16.03.2025 – 07.01 – Molte invenzioni del mondo moderno, dalla prima rivoluzione industriale ad oggi, giunsero a compimento come una stratificazione di idee precedenti, le une sovrapposte alle altre. Non esiste, ad esempio, l’inventore del treno: la ferrovia nacque quale concatenazione di piccole innovazioni sorte al passaggio del secolo. I binari provenivano dai carrelli ferroviari delle miniere, perfezionati dopo mezzo secolo di estrazioni; la macchina a vapore dalle manifatture; la componentistica come le valvole e le leve dal mondo dell’orologeria e degli strumenti di precisione. Non vi fu un inventore che, dal nulla, costruì il treno; questo giunse come un inedito collage di idee nate da ingegneri e inventori auto didatti.
La questione non è diversa nel caso di quanto oggigiorno si definisce l’intelligenza artificiale: se già nel novecento era tramontata l’idea del singolo, eroico, inventore sostituito dal team di scienziati, nel caso della IA il percorso appare altrettanto segmentato, altrettanto complesso. Se la Conferenza di Darmouth (1956) svolse un ruolo di primo piano, essa non ‘creò’ dal nulla l’intelligenza artificiale, né codificò a livello assoluto il suo funzionamento. Le applicazioni di intelligenza artificiale in uso oggigiorno sono piuttosto il prodotto di mezzo secolo di sperimentazioni nel campo; ne vediamo solo la punta dell’iceberg, destinata all’intrattenimento di massa o commercializzabile con estensioni e/o applicazioni utilizzabili.
Una componente chiave di questo percorso che condusse infine agli odierni algoritmi è data dal concetto di apprendimento automatico, meglio noto come Machine Learning (ML). Un programma IA dotato di ML è capace di imparare dai dati e migliorare la propria attività senza che ciò venga programmato di volta in volta; in altre parole le macchine con apprendimento automatico hanno capacità di auto apprendimento.
Le prime tracce di questo genere di programmi risalgono ai software capaci di giocare a scacchi o di pianificare le mosse su una scacchiera, negli anni Cinquanta e Sessanta; un passo avanti importante fu però compiuto nel 1986 con le reti neurali backpropagation di Geoffrey Hilton, le quali consentivano alle reti neurali di classificare le immagini e riconoscere la scrittura umana. Un altro passaggio storico avvenne nel 1997 quando il campione di scacchi Garry Kasparov perdette contro il programma di IA Deep Blue. Quest’ultimo era stato creato da un team di ricercatori di IBM supervisionati dal ricercatore Feng-Hsiung Hsu ed era per l’epoca particolarmente potente, perchè utilizzava tanto i metodi di ricerca basati su alberi di decisione quanto l’apprendimento automatico. La vittoria di Deep Blue significò, per la prima volta, una notevole fiducia nella IA quale risolutrice di problemi complessi. L’esito della partita venne inquadrato come un trionfo della macchina sull’uomo, ma chi aveva programmato Deep Blue se non esseri umani, ricercatori a propria volta?
Il futurologo Ray Kurzweil osservò non a caso che “non è stata una sconfitta per l’intelligenza umana, ma una vittoria per la nostra capacità di creare macchine che estendono e migliorano la nostra intelligenza”.
Il tassello ulteriore all’apprendimento automatico, caratteristico degli odierni algoritmi di IA, giunse con il ‘deep learning‘, un metodo basato su reti neurali profonde. Il deep learning si distingue dai modelli del passato, perchè capace di gestire quantità di dati di notevole mole, ricavandone schemi complessi. L’intelligenza artificiale con deep learning è capace di comprendere il linguaggio naturale dell’uomo e riconoscere immagini con notevole esattezza, consentendo il loro utilizzo come traduttori automatici e in particolare assistenti virtuali. Quest’ultimo caso è forse il più famoso, perché implementato su larga scala. Molti siti hanno un chatbot e molte applicazioni offrono da anni un assistente virtuale. Tuttavia, nonostante ve ne sia la possibilità, raramente vengono personalizzati a seconda dell’esperienza. In Italia AI Fabric, ad esempio, è nota proprio per la capacità di adattare al cliente le necessità del chatbot di intelligenza artificiale con deep learning; tuttavia nella maggior parte die siti italiani si preferisce implementare un assistente generico, spesso frustrante per l’utente. L’assistente virtuale in generale utilizza il processamento del linguaggio naturale (NPL) onde comprendere le richieste degli utenti parlate o in alcuni casi scritte. Oggigiorno i due assistenti virtuali di solito maggiormente noti sono Alexa di Amazon e Siri di Apple.
[z.s.]
