Creare macchine intelligenti in grado di emulare e superare il cervello umano, consapevoli della propria esistenza e in grado di acquisire conoscenza in maniera autonoma, sia attraverso l’istruzione che attraverso l’esperienza, è il concetto alla base di quella che comunemente viene definita intelligenza artificiale.
Mentre da un punto di vista commerciale assistiamo a consistenti investimenti nel campo da parte di tutte le più grandi compagnie a partire da Facebook e Microsoft fino ad arrivare a Google, da un punto di vista etico l’intelligenza artificiale anima molte discussioni e divide i pensatori ed innovatori più influenti al mondo.
Secondo Ray Kurzweil futurista, scrittore e inventore, che Google ha messo a capo della propria divisione Engineering, la singolarità è vicina e avverrà nella decade del 2040/2050.
Il momento in cui la mente umana potrà fondersi con i computer non è quindi poi così lontano e sarà questa la tecnologia che ci consentirà di fare il successivo salto in avanti per raggiungere un più alto livello evolutivo.
Elon Musk, uno dei maggiori innovatori di questo secolo, ha invece una visione diversa da Kurzweil e considera l’intelligenza artificiale un male peggiore della bomba atomica, e sulla stessa lunghezza d’onda di Musk, ritroviamo Stephen Hawking, il celebre astrofisico, secondo il quale l’intelligenza artificiale potrebbe rappresentare allo stesso tempo il più grande risultato ma anche l’ultimo della specie umana.
Ma cerchiamo di capire meglio praticamente a cosa ci riferiamo quando parliamo di intelligenza artificiale e di macchine che acquisiscono conoscenza.
Machine Learning ovvero l’apprendimento automatico
Una delle capacità che deve avere un’intelligenza artificiale è quella dell’apprendimento automatico.
Il primo a dare una definizione di apprendimento automatico (Machine Learning) fu Arthur Samuel, che ha indicato l’apprendimento automatico come il campo di studi che si occupa di fornire ai computer l’abilità di imparare in maniera autonoma (o automatica) senza che siano stati opportunamente programmati per farlo.
Questa definizione è stata in seguito integrata da Tom Mitchell che aggiunge: “Un programma si può dire che abbia imparato da un esperienza (E) in seguito ad una azione (T) misurata attraverso le prestazioni (P), se le sue prestazioni ad eseguire il task (T) sono migliorate grazie all’esperienza”.
Gli Algoritmi dell’apprendimento
Esistono differenti tipologie di algoritmi dell’apprendimento, quelli che però sono con molta probabilità maggiormente utilizzati rientrano nelle categorie dell’apprendimento supervisionato e di quello non supervisionato.
Semplificando quanto più possibile, si può dire che la differenza più grande sta nel fatto che nell’apprendimento supervisionato siamo noi ad insegnare al computer come fare qualcosa, mentre in quello non supervisionato il computer imparerà tutto da solo.
L’apprendimento supervisionato
Nell’apprendimento supervisionato, al sistema viene dato in pasto un insieme di dati, detto set di training, contenente sia i dati in ingresso sia quelli in uscita.
Da questo insieme di dati, l’algoritmo di apprendimento supervisionato cerca di costruire un modello in grado di prevedere i valori di risposta per un nuovo insieme di dati di ingresso.
L’Apprendimento supervisionato comprende due categorie di algoritmi, quelli di regressione e quelli di classificazione.
Un classico esempio sull’uso dell’apprendimento supervisionato con l’algoritmo di regressione è quello della previsione dei prezzi delle abitazioni in base alle loro dimensioni.
Partendo da un insieme di dati esistenti, l’algoritmo traccia un grafico e rileva la tendenza dei dati per fare una previsione sul prezzo.
L’apprendimento non supervisionato
Nell’apprendimento non supervisionato alla macchina non viene fornito un set di dati già strutturato da dove potere trarre esperienze.
Il compito dell’algoritmo sarà invece proprio quello di scovare strutture e modelli nascosti all’interno dei dati forniti.
Un esempio applicato del concetto di apprendimento non supervisionato e degli algoritmi di clustering ce lo fornisce Google News.
Quello che fa quotidianamente Google News è osservare centinaia di migliaia di nuovi contenuti pubblicati e selezionare quelli che sono coerenti fra loro raggruppandoli in un’unica nuova storia.
Come è possibile vedere dall’immagine, Google News ha così raggruppato tutte le notizie riguardanti i possibili candidati alla vincita del pallone d’oro 2014 in un’unica notizia.
Se hai voglia di approfondire il funzionamento degli algoritmi dell’apprendimento automatico, capire come usarli e quali sono gli strumenti adatti, su Coursera è disponibile il corso sul Marchine Laerning tenuto da Andrew NG, professore associato alla Stanford University.
Altre letture interessanti sono:
- Is AI a Myth?
- Cognitive computing: Programming the artificial mind
- Why artificial intelligence is set to automate marketing
- Self learning computers: giving machines a human brain
- How Man And Machine Can Work Together
- The Three Breakthroughs That Have Finally Unleashed AI on the World
- Google reveals it is developing a computer so smart it can program ITSELF
- The future according to Richard Florida and Ray Kurzweil
- Google DeepMind will develop AI systems together with Oxford University
- How to Study Machine Learning Algorithms
- Machine learning is the new algorithms
- Stephen Hawking warns artificial intelligence could end mankind