Tipologie di Intelligenza Artificiale

In questo capitolo della serie, iniziamo finalmente ad addentrarci nel mondo dell’Intelligenza Artificiale.

In particolare, in questo primo post sull’argomento, in particolare, inizieremo a fare una panoramica generica e getteremo un po’ di basi che ci saranno in seguito utili per i capitoli successivi.

Per dirla alla Wikipedia, definiamo l’Intelligenza Artificiale come quella disciplina che studia i fondamenti teorici, le metodologie e le tecniche che consentono la progettazione di sistemi hardware e software, capaci di fornire all'elaboratore elettronico prestazioni che a un osservatore comune, sembrerebbero essere di pertinenza esclusiva dell’intelligenza umana.

Per estendere un po’ questa descrizione, possiamo suddividere il concetto di Intelligenza Artificiale in tre diverse categorie logiche che la suddividono non solo in base a quello che già oggi abbiamo a disposizione, ma anche sulla base di ciò che a tendere, saremo in grado di progettare.

Vediamole più nel dettaglio.

ANI: Artificial Narrow Intelligence

Questo tipo di Intelligenza Artificiale si focalizza sul raggiungimento di obiettivi esatti, chiari e specifici. 

Come ad esempio la traduzione di testi, il consiglio di acquisti online sulla base delle preferenze, la classificazione di oggetti all’interno di immagini (questione che approfondiremo meglio nei prossimi capitoli) e così via.

Si tratta in pratica di sistemi molto specifici, progettati per uno scopo ben preciso, creati per fare molto bene quello che devono fare ma che non sono fisicamente in grado di andare oltre.

Questa ristrettezza che caratterizza l’Artificial Narrow Intelligence è anche data dai dati stessi a cui questi sistemi sono in grado di accedere. Proprio per lo scopo per cui questi sistemi sono pensati, i dati a cui possono accedere sono set di dati relativamente piccoli o, comunque, ben definiti intorno al problema esatto che devono risolvere.

Oltre quei dati non hanno visione o consapevolezza (nei prossimi post della serie, entreremo più nel dettaglio in questo discorso)

Questa definizione però non deve trarre in inganno, sia chiaro. Non stiamo parlando di sistemi poco utili perché ristretti (narrow significa proprio ristretto in italiano).

Stiamo parlando di sistemi specifici ben definiti e altamente specializzati nello svolgimento del lavoro per cui sono stati progettati, in grado sia di elaborare dati, sia di completare le attività richieste in un tempo estremamente minore di quello che potrebbe fare un essere umano.

Tutto questo ci permette già oggi di avere sistemi di questo tipo che, ad esempio, permettono alle catene produttive di grandi aziende di aumentare la produttività diminuendo i costi e la percentuale di errore e stanno prendendo sempre più piedi in settori più creativi (come la scrittura di testi di senso compiuto o la creazione i opere visive, tra cui immagini e video) in cui, fino a poco tempo fa, i più pensavano che le Intelligenze Artificiali non sarebbero stato in grado di arrivare.

Inoltre molti di questi sistemi aiutano già i medici a prendere le decisioni più corrette sulla base dei dati specifici estratti dalle analisi dei pazienti.

AGI: Artificial General Intelligence

Il concetto di Artificial General Intelligence fa un po’ riferimento a quello che tutti noi immaginiamo quando parliamo di Intelligenza Artificiale.

R2-D2 o C-3PO (i droidi di Star Wars) sono due potenziali esempi della categoria AGI.

In questo contesto, parliamo quindi di macchine in grado di comprendere (e tendenzialmente gestire) una qualunque richiesta nel senso più generale, proprio come farebbe un essere umano.

In pratica quando parliamo di Artificial General Intelligence ci riferiamo a sistemi che sono in grado di completare qualunque richiesta, esattamente come farebbe un essere umano.

ASI: Artificial Super Intelligence

Possiamo definire la Artificial Super Intelligence, utilizzando le parole di Nick Bostrom, filosofo dell’Università di Oxford, ovvero come qualsiasi intelletto che supera di gran lunga le prestazioni cognitive degli esseri umani praticamente in tutti i domini di interesse.

E qui cercando un po’ in giro, le cose si mescolano tra realtà, fantascienza, possibili futuri catastrofici e ambientazioni di futuri molto più positivi.

Questo tipo di Intelligenza Artificiale in questo momento è quella che dà più vita all’immaginazione e fornisce più stimoli agli scrittori di fantascienza.

È importante però capire che non stiamo parlando necessariamente di un argomento fantascientifico ma che le Artificial Super Intelligence sono qualcosa che potrebbe effettivamente diventare parte in un futuro relativamente prossimo della nostra vita quotidiana.

In un prossimo post della serie, proveremo proprio a gettare un occhio al futuro, analizzando gli attuali punti di forza e i limiti delle tecnologie oggi esistenti, cercando di capire come poter fare leva sui punti di forza ma, soprattutto, come poter superare i limiti odierni.

Vien da sé che, allo stato attuale, le Artificial Super Intelligence esistono solo su carta, mentre le Artificial Narrow Intelligence sono concetti molto più pratici che fanno già abbondantemente parte della nostra quotidianità. Le Artificial General Intelligence invece sono ancora in fase di studio e, nei prossimi capitoli capiremo meglio dove siamo in tal senso.

Fatte queste tre classificazioni, a questo punto, sebbene queste siano sicuramente descrizioni chiare e anche di impatto, è facile renderci conto che sono descrizioni molto generali e che lasciano aperte moltissime interpretazioni e porte.

In effetti è davvero così: Intelligenza Artificiale è un termine molto generico e, purtroppo, molto spesso anche utilizzato impropriamente.

Parlare quindi di Intelligenza Artificiale, lascia un po’ il tempo che trova, soprattutto nel contesto di questa serie di post.

È proprio per questo che nei prossimi capitoli, andremo più nel dettaglio, andando più a fondo nell’argomento, e vedremo alcune applicazioni specifiche, passando per il Machine Learning e le sue varie sotto-categorie fino ad arrivare poi alle Reti Neurali, al Deep Learning, ai Modelli Generativi e a esempi di applicazioni pratiche di tutto quello che avremo visto nella teoria.