Intelligenza Artificiale e Intelligenza Umana - Parte 2

Una grande differenza tra macchine e umani è che le prime sono il mezzo, i secondi sono il fine. Analizzando questo aspetto con un esempio concreto troveremo alcuni spunti per capire come intelligenza umana e intelligenza artificiale possano collaborare per dare valore aggiunto a lavori in ambito industriale.

L’INTELLIGENZA ARTIFICIALE: UN VALIDO ALLEATO A SERVIZIO DELLA TUA INTELLIGENZA (Parte 2)

Nel precedente articolo è stato presentato il concetto di intelligenza come capacità di cogliere gli aspetti più profondi della realtà. Come esempio è stata fornita una tabella di misurazioni provenienti da un tornio, che un’intelligenza artificiale opportunamente programmata potrebbe leggere e interpretare: 

L’intelligenza artificiale ha però delle differenze dall’intelligenza umana; l’obiettivo dei prossimi articoli è cercare di dare delle indicazioni a riguardo. Si consiglia la lettura dell’articolo precedente prima di proseguire.

La prima differenza tra macchine e umani

La prima differenza tra macchine e umani è lo scopo della loro esistenza: è tanto difficile dare un senso alla vita umana quanto è facile dire il fine per cui sono stati costruiti i calcolatori… fare calcoli!

Quando usiamo un computer tendiamo a dimenticarlo, ma esso non è altro che una grande calcolatrice programmabile, pensata per fare operazioni ripetitive; al contrario, a giudicare dalla brutta fama di cui gode la matematica, sembra che l’uomo non sia di natura un calcolatore, inoltre non è molto interessato a fare operazioni ripetitive perché le reputa noiose.

Perciò i computer sono molto bravi a maneggiare informazioni che vengono loro fornite sempre allo stesso modo mentre gli  esseri umani sono bravi ad adattarsi a svariate situazioni, ad avere cognizione del contesto di un problema.

Gli algoritmi di intelligenza artificiale ad oggi cercano di colmare la differenza simulando comportamenti flessibili, ma per lo meno ad oggi non sono flessibili come la mente umana. Nel nostro esempio immaginiamo di aver addestrato già il computer a capire che questa misurazione indica che il tornio funziona bene:

E diamogli ora questa misurazione:

A meno che il computer non sia stato programmato per gestire il problema probabilmente darà un qualche tipo di errore. Se vi state chiedendo perché, è a causa di quella virgola al posto del punto nella quinta colonna e questo mette in luce il fatto che un umano avrebbe saputo come gestire l’anomalia senza tante lamentele: sostituire il punto con la virgola.

Certamente si potrebbe riprogrammare il computer per renderlo in grado di gestire la situazione, ma potrebbero sempre presentarsi altri casi di questo genere, anche solo per il fatto che i sistemi di raccolta dei dati utilizzati siano eterogenei e scrivano le stesse informazioni in maniera diversa. La macchina non può perciò conoscere a priori tutti i casi possibili e sicuramente non è il computer stesso a prendere l’iniziativa e riprogrammarsi; al contrario gli esseri umani hanno la capacità di autocorreggersi in vista dei loro obiettivi.

Grazie alla cognizione del contesto gli umani possono dare un significato a ciò che sperimentano, mentre le macchine trattano i dati come semplici simboli. Guardate ad esempio questo grafema ˫ : ogni dato per il computer è così, cioè senza significato. Una delle sfide dell’intelligenza artificiale è collegare i vari simboli alla rete di significati che si accendono in una mente umana. Capire il significato poi è indispensabile per poter assegnare un grado di importanza a ciò che si vede e trovare le relazioni che intercorrono tra vari fenomeni.

Queste differenze, nel caso del nostro esempio, si traducono in due grandi ostacoli per la macchina: essa non capisce quale sia il problema che le vorremmo far risolvere e quali sono i dati con cui risolverlo. Cosa vuol dire che il tornio funziona “bene” o “male”? Quali colonne della tabella sono importanti e quali no? Il primo compito della mente umana è quindi capire il significato del problema e creare una serie di istruzioni per la macchina: l’algoritmo.

Creare algoritmi non è semplice perché richiede tanta creatività e anche molta tecnica, perciò è necessaria la collaborazione tra esperti del settore che conoscano sia i problemi che può avere un tornio, sia la programmazione.

Per il nostro esempio potrebbe essere utile un algoritmo di Machine Learning cioè un algoritmo che cerca di simulare l’apprendimento umano se posto davanti a un problema specifico, in particolare un algoritmo di classificazione supervisionato. Ecco alcune macro-fasi di lavoro:

• Per selezionare le informazioni interessanti nella tabella, dobbiamo condurre delle analisi raccogliendo molti dati, chiedendo l’opinione di chi ha a che fare con il tornio tutti i giorni. In questo caso reputiamo interessanti solo le prime due colonne, e sappiamo dire che un tornio funziona bene se produce abbastanza pezzi al minuto sprecando meno potenza possibile.
• Poi dobbiamo ripulire i dati in modo che siano scritti in maniera omogenea. Grazie al lavoro svolto possiamo passare al nostro algoritmo una tabella più semplice, dalla quale lui possa imparare a distinguere autonomamente se il tornio lavori correttamente:

• Solo a questo punto viene a galla la vera potenza del calcolatore: esso può trovare lo schema sottostante questa serie di dati. Proviamo ad usare un grafico per visualizzare le misurazioni della tabella come punti su un piano: 

I punti rossi sono le misurazioni cattive, quelli verdi le misurazioni buone: vediamo che si dispongono in due gruppi distinti. A questo punto una buona regola che un umano userebbe per decidere se una registrazione è buona o cattiva potrebbe essere disegnare a occhio una retta per separare i due gruppi: tutti i punti sopra la retta sarebbero buoni e quelli sotto cattivi.

Anche la macchina è in grado di farlo tramite un algoritmo denominato “macchina a supporto vettoriale”. Una volta individuata la retta, la macchina è in grado di classificare le future misurazioni proprio come farebbe un umano, cioè in base a che posizione avranno rispetto alla retta stessa.

La cosa interessante è che l’algoritmo utilizzato non richiede di dire a priori che retta si vuole ottenere, è invece il computer che sceglie la retta migliore¹, proprio come cercherebbe di fare un umano, ma utilizzando la precisione perfetta del calcolo al posto dell’intuizione dell’occhio! Inoltre, il computer può usare la stessa tecnica per separare con un piano anche i punti disposti nello spazio, oppure se considerassimo più di tre caratteristiche contemporaneamente esse dovrebbero essere rappresentate in iperspazi a più di 3 dimensioni; in questo caso la mente umana fallirebbe perché non è possibile immaginare visivamente i punti!

Questo esempio ci fa intravedere un’altra possibilità: provando più di un algoritmo di intelligenza artificiale potremmo scoprire degli schemi che alla nostra intelligenza sono nascosti o per limiti fisici o perché a volte troppe conoscenze nel nostro campo ci condizionano.

Nel prossimo articolo analizzeremo la differenza strutturale tra macchine e umani per capire meglio come algoritmi di intelligenza artificiale e mente siano influenzati dai dati che ricevono.

¹Retta migliore in questo caso significa “la retta la cui distanza dai punti più prossimi è maggiore”. È chiaro che la retta disegnata a occhio da un umano nella maggior parte dei casi non sarebbe la retta migliore, che invece anche l’umano dovrebbe calcolare con grande dispendio di tempo.

Vai alla terza parte dell'articolo >>