanto avessero previsto i fondatori originali della disciplina.
XXX ### Ottimizzazione ### Sistemi di controllo ### Riconoscimento vocale e sintesi vocale ### Sistemi di visione, riconoscimento degli oggetti e del volto ### Ragionamento di senso comune ### Elaborazione del linguaggio naturale ### Apprendimento e risoluzione dei problemi ### …
## Il ruolo dell'apprendimento All'inizio i computer erano molto diversi da come li conosciamo noi oggi. Assomigliavano più a uno strumento specializzato, utilizzabile solo per un determinato scopo, piuttosto che allo strumento universalmente adattabile che usiamo quotidianamente. L'hardware era stato progettato per essere ottimizzato e letteralmente cablato per una singola operazione, e non era possibile riorganizzarlo per fare altro.
Solo dopo la comparsa della funzione di memoria, implementata con l'architettura di Von Neumann e incapace di distinguere tra i numeri che rappresentavano i dati e i numeri che rappresentavano le istruzioni, fu possibile parlare di un computer universale. Mancava però ancora un ulteriore sviluppo per completare il concetto di programmazione e di rappresentazione dei programmi in formalismi di livello superiore, linguaggi astratti che potevano essere tradotti e compilati in linguaggio macchina: i passaggi eseguiti direttamente dal computer.
Scrivere questi programmi è stata una nuova arte a metà del XX secolo e, anche se alcuni componenti di base come le ramificazione e i loop erano stati concettualizzati già prima di diventare elementi pratici di un programma in esecuzione, era necessario sviluppare strumenti più sofisticati per poter gestire un numero sempre maggiore di programmi e fare in modo che venissero eseguiti senza problemi.
Il modo in cui i programmi potevano essere scritti, e la possibilità che i programmi fossero visti come dati e riscritti da altre parti del programma secondo necessità, cambiando il comportamento del programma principale in esecuzione, era qualcosa che Turing aveva già considerato e paragonato al ruolo dell'apprendimento negli umani.
Se siamo in grado di costruire un programma che gioca a scacchi, uno che esegue diagnosi mediche e uno raccomandazioni finanziarie, possiamo costruire programmi utilizzabili con tutte queste funzioni e altre ancora? Possiamo costruire un programma che, se eseguito su un computer sofisticato e potente, riesca ad analizzare qualsiasi problema e raccogliere le risorse necessarie per risolverlo? Può un programma decidere se i risultati ottenuti siano ottimali o se, potendo usufruire di altri dati, esista un modo migliore di raggiungere l'obiettivo? Può imparare e risolvere problemi in modo completamente universale, non basandosi su una programmazione fissa ma adattandosi fluidamente alle esigenze dell'ambiente? Questo è ciò che noi chiamiamo Intelligenza generale artificiale.