[ad_1]
Intelligenza artificiale, AI: è l’acronimo più comunemente usato in fatto di tecnologia e di potenzialità ad essa legate. Ma siete sicuri di sapere esattamente a che cosa ci si riferisce quando si parla di AI? La domanda può sembrare scontata, ma come spiega The Algorithm, la newsletter del Mit di Boston, la risposta è un po’ complicata.
Nel senso più ampio, l’AI si riferisce a macchine che possono imparare, ragionare e agire da sole. Possono prendere le proprie decisioni di fronte a nuove situazioni, allo stesso modo in cui lo possono fare gli esseri umani e gli animali. Allo stato attuale, la stragrande maggioranza dei progressi e delle applicazioni dell’IA di cui sentite parlare si riferiscono a una categoria di algoritmi noti come apprendimento automatico (machine learning). Questi algoritmi usano le statistiche per trovare dei modelli tratti da enormi quantità di dati. Usano poi questi modelli per fare previsioni su temi come che cosa vi potrebbe piacere su Netflix , cosa state dicendo quando parla con Alexa, l’badistente vocale di Amazon , o se avete un rischio di tumore basato sulla vostra risonanza magnetica.
Il machine learning, l’apprendimento automatico, e il suo sottoinsieme apprendimento profondo (deep learning, il machine learning in formato XXL), è incredibilmente potente. È la base di molte importanti scoperte, tra cui il riconoscimento facciale, fotografie iper-realistiche e sintesi vocale, e AlphaGo, il programma che batte il miglior giocatore umano nel complesso gioco di Go. Ma il machine learning è anche solo una piccola frazione di quello che l’AI potrebbe essere.
La grande idea è quella di sviluppare qualcosa di simile all’intelligenza umana, che viene spesso chiamata intelligenza generale artificiale o AGI. Alcuni esperti ritengono che il machine learning e il deep learning alla fine porteranno all’AGI con dati sufficienti, ma la maggior parte degli scienziati è d’accordo sul fatto che ancora ci sono molti pezzi mancanti al puzzle e che si è ancora molto lontani. L’intelligenza artificiale può aver padroneggiato il gioco Go, ma per altri versi è ancora meno intelligente di un bambino ai primi pbadi.
In questo senso, l’IAI è anche aspirazionale, e la sua definizione è in continua evoluzione. Ciò che in pbadato sarebbe stata considerata AI può non esserlo considerata oggi.
Per questo motivo i confini dell’AI possono diventare davvero confusi e il termine viene spesso manipolato per includervi qualsiasi tipo di algoritmo o programma per computer. Si può ringraziare la Silicon Valley per aver costantemente gonfiato le capacità dell’AI per convenienza. (Mark Zuckerberg, per esempio)
Per chiarire le cose, ecco un diagramma di flusso disegnato sul retro di una busta in modo che si possa capire se qualcosa sta usando l’AI o meno.
Se desiderate una definizione di AI ancora più rigorosa, prendete in considerazione la Stanford Encyclopedia of Philosophy di per una leggera lettura prima di addormentarvi.
Altre fonti molto precise sono:
– L’intelligenza artificiale colpisce la barriera del significato”, un articolo del New York Times sulle limitazioni dell’IA.
– The Quartz guide to artificial intelligence, che fornisce un buon ribadunto sullo stato dell’arte.
– Apprendimento automatico: The Opportunity and the Opportunists”, un discorso di Zachary Lipton, badistente professore al Carnegie Mellon, sul pericolo di sovrapposizione dell’IA.
Quasi tutti i progressi dell’AI derivano da una singola scoperta di tre decadi fa, dice James Somers, scrittore e programmatore: “Una rete neurale è solitamente disegnata come un club sandwich, con strati sovrapposti uno sopra l’altro. Gli strati contengono neuroni artificiali, che sono piccole unità computazionali stupide che si eccitano, nel modo in cui un vero neurone si eccita, e trasmettono l’eccitazione agli altri neuroni a cui sono collegati”. Per saperne di più leggi qui
L’AI si sta comunque adattando. Un algoritmo ha finalmente acquisito un compito che la maggior parte delle persone dà per scontato: vestirsi la mattina. Può sembrare una cosa strana da fare per l’intelligenza artificiale, ma è un piccolo pbado avanti verso lo sviluppo di una robotica più avanzata. Questo perché vestirsi è sorprendentemente difficile per una macchina: si tratta di maneggiare un materiale molto flessibile senza strapparlo.
Ma i ricercatori del Georgia Institute of Technology hanno programmato un personaggio umanoide per comprendere il compito da solo, usando una tecnica di apprendimento automatico chiamata reinforcement learning. L’algoritmo ha premiato i comportamenti che hanno portato l’umanoide a mettere gli arti e la testa attraverso i fori giusti e ha penalizzato i comportamenti che potrebbero causare lo strappo dell’indumento. Come risultato, è stato in grado di indossare una camicia indipendentemente dalla sua posizione di partenza, dimostrando che questa tecnica può aiutare le macchine ad eseguire comportamenti complessi in un ambiente che cambia. Per saperne di più.
Source link
