DALL'IMITAZIONE UMANA ALL'APPRENDIMENTO DAI DATI: IL VIAGGIO DELL'INTELLIGENZA ARTIFICIALE

BREVE STORIA DI COME SIAMO ARRIVATI ALL'IA DI OGGI

Fin dall'uscita di ChatGPT di OpenAI per il grande pubblico, sono stato curioso e interessato a sperimentare questa nuova tecnologia al fine di capire meglio cosa fosse la tanto nominata Intelligenza Artificiale, una tecnologia che sembrava poter risolvere i problemi dell'umanità e al contempo spazzarla via dal pianeta Terra e farci estinguere come il meteorite per i dinosauri. La domanda ora è: da dove viene questa tecnologia? Come ci siamo arrivati? Facciamo un viaggio nell'Intelligenza Artificiale, attraversando i periodi di entusiasmo e delusione, fino all'attuale rivoluzione del Machine Learning. Scopriremo come il concetto stesso di "intelligenza" nelle macchine si sia trasformato nel tempo, portandoci a un nuovo paradigma che potrebbe ridefinire il nostro rapporto con la tecnologia. Per comprendere meglio questa evoluzione, vorrei condividere la mia esperienza personale con l'IA.

INDICE

• I MIEI PRIMI ESPERIMENTI CON L'IA
  • Il mio Viaggio nel Mondo dell'IA
• L'EVOLUZIONE DELL'INTELLIGENZA ARTIFICIALE
  • Dalle Regole ai Dati: L'Evoluzione del Pensiero Artificiale
  • La nascita (1956)
  • I sistemi esperti (anni '70/'80)
  • Machine Learning (fine anni '90)
• CONCLUSIONI
• FONTI E APPROFONDIMENTI

I MIEI PRIMI ESPERIMENTI CON L'IA

Il mio Viaggio nel Mondo dell'IA

I miei primi esperimenti con il chatbot di OpenAI risalgono al 2023, principalmente ero curioso di capire come questa tecnologia potesse impattare nella mia vita di tutti i giorni e soprattutto quanto meno mi potesse far lavorare. Con una punta di preoccupazione sul fatto che l'IA mi potesse rubare il lavoro (un momento, questo slogan mi sembra di averlo già sentito?!) cominciai a trafficare con il chatbot più famoso del momento, era la tarda primavera del 2023 e come prima cosa cominciai a utilizzare ChatGPT per capire come delegargli le attività più pallose del mio lavoro, e in vista del viaggio in Cina (che si rivelò più un'avventura che un viaggio di relax) che dovevo affrontare ad agosto, a farmi dare una mano su una delle mie passioni: viaggiare, appunto. Queste esperienze personali mi hanno spinto a esplorare più a fondo la storia e l'evoluzione dell'IA, rivelando un percorso affascinante di idee, sfide e innovazioni.

L'EVOLUZIONE DELL'INTELLIGENZA ARTIFICIALE

Dalle regole ai dati: L'Evoluzione del Pensiero Artificiale

Fu così che mi appassionai della materia e cominciai a leggere e sperimentare ma anche a studiare l'IA dal punto di vista storico, delle implicazioni filosofiche ed etiche dello strumento. Partiamo quindi dal principio, da dove viene l'Intelligenza Artificiale?

La nascita (1956)

Sembra che il nome 'Intelligenza Artificiale' sia stato inventato da John McCarthy - e guarda caso, tutti concordano su questo (miracolo!). Il termine fece il suo debutto in grande stile nella richiesta di finanziamento per quello che sarebbe diventato un evento da libri di storia: la conferenza di Dartmouth del 1956. In quello stesso documento venne espressa l'idea che fosse possibile esprimere tutti gli aspetti dell'intelligenza in modo preciso, al punto da implementarlo nelle macchine. Su questo assunto si basarono le ricerche fatte negli anni a venire ed è così che arrivarono i sistemi creati alla fine degli anni '70.

I sistemi esperti (anni '70/'80)

Ed Feigenbaum, informatico statunitense, si è fatto in quattro per studiare questi sistemi e pensava che le macchine intelligenti potessero operare solo con grandi quantità di conoscenza da usare per i loro ragionamenti logici. Feigenbaum chiamò questa visione dell'Intelligenza Artificiale "paradigma basato sulla conoscenza"; altri lo chiamarono "Intelligenza Artificiale simbolica". Questo approccio riflette l'approccio ingegneristico tale per cui per descrivere un fenomeno devi prima comprendere e conoscere le leggi che lo governano. Alla fine degli anni Ottanta, i risultati promessi da questa tecnologia non furono raggiunti, i ricercatori si accorsero che questi sistemi erano troppo delicati e costosi da mantenere a causa della complessità nel descrivere il mondo tramite le regole logiche che facessero funzionare le macchine. Un esempio emblematico di sistema esperto era MYCIN, sviluppato negli anni '70 per diagnosticare infezioni del sangue. Nonostante la sua accuratezza, MYCIN non fu mai utilizzato nella pratica clinica, evidenziando i limiti di questo approccio. A riprova della fine di questi sistemi fu anche la conclusione degli investimenti nelle Lisp Machines, i sistemi hardware sul quale questi algoritmi eseguivano le loro computazioni. Tuttavia, nonostante i limiti evidenziati dai sistemi esperti, l'IA non si è fermata. Un nuovo approccio stava, in quegli anni stessi, prendendo piede e avrebbe rivoluzionato il campo.

Machine Learning (fine anni '90)

Dopo l'inverno dei sistemi esperti, verso la fine degli anni Novanta, fu la volta del Machine Learning, riprendendo il lavoro svolto da Frederick Jelinek nell'ambito delle traduzione di testi per IBM (anni '70/'80), furono scoperti nuovi metodi per addestrare le reti neurali che includevano la possibilità di imparare dagli esempi. Si passò dunque dal paradigma che richiedeva di creare macchine che ragionassero come gli esseri umani (i sistemi esperti) a sistemi guidati dai dati e dalle regolarità statistiche che si presentavano in questi (data-driven-AI) eludendo così la necessità di avere "basi di conoscenza" su cui ragionare e basandosi sul fatto che era più facile predire le risposte giuste.

CONCLUSIONI

In conclusione, il viaggio dell'Intelligenza Artificiale ci ha portato dal manifesto della conferenza di Dartmouth del 1956, attraverso i sistemi esperti degli anni '80 che miravano a replicare il ragionamento umano, fino al Machine Learning degli anni '90. Questa evoluzione ha visto un cambiamento fondamentale nell'approccio: dalle macchine progettate per ragionare come gli esseri umani, abbiamo preso una strada diversa, mirando a essere corretti in maniera probabilistica e approssimativa, basando le macchine su enormi quantità di dati. Tuttavia, questo progresso solleva importanti questioni:

possiamo fidarci che le regolarità statistiche individuate dalle macchine si ripeteranno nel futuro?

Come possiamo garantire l'accuratezza e l'equità di questi sistemi, evitando, ad esempio, che un algoritmo per l'erogazione di mutui prenda decisioni discriminatorie?

Queste domande sono cruciali poiché i sistemi di IA si basano sui dati con cui sono stati addestrati, potenzialmente perpetuando pregiudizi esistenti. Mentre ci addentriamo in questa nuova era dell'IA, è fondamentale rimanere vigili e partecipi nel plasmare il suo sviluppo. Quali sfide e opportunità ci riserverà l'IA nei prossimi anni? Come possiamo assicurarci che il suo progresso sia allineato con i valori umani e il bene comune? La conversazione è aperta.

FONTI E APPROFONDIMENTI:

• McCarthy, J. et al. (1955). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence.
• Cristianini, N. (2023). La scorciatoia come le macchine sono diventate intelligenti senza pensare in modo umano.