Intelligence, Gian Luca Foresti al Master in Intelligence dell’Università della Calabria “L’intelligenza artificiale si avvicina sempre di più a quella umana ma l’equivalenza è ancora lontana”

(Rende 23.3.2021) – Gian Luca Foresti, Direttore del master in ICT all’Università di Udine e Presidente dell’Associazione italiana per la Ricerca in Computer Vision, Pattern Recognition e Machine Learning, ha tenuto una lezione dal titolo “Algoritmi e Sicurezza: un’Analisi di Intelligence” durante il Master in Intelligence dell’Università della Calabria , diretto da Mario Caligiuri.

“La storia dell’intelligenza artificiale – ha esordito Foresti – inizia con Alan Turing che negli anni Quaranta elabora il primo calcolatore artificiale. Da quel momento sembrò che le macchine potessero, nel giro di qualche tempo, sostituire l’uomo. Lo stesso Turing, infatti, affermò che le macchine avrebbero potuto in un futuro sostituire totalmente la coscienza umana. Successivamente sul finire degli anni Ottanta, David E. Rumelhart ebbe l’intuizione di collegare in una rete dei neuroni artificiali (algoritmi), cercando di riprodurre quello che avviene nel cervello umano. Ma l’incapacità di questi primi neuroni artificiali nella risoluzione di problemi non lineari bloccò l’ambizioso progetto”.

Foresti ha poi proseguito affermando che “una rivoluzione importante nel campo dell’intelligenzaartificiale si è verificata in anni recenti, quando sono stati elaborati sistemi di calcolo in grado di analizzare e risolvere problemi complessi che sono esclusiva prerogativa dall’uomo”.

“Sappiamo – ha affermato – che il cervello umano è costituito da circa 100 miliardi di neuroni e che in buona parte sono connessi da sinapsi: circa 100.000 per neurone. Il cervello umano funziona, dunque, attraversouna serie di collegamenti tra i neuroni. La forza cognitiva del cervello è quindi data dal numero di connessioni tra i neuroni. Il cervello funziona allora compiendo operazioni parallele, ossia diverse zone del cervello operano contemporaneamente ed a volte collaborano per risolvere uno stesso problema. Altro aspetto importante del cervello umano è la capacità di provvedere ai guasti della rete, che si auto-addestra per sopperire al mancato funzionamento di una parte dell’organo stesso. Inoltre uno degli elementi che caratterizzano maggiormente l’aspetto umano è la capacità, attraverso la vista, di ricevere segnali complessi, rappresentati dalle immagini del mondo reale,che vengono acquisite, analizzate e interpretate dal cervello. Attraverso le connessioni neuronali, in definitiva, avviene l’apprendimento cerebrale”.

“Tutte queste operazioni riportate ad una macchina – ha precisato – non sono così semplici da attuare. Sebbene da un punto di vista matematico il neurone sia stato riprodotto molto facilmente. Infatti, la caratteristica importante di un neurone biologico è la capacità di trasmettere un segnale che, a volte, è associato ad una informazione. Quando il neurone si accende, superandoil valore soglia, trasmette energia agli altri neuroni, che formano una rete, calcolando un valore binario e trasmettendolo ad altri neuroni. Tuttavia mentre il cervello umano può arrivare ad avere 125.000 miliardi di connessioni calcolato per il numero di neuroni, nel processore artificiale abbiamo un ordine di grandezza inferiore”.

Foresti ha poi affrontato il tema del machine learning definendolo “la capacità di acquisire una determinata conoscenza da una serie di informazioni. Nella fase di apprendimento un aspetto fondamentale è demandato alla supervisione umana che ha il compito di costruire base di dati in cui ci sono gli esempi che vengono utilizzati per addestrare la macchina nonché per addestrare il sistema, osservando la capacità dell’algoritmo di elaborare o meno determinate operazioni. Il sistema si addestra a classificare determinate situazioni e a riconoscerle, oppure ad identificare situazioni che non possono essere classificate sulla base dei dati con cui è stato programmato l’algoritmo. In definitiva il machinelearning consiste nella capacità dell’algoritmo, partendo da un insieme limitato di esempi di generalizzare compiendo la corretta classificazione dei casi non conosciuti. L’apprendimento si trasforma, quindi, nellacapacità di generalizzazione, ossia di trovare una funzione in grado di associare la nuova immagine come più vicina alla classe studiata nella fase di addestramento”.

“Un esempio interessante di applicazione di algoritmi di machine learning – ha affermato il docente – è la guida autonoma, sebbene ponga dei problemi complessi su cui si sta lavorando, legati a situazioni impreviste che l’algoritmo non è stato in grado di prevedere e di evitare e che evidenzia problemi etici non facilmente risolvibili da un sistema artificiale”.

Foresti ha concluso rilevando che “la tecnologia si sta rapidamente evolvendo ma ci sono molti problemi da risolvere. L’equivalenza fra intelligenza artificiale e naturale è ancora lontana sebbene bisogna considerare che un sistema naturale evolve lentamente, mentre i processori artificiali possono migliorare molto rapidamente”.