http://www.lescienze.it Le Scienze 37
Illustrazione di Gabriel Silveira
Immaginazione Artificiale
INFORMATICA
Come le macchine potrebbero imparare la creatività,
il buon senso e altre qualità umane
di George Musser
Diversi metodi emergenti danno
a sistemi di intelligenza artificiale,
come le reti neurali, caratteristiche
un tempo considerate unicamente
umane.
Il meta-apprendimento prepara
una rete ad adattarsi rapidamente,
in modo da poter imparare nuovi
compiti senza aver bisogno di una
montagna di dati.
Le cosiddette reti antagoniste
generative offrono una specie di
fantasia, permettendo alle macchine
di riprodurre le caratteristiche
statistiche degli insiemi di dati.
Il disentanglement permette alle
reti neurali di diventare sensibili
alla struttura di fondo dei dati e
quindi ne rende più comprensibili i
meccanismi interni in termini umani.
IN BREVE
S
e vi prende un attacco di cinismo a proposito de-
gli esseri umani, un buon antidoto è parlare con
i ricercatori che si occupano di intelligenza arti-
ficiale (IA). Potreste aspettarvi toni trionfalistici,
adesso che i sistemi di IA hanno raggiunto o su-
perato gli esseri umani nel riconoscere volti, tra-
durre lingue, vincere a giochi da tavola e video-
giochi o ricordarsi di mettere la freccia. Invece parlano sempre di
quanto sia meraviglioso il cervello umano, di quanto sia adattabi-
le, efficiente, dotato di facoltà infinite. Le macchine ancora non
hanno queste qualità. Sono inflessibili, opache e lente ad appren-
dere, dunque hanno bisogno di un lungo addestramento. Anche i
successi tanto sbandierati sono molto limitati.
Molti ricercatori si sono dedicati all’IA perché vogliono capi-
re, riprodurre e infine sorpassare l’intelligenza umana, ma persi-
no quelli con interessi più pratici ritengono che i sistemi artificia-
li dovrebbero essere più simili a noi. Per esempio, una piattaforma
di social media che addestra un sistema di riconoscimento delle
immagini non avrà problemi a trovare foto di gatti o di personag-
gi famosi, ma altre categorie di dati sono più difficili da ottenere, e
le macchine, se fossero più argute, potrebbero risolvere una mag-
gior varietà di problemi. I dati sono particolarmente limitati per
il mondo fisico. Se un robot deve imparare a manipolare cubi su
un tavolo, non è realistico pensare di mostrargli ogni disposizione
che potrebbe trovare; come un essere umano, dovrà apprendere
alcune capacità generali, anziché imparare a memoria.
Mentre imparano a funzionare con meno input, le macchine
devono anche produrre più risultati. Non basta la risposta, le per-
sone vogliono conoscere anche il ragionamento che c’è dietro, so-
prattutto quando gli algoritmi decidono su prestiti e pene di re-
clusione. I burocrati umani possono essere interrogati riguardo
ai loro pregiudizi e conflitti di interesse, ma buona fortuna a chi
cerca di farlo con i sistemi attuali di IA. Nel 2018 l’Unione Euro-
pea ha dato ai cittadini un diritto limitato a ricevere una spiegazio-
