Storia dell’intelligenza artificiale: i sistemi esperti e gli inverni dell’AI

sistemi-esperti-intelligenza-artificiale

Dopo aver delineato i primi passi mossi dall’AI nell’articolo Da Alan Turing a John McCarthy siamo passati ai due decenni successivi in Storia dell’intelligenza artificiale: il machine learning e i sistemi esperti per comprendere l’evoluzione tecnologica che ne è conseguita.

Ora affrontiamo gli anni ‘80 e scopriamo le novità di questo decennio.

Anni ‘60 e ‘70: dove eravamo rimasti

Nel corso della storia dell'intelligenza artificiale, gli anni ‘60 si distinguono per gli studi legati al machine learning. Sebbene fosse già stato inventato nel 1943, trova terreno fertile solo negli anni successivi in quanto, all’epoca, i computer programmabili erano ancora sconosciuti e non si pensò ad utilizzare le scoperte realizzate in ambito scientifico in tal senso.

Bisogna aspettare infatti Perceptron, un dispositivo elettronico creato dallo psicologo Frank Rosenblatt in grado di mostrare capacità di apprendimento, che negli anni ‘60 fa da apripista alle nuove innovazioni legate al machine learning.

Con gli anni ‘70, invece, arrivano i sistemi esperti, ovvero programmi (intelligenti) capaci di fornire una soluzione a problemi complessi rientranti in un ambito o dominio specifico senza che sia necessario l’intervento di un esperto “umano”. 

Ma in questo decennio si assiste solamente ad una prima generazione di sistemi esperti, legati alla logica booleana e al ragionamento logico in condizioni di certezza tramite un modello deterministico, che subiranno evoluzioni negli anni successivi.

I sistemi esperti di seconda generazione

Sul finire degli anni ‘70 si assiste ad un aumento esponenziale dell’utilizzo di mini computer che, essendo più piccoli ed economici, vengono acquistati in massa, specialmente dalle aziende.

Conseguentemente, anche la quantità di documentazione prodotta inizia a crescere, necessitando così di strumenti per poterla organizzare e consultare rapidamente.

È in questo clima che i sistemi esperti (expert systems) hanno acquisito un ruolo importante in quanto si distinguono notevolmente dal metodo procedurale di programmazione (molto diffuso all’epoca) per il loro utilizzo di “una naturale applicazione del concetto dei sistemi simbolici” (Kaplan, 2017).

Jerry Kaplan, nel libro “Intelligenza artificiale. Guida al futuro prossimo” spiega così il funzionamento del sistema esperto rispetto a quello di programmazione: “L’approccio comune alla programmazione richiedeva che lo stesso programmatore fosse un esperto dell’ambito di competenza del programma, e che fosse sempre prontamente disponibile per effettuare le modifiche […]. Al contrario, il concetto dietro ai sistemi esperti era rappresentare esplicitamente la conoscenza dell’ambito, rendendola disponibile per analisi e modifiche”.

Questo comporta due conseguenze importanti:

  • i sistemi esperti sono “più tolleranti agli errori, ossia essi tendevano a ‘perdonare’ più facilmente gli errori di programmazione”;

  • la struttura creata permette di creare una cornice “entro la quale il programma poteva ‘spiegare’ il modo in cui ragionava”.

Come abbiamo già detto, quelli degli anni ‘80 sono sistemi esperti di seconda generazione in quanto hanno introdotto il modello probabilistico che, a differenza di quello deterministico, ragiona su “causa-possibili effetti”. 

Anche questo modello, come quello degli anni ‘70, presenta però dei limiti, come il fatto che non sempre la risposta più probabile può essere quella più utile.

Back-propagation: l’algoritmo di apprendimento per reti neurali

 

sistemi-esperti-reti-neurali

 

Nella seconda metà degli anni ‘80 viene reinventato l’algoritmo di back-propagation, inizialmente ideato da Bryson e Ho nel 1969 e relativo all’apprendimento per le reti neurali.

Questo ha permesso di creare un’alternativa ai modelli simbolici (utilizzati da McCarthy e tanti altri) attraverso i modelli connessionisti, che si pongono l’obiettivo di spiegare il funzionamento della mente ricorrendo all’utilizzo di reti neurali artificiali.

Per quanto inizialmente fossero visti come innovativi, presto si constatò che anch’essi non erano in grado di creare un vero e proprio progresso scientifico rispetto agli altri, motivo per il quale, più che modelli alternativi, vennero poi definiti come complementari.

Gli inverni dell’AI

Nell’ articolo sugli anni ‘50 abbiamo scoperto che il termine AI Intelligenza artificiale è stato inventato da John McCarthy a Dartmouth nel 1956.

Quasi trent’anni dopo assistiamo all’ideazione di una nuova espressione legata all’argomento: “AI winter” ovvero “inverni dell’AI” utilizzata per la prima volta nel 1984 durante una riunione dell’American Association of Artificial Intelligence.

Gli inverni dell’AI, come dice il nome, sono periodi freddi, di congelamento, in cui l'intelligenza artificiale assiste ad un calo di finanziamenti e di ricerche nel settore.

Uno dei primi è stato a metà degli anni ‘60 quando gli Stati Uniti bloccarono gli investimenti destinati alle intelligenze artificiali a seguito di un periodo di sfiducia per questo tipo di innovazione.

Nel 1987 si assiste ad un altro inverno quando la DARPA, agenzia governativa del Dipartimento della Difesa degli Stati Uniti, nonché uno dei maggiori finanziatori della ricerca sull’intelligenza artificiale che solo nel 1985 aveva speso 100 milioni di dollari per ricerche nel settore, decide di interrompere gli investimenti scegliendo di concentrarsi solo sulle tecnologie che ritenevano più promettenti.

Ma fortunatamente gli inverni sono ciclici, e pertanto, ad un periodo di congelamento, ne succederà uno molto ricco di investimenti ed innovazioni tecnologiche, come saranno gli anni ‘90, in cui aumenteranno i punti in comune tra mondo reale e mondo artificiale e il dibattito tra intelligenza artificiale e intelligenza umana arriverà ad un punto di svolta.

Cosa possiamo dire dell'Intelligenza Artificiale oggi? Sebbene sia innegabile che ci siano stati progressi significativi negli algoritmi e nelle infrastrutture, alcuni sostengono che potremmo essere sull'orlo di un altro inverno di intelligenza artificiale. 

Fonti: Jerry Kaplan, Intelligenza artificiale. Guida al futuro prossimo, 2017

 

Ti sei perso gli articoli precedenti?

Anni ‘50: Storia dell’intelligenza artificiale: da Alan Turing a John McCarthy

Anni ‘60 e ‘70: Storia dell’intelligenza artificiale: il machine learning e i sistemi esperti

 

Vuoi saperne di più su Pigro? Contattaci!



 

L_Bacchini

Related posts

Search Come migliorare la produttività dei tuoi reparti Sales e Marketing con il Customer Knowledge Management
Rendi più efficiente il tuo Customer Service Help Desk con il Knowledge Management Search