Intelligenza artificiale simbolica: la chiave della macchina pensante
Anche se molte aziende stanno appena iniziando a immergersi nel pool di intelligenza artificiale con modelli rudimentali di machine learning (ML) e deep learning (DL), dal laboratorio sta emergendo una nuova forma della tecnologia nota come IA simbolica che ha il potenziale per capovolgere sia il modo in cui funziona l’IA sia il modo in cui si relaziona ai suoi supervisori umani.
I sostenitori dell’IA simbolica affermano che segue più da vicino la logica dell’intelligenza biologica perché analizza i simboli, non solo i dati, per arrivare a conclusioni più intuitive e basate sulla conoscenza. È più comunemente usato nei modelli linguistici come l’elaborazione del linguaggio naturale (NLP) e la comprensione del linguaggio naturale (NLU), ma sta rapidamente trovando la sua strada nel ML e in altri tipi di intelligenza artificiale dove può portare la visibilità tanto necessaria nei processi algoritmici .
Ciò che è vecchio è nuovo
La tecnologia in realtà risale agli anni ’50, dice Luca Scagliarini di expert.ai , ma era considerata antiquata negli anni ’90, quando la richiesta di conoscenza procedurale dei processi sensoriali e motori era di gran moda. Ora che l’IA ha il compito di sistemi di ordine superiore e gestione dei dati, la capacità di impegnarsi nel pensiero logico e nella rappresentazione della conoscenza è di nuovo interessante.
Una delle chiavi del successo simbolico dell’IA è il modo in cui funziona all’interno di un ambiente basato su regole. I tipici modelli di IA tendono a deviare dal loro intento originale poiché i nuovi dati influenzano i cambiamenti nell’algoritmo. Scagliarini afferma che le regole dell’IA simbolica resistono alla deriva, quindi i modelli possono essere creati molto più velocemente e con molti meno dati per cominciare, e quindi richiedono meno riqualificazione una volta entrati negli ambienti di produzione.
Poiché sono vincolati da regole, tuttavia, gli algoritmi simbolici non possono migliorarsi nel tempo, il che è, dopo tutto, una delle proposte di valore chiave che l’IA porta in tavola, afferma Jans Aasman , CEO del fornitore di soluzioni per grafici della conoscenza Franz Inc. Questo ecco perché l’IA simbolica viene integrata in ML, DL e altre forme di IA senza regole per creare ambienti ibridi che forniscono il meglio di entrambi i mondi: intelligenza artificiale completa con cervelli basati sulla logica che migliorano con ogni applicazione.
Ciò, a sua volta, consente all’IA di essere addestrata utilizzando più tecniche, tra cui l’inferenza semantica e l’apprendimento sia supervisionato che non supervisionato, che alla fine creeranno sistemi di intelligenza artificiale in grado di ragionare, apprendere e impegnarsi in interazioni di domande e risposte in linguaggio naturale con gli esseri umani. Questa tecnologia sta già trovando la sua strada in compiti così complessi come l’analisi delle frodi, l’ottimizzazione della catena di approvvigionamento e la ricerca sociologica.
Risolutore di problemi
Questo crea un punto di svolta cruciale per l’azienda, afferma Jelani Harper di Analytics Week . Gli sviluppatori di data fabric come Stardog stanno lavorando per combinare l’IA logica e statistica per analizzare i dati categoriali; ovvero, i dati che sono stati classificati in ordine di importanza per l’impresa. L’IA simbolica svolge il ruolo cruciale di interpretare le regole che governano questi dati e determinarne l’accuratezza. In definitiva, ciò consentirà alle organizzazioni di applicare molteplici forme di intelligenza artificiale per risolvere praticamente tutte le situazioni che si trovano ad affrontare nel regno digitale, utilizzando essenzialmente un’intelligenza artificiale per superare le carenze di un’altra.
Per le organizzazioni in attesa del giorno in cui potranno interagire con l’IA proprio come una persona, l’IA simbolica è il modo in cui accadrà, afferma la giornalista tecnologica Surya Maddula . Dopotutto, noi umani abbiamo sviluppato la ragione imparando prima le regole di come le cose si relazionano, quindi applicandole ad altre situazioni, più o meno nel modo in cui viene addestrata l’IA simbolica. L’integrazione di questa forma di ragionamento cognitivo all’interno di reti neurali profonde crea ciò che i ricercatori chiamano IA neuro-simbolica, che imparerà e maturerà utilizzando lo stesso framework orientato alle regole di base che facciamo noi.
Anche se questo può essere snervante per alcuni, va ricordato che l’IA simbolica funziona ancora solo con i numeri, solo in un modo diverso. Creando una macchina pensante più simile a quella umana, le organizzazioni saranno in grado di democratizzare la tecnologia attraverso la forza lavoro in modo che possa essere applicata alle situazioni del mondo reale che affrontiamo ogni giorno.
Di certo non riuscirà a risolvere tutti i nostri problemi, ma ci solleverà da quelli più fastidiosi.
