L’importanza della diversità è stata oggetto di dibattiti in vari ambiti, dalla biologia alla sociologia. Tuttavia, una recente ricerca condotta dal Nonlinear Artificial Intelligence Laboratory (NAIL) presso la North Carolina State University, apre una prospettiva affascinante su questo tema: la diversità all’interno delle reti neurali nell’intelligenza artificiale (IA).
Il professor William Ditto, esperto di fisica presso la NC State e direttore del NAIL, insieme al suo team, ha sviluppato un sistema di intelligenza artificiale capace di “introspezione” e di regolare la sua stessa rete neurale. Questo processo consente all’IA di determinare il numero, la forma e l’intensità delle connessioni tra i suoi neuroni, aprendo la possibilità di sottoreti con diverse configurazioni e forze neuronali.
“Abbiamo creato un sistema di test utilizzando un’intelligenza non umana, cioè un’intelligenza artificiale, per esaminare se preferisce la diversità piuttosto che l’omogeneità e se questa scelta migliora le sue prestazioni”, spiega Ditto. “La chiave è stata dare all’IA la capacità di auto-analisi e di apprendere dal proprio funzionamento”.
A differenza dell’intelligenza artificiale convenzionale che utilizza neuroni statici e identici, l’IA di Ditto possiede una sorta di “regolatore del proprio cervello”, che le consente di impegnarsi nel meta-apprendimento, un processo che incrementa la sua capacità di apprendimento e di risoluzione dei problemi. “La nostra intelligenza artificiale può anche scegliere tra neuroni diversi o omogenei”, continua Ditto, “e abbiamo scoperto che in entrambi i casi, l’IA sceglie la diversità come modo per rafforzare le sue prestazioni”.
Il team di ricerca ha valutato le prestazioni dell’IA attraverso un esperimento di classificazione numerica standard, ottenendo risultati notevoli. Le IA convenzionali, con le loro reti neurali statiche e omogenee, hanno raggiunto un tasso di precisione del 57%. Al contrario, l’IA basata sulla diversità e sul meta-apprendimento ha sorprendentemente raggiunto un’accuratezza del 70%.
Secondo Ditto, l’IA che abbraccia la diversità dimostra una precisione fino a 10 volte superiore nell’affrontare compiti più complessi, come la previsione dell’oscillazione di un pendolo o il movimento delle galassie. “In effetti, abbiamo notato che all’aumentare della complessità e del caos dei problemi, le prestazioni migliorano in modo ancora più marcato rispetto a un’intelligenza artificiale che non incorpora la diversità”, spiega.
I risultati di questa ricerca hanno ampie implicazioni per lo sviluppo delle tecnologie di intelligenza artificiale. Indicano la necessità di passare dai modelli di reti neurali attualmente predominanti, basati su approcci “one-size-fits-all”, a modelli dinamici e auto-regolanti.
“Dimostrare che se si concede all’IA la capacità di auto-analisi e di apprendimento interno, essa modifica la sua struttura interna – ovvero la configurazione dei suoi neuroni artificiali – per abbracciare la diversità e migliorare la sua capacità di apprendere e risolvere problemi in modo efficiente e accurato”, conclude Ditto. Questo concetto potrebbe rivelarsi particolarmente rilevante nelle applicazioni che richiedono elevate capacità di adattamento e apprendimento, come veicoli autonomi o diagnostica medica.
Questa ricerca non solo mette in luce il valore intrinseco della diversità, ma apre anche nuove prospettive per la ricerca e lo sviluppo dell’IA, sottolineando l’importanza di architetture neurali dinamiche e adattabili. Con il continuo supporto dell’Ufficio di Ricerca Navale e di altri collaboratori, la prossima fase della ricerca è attesa con grande interesse.
Attraverso l’incorporazione dei principi della diversità all’interno, i sistemi di intelligenza artificiale possono ottenere notevoli miglioramenti in termini di prestazioni e capacità di risoluzione dei problemi, potenzialmente rivoluzionando il nostro approccio all’apprendimento automatico e allo sviluppo dell’intelligenza artificiale.