<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=747520772257475&amp;ev=PageView&amp;noscript=1">

Storia dell’intelligenza artificiale: il machine learning e i sistemi esperti

Prosegue il viaggio di Pigro nella storia dell’intelligenza artificiale con gli anni ’60 e ’70 che vedono come protagonisti i sistemi esperti e il machine learning

Dopo aver parlato degli anni ’50 e dell’inizio di quella che possiamo definire la storia dell’intelligenza artificiale, ora analizziamo i due decenni successivi, gli anni ’60 e ’70, per scoprire tutti i segreti dell’AI, dalle origini fino ad oggi.

Anni 50: dove eravamo rimasti

Nell’articolo Storia dell’intelligenza artificiale: da Alan Turing a John McCarthy abbiamo delineato i primi passi mossi dall’AI, partendo dall’origine dell’espressione “intelligenza artificiale”.

Il primo ad utilizzarla fu l’assistente universitario di matematica John McCarthy nel 1956, in occasione di un convegno che si sarebbe tenuto a Dartmouth in quell’anno e per il quale era necessario trovare una terminologia specifica per differenziare questo campo di ricerca dalla già nota cibernetica.

Così, nel documento con le proposte per la conferenza, compare per la prima volta l’espressione “intelligenza artificiale”, che da quel momento in poi avrebbe etichettato questa complessa area di ricerca.

Oltre a John McCarthy, sono due le figure che si sono distinte in questo decennio per aver portato novità e innovazione all’AI: Alan Turing e Arthur Samuel.

Alan Turing è noto per aver ideato un test che si poneva l’obiettivo di paragonare l’intelligenza artificiale a quella umana, conosciuto appunto come “Test di Turing” o “Imitation game”.

Arthur Samuel, informatico statunitense, sull’onda del forte entusiasmo per l’evoluzione tecnologica generata dalla conferenza di Dartmouth, nel 1959, invece,  realizzò il suo “giocatore di dama”, un programma ideato affinché si auto-migliorasse fino a superare le abilità del creatore.

Inventò, inoltre, il termine “machine learning” per dare un nome alle sue innovazioni tecnologiche nel campo dell’apprendimento automatico.

Gli anni 50, densi di cambiamenti e novità, si concludono con il riconoscimento dell’artificial intelligence come campo di ricerca indipendente, dando vita così a una nuova definizione di tecnologia e ponendo le basi per le numerose evoluzioni che seguiranno nei decenni successivi.

La storia dell’AI: le premesse

Già Arthur Samuel, a fine anni ’50, con l’invenzione del termine “machine learning” aveva identificato due approcci distinti: quello della rete neurale e quello specifico.

Il primo, l’approccio della rete neurale, approda allo sviluppo di macchine ad apprendimento automatico per impiego generale attraverso una rete di commutazione connessa casualmente, a seguito di una routine di apprendimento basata su ricompensa e punizione (apprendimento per rinforzo).

Approccio specifico, invece, come dice il nome, approda allo sviluppo di macchine ad apprendimento automatico solo per attività specifiche. Una procedura che, solo attraverso la supervisione e la riprogrammazione, raggiunge la massima efficienza dal punto di vista computazionale.

Ma cosa sono le reti neurali? Nel libro Intelligenza artificiale. Guida al futuro prossimo Jerry Kaplan le definisce “specchi della loro stessa esperienza. In questo senso, esse non ‘imparano a fare qualcosa’ nel senso comunemente espresso da questa frase […]. Piuttosto, esse assomigliano a imitatori incredibilmente talentuosi, capaci di trovare le correlazioni e a rispondere ai nuovi input come se dicessero ‘questo mi ricorda di…’ e, nel fare ciò, di imitare le migliori strategie ‘distillandole’ da un gran numero di esempi”.

Spiega, inoltre, come sia paradossale che l’uomo conosca ogni dettaglio del cervello mentre abbia molte meno informazioni relative alla struttura: “in altre parole, sappiamo poco di come il cervello è cablato (metaforicamente parlando), ed è precisamente questa l’area di interesse dei ricercatori di AI che cercano di costruire reti neurali”.

 

 

Anni ’60: il machine learning

L’invenzione del machine learning risale al 1943, quando Warren McCullock e Walter Pitts si accorsero che il cervello “nonostante fosse una massa morbida, umida e gelatinosa, le segnalazioni in esso sono digitali e, per la precisione, binarie” (Kaplan, 2017).

Tuttavia, al momento della scoperta, i computer programmabili erano ancora sconosciuti, perciò i due studiosi non pensarono di utilizzarlo in tal senso.

In seguito, a raccogliere la loro eredità e proseguire il percorso, fu lo psicologo Frank Rosenblatt con Perceptron, un dispositivo elettronico in grado di mostrare capacità di apprendimento.

Dopo un primo periodo di entusiasmo, però, queste ricerche subirono un’interruzione, riacquistando nuovamente rilevanza solo negli anni ‘80, quando vennero sviluppate le prime reti neurali non lineari.

Ma l'AI machine learning cos'è? Il machine learning (o learning machine) è quel processo attraverso cui i computer sviluppano la capacità di apprendere continuamente dagli input che gli vengono forniti (attraverso il riconoscimento di modelli di machine learning) e ad effettuare previsioni in base ad essi, senza essere programmati specificatamente per farlo.

Rientra nell'area dell'intelligenza artificiale in quanto automatizza in modo efficiente il processo di costruzione di modelli analitici e consente alle macchine di adattarsi a nuovi scenari in modo autonomo, attraverso l'utilizzo di algoritmi di machine learning (machine learning algorithms).

Anni ’70: i sistemi esperti

Tra la fine degli anni ’60 e l’inizio degli anni ’70 nel mondo dell’AI intelligenza artificiale arrivarono i sistemi esperti (expert system) in grado di riprodurre artificialmente le prestazioni di una persona esperta di un determinato dominio di conoscenza o campo di attività.

Un sistema esperto, infatti, può aiutare le persone a trovare la soluzione ottimale ad un problema specifico senza dover far intervenire una persona esperta sul tema oggetto del problema.

Ma come funzionano i sistemi esperti? Sono strutturati su tre differenti livelli tecnologici:

  1. base di conoscenza (knowledge base): comprende tutte le informazioni che il sistema utilizza per fornire una risposta ad un problema. Si tratta della repository in cui le informazioni vengono memorizzate e che permettono al sistema di funzionare;

  2. motore inferenziale: oltre alle informazioni generali, all’interno della knowledge base si trovano anche quelle relative al funzionamento di essa, ovvero quelle che al verificarsi di una determinata situazione, indicano come sarà seguita una specifica regola. Questa è di fatto la componente software che, analizzando ed elaborando le informazioni contenute nella base di conoscenza, capisce il problema e propone una soluzione;

  3.  interfaccia utente: è grazie all’interfaccia che l’utente può accedere e sfruttare il motore inferenziale. Per questo l’utente può inserire una domanda e riceve di conseguenza una risposta relativa alle informazioni inserite nel sistema.

I limiti degli anni ’70

Abbiamo visto come tra la fine degli anni ’60 e ’70 si sia assistito alla nascita dei sistemi esperti, che, però, rappresentano solo una prima generazione a cui ne seguiranno altre nei decenni successivi.

Questi infatti sfruttavano la logica booleana (vero/falso) e il ragionamento logico in condizioni di certezza tramite un modello deterministico (causa-effetto) che però si rivelarono presto insufficienti, specialmente in quanto l’umano riusciva a prevalere su di essi.

Le premesse per gli anni ’80 sono state poste e si rivelerà un decennio ricco di innovazioni.

Ma siamo ancora agli inizi della complessa storia dell’intelligenza artificiale che ci porterà a conoscere tutte le principali scoperte che hanno portato l’AI ad esse quella che conosciamo oggi.

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

 

Vuoi sapere cosa succede negli anni '80? Clicca qui per leggerlo.

Se ti sei perso l'inizio della storia dell'intelligenza artificiale: Gli anni '50: da Alan Turing a John McCarthy

 

 

Vuoi saperne di più su Pigro? Contattaci!