NONOSTANTE L’INTELLIGENZA ARTIFICIALE, LA VERA INTELLIGENZA GENERALE È ANCORA FUORI PORTATA
L’Intelligenza Artificiale (AI) ha lasciato i confini della fantascienza per modellare i contorni della nostra vita. Mentre Cortana, Siri, Alexa e altri “assistenti intelligenti” ci aiutano a svolgere tutti i tipi di compiti, le startup tecnologiche lanciano instancabilmente altri prodotti guidati dall’IA per affrontare una crescente lista di preoccupazioni umane – dalla finanza personale (robo advisors) al servizio clienti (chatbots) ) al romanticismo (incontri con i robot) e alla salute (robot medici). Data la diffusione dell’influenza dell’intelligenza artificiale, Eric Schmidt di Alphabet ha recentemente osservato che stiamo inesorabilmente andando verso “L’età dell’intelligenza”.
Ma abbiamo davvero impregnato le macchine di intelligenza?
La risposta dipende da come si definisce l’intelligenza artificiale. Il termine “AI” è ampiamente utilizzato e abusato per descrivere tutti i livelli di automazione, persino lo scripting basato su regole. Gli esperti di IA mantengono una barra molto più alta, impostando “intelligenza artificiale generale (AGI)” e le varianti più stridenti del Test di Turing come il Santo Graal del campo. Rendendo le cose più oscure, ci sono altri termini da considerare: IA forte, IA debole, apprendimento automatico, apprendimento profondo – cosa significano tutti?
LA DIFFICOLTÀ CON LE DEFINIZIONI
Quasi tutti i sistemi basati su intelligenza artificiale attualmente in funzione possono essere classificati come ” IA debole ” o ” IA stretta “. Nel suo libro The Singularity Is Near, lo scienziato informatico e futurista Ray Kurzweil ha definito l’intelligenza artificiale debole come l’ intelligenza artificiale in una sola area .
Un programma strettamente intelligente potrebbe diventare il campione mondiale di scacchi o il giocatore di punta del pianeta, ma continua a succhiare miseramente altre attività come distinguere e analizzare le immagini. Deep Blue (il primo campione mondiale di scacchi AI nel 1997), Alpha Go (il miglior giocatore Go dal 2016), Alexa, Siri e il chatbot che ha prenotato l’ultima vacanza sono esempi di AI debole. Finora, è il migliore che abbiamo trovato.
D’altra parte, ” AI forte ” ha due definizioni alternative. Il termine fu originariamente coniato dal filosofo John Searle nel suo articolo Mind, Brains and Programs , definendolo come un computer programmato con una mente esattamente nello stesso senso in cui gli esseri umani hanno una mente. Il termine ha origine dalla sua famosa argomentazione della Chinese Room, secondo la quale l’AI forte non può esistere poiché nessun programma può dare a un computer una vera “mente”, indipendentemente dalla sua intelligenza. Searle ha analizzato i problemi come un filosofo, ma pochi ricercatori o informatici dell’IA si preoccupano davvero della distinzione tra un computer con una “mente” umana e un computer con una mente che si comporta indistintamente da quella di un essere umano .
Più recentemente, l’intelligenza artificiale forte è emersa come un contromano per l’IA ristretta, che è guidata in gran parte dall’apprendimento automatico e dall’apprendimento approfondito. L’apprendimento automatico (ML) fa riferimento a applicazioni software in grado di apprendere e fare previsioni dai dati, ma senza essere programmato esplicitamente per farlo. L’apprendimento approfondito, un sottocampo dell’apprendimento automatico, è stato recentemente in grado di ottenere risultati di performance irrisolti utilizzando le architetture matematiche liberamente ispirate a come i neuroni funzionano nel cervello biologico. La maggior parte dei sistemi IA più performanti oggi sono costruiti in deep learning, noti anche come “deep neural network”, algoritmi. Nvidia ha un ottimo post che approfondisce le differenze tra l’apprendimento automatico e l’apprendimento profondo.
Un altro termine spesso usato come sinonimo di intelligenza artificiale forte è l’intelligenza artificiale (AGI). Il luminare e autore di AI Ben Goertzel definisce l’AGI come “un’intelligenza sintetica che ha una portata generale ed è brava a generalizzare attraverso vari obiettivi e contesti.” Il magnate della robotica self-made Peter Voss ritiene che l’AGI sia un programma artificiale capace di “imparare qualsiasi cosa, in linea di principio “, ma chiarisce ulteriormente che l’apprendimento dovrebbe essere” autonomo, diretto verso l’obiettivo e altamente adattivo “. A differenza del Goertzel, Voss decora le emozioni umane e l’empatia sociale come componenti necessarie per l’AGI. Nel frattempo, la professoressa e autrice di Temple University, Pei Wang, la descrive in termini di elementi centrali e ipotesi della ricerca AGI:
Sottolineando la natura generale dell’intelligenza
Prendere un punto di vista olistico o integrativo sull’intelligenza
Credere che sia giunto il momento di costruire un’IA che sia paragonabile all’intelligenza umana.
Mentre gli esperti di intelligenza artificiale non sono d’accordo sui dettagli, la maggior parte sarà probabilmente d’accordo con l’ipotesi di AGI Core di Goertzel:
“La creazione e lo studio di intelligenze sintetiche con una portata sufficientemente ampia (ad es. Livello umano) e una forte capacità di generalizzazione, è in fondo qualitativamente diversa dalla creazione e dallo studio di intelligenze sintetiche con portata significativamente più ristretta e capacità di generalizzazione più debole”.
L’IA ristretta non è AGI – nonostante ciò che gli addetti al marketing ti stanno dicendo.
COS’È L’INTELLIGENZA GENERALE?
La ragione per cui è stato così problematico stabilire una definizione per AGI è principalmente il risultato della difficoltà nel definire l’intelligenza generale stessa. L’intelligenza generale non ha nemmeno bisogno di essere umana e la sua ampiezza potenziale rende difficile definire e ancora più difficile da caratterizzare attraverso test e metriche. In effetti, negli ultimi due decenni sono stati adottati molti approcci, nessuno dei quali ha preso piede come ideale.
In un articolo del 2005, Nils Nilsson propose un approccio pragmatico , in cui qualsiasi intelligenza artificiale in grado di svolgere gli stessi compiti pratici di un essere umano può essere considerata dotata di intelligenza a livello umano. Ciò presuppone che l’intelligenza umana sia l’obiettivo, il che è vero in molti sensi pratici. Un approccio psicologico al GI, oggetto di analisi sin dagli inizi del 20 ° secolo, si basa anche su una linea di base umana, ma i tentativi di isolare le caratteristiche sottostanti più profonde che consentono risultati pragmatici. Questo approccio è esemplificato dalla teoria di Gardner delle intelligenze multiple e dal lavoro più recente che descrive le competenze cognitive umane .
L’ approccio adattistico afferma che una maggiore intelligenza generale è dimostrata da una maggiore capacità di adattamento ai nuovi ambienti, in particolare con risorse insufficienti. Questo approccio solleva un nuovo dibattito sul fatto che l’intelligenza di un sistema sia nella sua capacità di ottenere risultati o di utilizzare la produzione minima per farlo. Allo stesso modo, l’ approccio dell’incarnazione sostiene che l’intelligenza è meglio compresa concentrandosi sulla modulazione dell’interazione corpo-ambiente. Un sistema intelligente opera all’interno delle regole del proprio ambiente per produrre un comportamento ottimale.
Approcci più esoterici includono l’ approccio dell’architettura cognitiva che sviluppa i requisiti per l’intelligenza a livello umano dal punto di vista delle funzioni cognitive come la rappresentazione di conoscenze e abilità, ragionamento e pianificazione, percezione e azione, ecc. Infine abbiamo l’ approccio matematico che tenta di definire l’intelligenza basato sulla capacità di ottenere un premio da un sistema. In questo approccio altamente generalizzato, gli esseri umani non sono considerati un punto di riferimento e sono davvero lontani dall’essere massimamente intelligenti.
COME POSSIAMO TESTARE PER AGI?
Data la difficoltà nel raggiungere una definizione universale per l’AGI, non sorprende che lo sviluppo di un singolo test o di una metrica per la sua presenza sia altrettanto controverso. Ulteriori complicazioni sono l’importanza dell’ambiente esterno nell’analisi del comportamento di una IA.
Numerosi test sono stati proposti a partire dal test di Turing presentato da Alan Turing nel 1950. In questo test, una macchina passa se è in grado di imitare con successo la conversazione umana e ingannare un valutatore. Una versione simile, il Virtual Turing Test riproduce lo stesso scenario attraverso gli avatar in un mondo virtuale. Un test di compressione del testo sfida un’IA a comprimere un testo riconoscendo e comprendendo i modelli contenuti all’interno.
Ci sono anche vari test che sfidano un’IA o un robot per raggiungere obiettivi educativi umani: laureato in un’università online, laureato in un’università fisica o vincitore di un premio Nobel. Alcuni di questi chiaramente superano l’intelligenza a livello umano in quanto pochi sono i vincitori del premio Nobel. Prove pratiche sono state avanzate da coloro che sostengono un approccio pragmatico all’AGI. The Coffee Test, proposto dal co-fondatore di Apple Steve Wozniak, chiede se un’intelligenza artificiale può entrare in una casa americana media e preparare una tazza di caffè. Allo stesso modo, l’Employment Test sfida un’IA a tenere un lavoro umano.
Mentre è difficile stabilire un test per l’AGI, stabilire un parametro per il progresso parziale verso l’AGI è esponenzialmente di più. Sono stati proposti test pratici, come mettere un’IA alla scuola elementare o usare il test del caffè, ma questi possono essere facilmente giocati da sistemi progettati pensando al test. Alcuni ricercatori suggeriscono che è fondamentalmente impossibile quantificare i progressi verso l’AGI a causa del principio della “sinergia cognitiva” . Un’IA completamente funzionale può raggiungere il 100% in un test, mentre un’IA funzionale al 90% può ottenere solo il 50% dello stesso test.
Nel complesso, il raggiungimento di AGI è un’impresa straordinaria e ben lontana dall’IA, attualmente propagandata da start-up e marketer. Sviluppare una vera intelligenza artificiale, e affermarla come tale, è una sfida continua che continua ad essere ostacolata dalle difficoltà che escogitano definizioni, metriche e test. Tuttavia, il suo inevitabile arrivo promette di annunciare una nuova era nelle interazioni uomo-macchina e forse di forzare una ridefinizione dell’intelligenza stessa.