Intelligenza Umana versus Capacità Artificiale… Chi vince? Chi perde? Di Giulio Destri.

Uno dei temi portanti del blog 6MEMES è quello dell’intelligenza artificiale. Negli articoli precedenti è stato più volte sottolineato quanto il mondo digitale sia diventato complesso e quanto il mondo cosiddetto “reale” sia ormai fortemente dipendente da quello digitale e, in particolare, inizi ad esserlo anche dall’intelligenza artificiale.

In questo articolo cercheremo insieme, in modo certamente non esaustivo, la risposta a una domanda forse “provocatoria”: quanto è “intelligente” l’intelligenza artificiale di oggi?

Per farlo, partiamo da un’analisi di cosa sappiamo oggi sull’unica “altra” intelligenza che conosciamo: quella umana.

Analisi “operativa” dell’intelligenza umana

In primo luogo, secondo molti studiosi, non è corretto parlare di “una” intelligenza umana, ma di “un insieme” di intelligenze. Fu lo psicologo statunitense Howard Gardner [1] che, per primo, propose il modello secondo cui l’intelligenza umana non è una “entità unitaria”, misurabile secondo strumenti come il QI, ma un insieme articolato in elementi differenziati, ognuno deputato ad aspetti specifici della attività umana:

• Intelligenza logico-matematica: riguarda il ragionamento deduttivo, la schematizzazione e le catene logiche.
• Intelligenza linguistica: capacità di utilizzare un vocabolario chiaro ed efficace.
• Intelligenza spaziale: capacità di percepire (e di memorizzare) forme ed oggetti nello spazio.
• Intelligenza musicale: capacità di riconoscere l’altezza dei suoni, le costruzioni armoniche e contrappuntistiche.
• Intelligenza cinestetica: capacità di coordinare bene i movimenti.
• Intelligenza interpersonale: capacità di comprendere la propria individualità, di saperla inserire nel contesto sociale per ottenere risultati migliori nella vita personale, e anche di sapersi immedesimare in personalità diverse dalla propria.
• Intelligenza intrapersonale: capacità di comprendere gli altri, le loro esigenze, le paure, i desideri nascosti, di creare situazioni sociali favorevoli e di promuovere modelli sociali e personali vantaggiosi.
• Intelligenza naturalistica: capacità di individuare determinati oggetti naturali, classificarli in un ordine preciso e cogliere le relazioni tra di essi.
• Intelligenza filosofico-esistenziale: capacità di riflettere consapevolmente sui grandi temi della speculazione teoretica, come la natura dell’universo e la coscienza umana, e di ricavare da sofisticati processi di astrazione delle categorie concettuali che possano essere valide universalmente.

Altri studi hanno poi evoluto questo modello, ampliando i concetti di intelligenze intra-personali e inter-personali del modello precedente, con la definizione di:

• Intelligenza emotiva come l’abilità di percepire, valutare ed esprimere un’emozione; l’abilità di accedere ai sentimenti e/o crearli quando facilitano i pensieri; l’abilità di capire l’emozione e la conoscenza emotiva; l’abilità di regolare le emozioni per promuovere la crescita emotiva e intellettuale [2].
• Intelligenza sociale come la capacità di relazionarsi con gli altri in maniera efficiente, costruttiva e socialmente compatibile [3].

Si tratta quindi non di una “intelligenza umana”, ma piuttosto di tante “intelligenze umane” che operano insieme, consentendo all’essere umano di raggiungere i risultati che ha ottenuto nel corso della sua storia.

Gli uomini, infatti, hanno applicato queste capacità nel corso della loro evoluzione, ottenendo, tra l’altro, la costruzione di sempre nuovi strumenti di ausilio alla vita che hanno poi finito con il modificare le stesse capacità umane, come ben spiegato in questo articolo.
Ad esempio, pensiamo all’influenza che la disponibilità di strumenti musicali “complessi” come il pianoforte e i suoi antenati diretti ha avuto nel permettere ai compositori del ‘6-700 di elaborare le loro creazioni rispetto ai musicisti di secoli prima.

Non una intelligenza umana ma tante intelligenze umane che operano insieme, consentendo all’essere umano di raggiungere i risultati che ha ottenuto nel corso della sua storia. Condividi il Tweet

Vediamo ora un esempio di uso “combinato” di queste  intelligenze, partendo da una frase attribuita al grande Michelangelo Buonarroti: “Ogni blocco di pietra ha una statua dentro di sé ed è compito dello scultore scoprirla”.

La capacità dello scultore di “estrarre” la forma della statua dalla pietra è una evoluzione dell’azione dei nostri antenati di produrre una lama di ossidiana (molto tagliente ed utile) a partire da un blocco grezzo di questa pietra. In dettaglio, l’azione di produrre una lama potrebbe essere schematizzata come:

Oggi, un ulteriore evoluzione di tutto questo che coinvolge gli strumenti attualmente disponibili, può essere senz’altro l’opera del progettista di edifici, che realizza un modello dell’edificio prima nella propria mente e poi definendolo sempre meglio attraverso un programma di disegno computerizzato.

Per comunicare con altri esseri umani non specialisti sul tema della progettazione (ad esempio i committenti dell’edificio), il progettista può trasformare il disegno tecnico in un modello realistico attraverso un programma di rendering, consentendo ai committenti di decidere se il progetto piace loro o se vogliono apportare mutamenti.

L’intelligenza umana, nel suo insieme, sembra quindi basata sulla azione congiunta di tutte queste intelligenze parziali. Come possiamo costruirne un modello? Condividi il Tweet

Ecco quindi che la creatività dipende dagli strumenti a disposizione e dalla capacità di sfruttarne al meglio tutte le potenzialità. L’intelligenza umana, nel suo insieme, sembra quindi basata sulla azione congiunta di tutte queste “intelligenze parziali”.

Come possiamo costruirne un modello, quindi una versione semplificata della realtà che ci permetta comunque di comprendere in modo sufficiente il suo funzionamento?

Visione di insieme della mente umana

Partiamo da un modello di insieme della mente umana, basato sugli studi in merito all’apprendimento di Gregory Bateson ed elaborato dal suo allievo Robert Dilts:  il modello dei livelli logici del pensiero [4], che è già stato applicato, pur senza approfondirlo, nella lezione della storia.

Secondo questo modello, che funziona in modo simile ed è complementare alla piramide dei bisogni di Maslow, gli esseri umani possono migliorare la comprensione di un concetto o di una abilità passando attraverso 7 stadi (6 nel modello originale):

Applichiamo il modello nella realtà quotidiana: l’essere umano agisce nell’ambiente (o in diversi ambienti, come per esempio il lavoro, la famiglia, il circolo di amici…). Percepisce quanto si trova nell’ambiente con i propri sensi e re-agisce all’ambiente mettendo in atto comportamenti.

I comportamenti possono essere molto semplici: ad esempio i riflessi automatici che ci consentono di evitare di cadere quasi senza pensare (e quindi reagendo ad una elevatissima velocità) oppure che fanno sì che alziamo la gamba in reazione al colpo di martelletto sul ginocchio durante una visita medica.

La maggior parte dei comportamenti che mettiamo in atto però sono molto più complessi, come, ad esempio, la progettazione dell’edificio o la realizzazione di una statua o della lama di ossidiana citati nel paragrafo precedente.

Quindi tali comportamenti richiedono delle capacità, che possiamo in pratica definire come dei programmi che abbiamo nella nostra memoria e che ci consentono, data una situazione più o memo complessa, di mettere in atto un comportamento fisico e/o mentale che ad essa riteniamo adatto.
Ad esempio, nell’ambito della interazione con altre persone durante una cena, noi seguiremo una determinata“etichetta”, governando i nostri comportamenti e adattandoli all’ambiente.

Alcune capacità sono innate (ad esempio, quella di respirare) e derivano da quelle già presenti nei nostri lontani antenati di decine e centinaia di milioni di anni fa.

La scelta tra quale capacità richiamare e quale comportamento scegliere per re-agire alla situazione, data una determinata situazione, è spesso determinata dalle convinzioni, ossia da quelle “idee certe” che sono nella nostra mente, solitamente costruite sulla base della esperienza e/o della educazione ricevuta.

In questo modo, per esempio, in un contesto sportivo, se chi deve tirare il rigore è convinto di essere in grado di fare gol, le sue capacità saranno esaltate e il comportamento (l’azione di calciare il rigore) sarà eseguito al meglio.

• I valori sono simili alle convinzioni ma molto più importanti: le persone possono scegliere anche di sacrificare la propria vita per coerenza con i propri valori. L’essere costretti a compiere azioni in disaccordo con i propri valori può essere devastante per la salute.
• L’identità complessiva è la “somma” delle identità parziali relative ai singoli ambienti in cui si opera (ad esempio, una persona può essere un programmatore nel mondo del lavoro, un figlio o figlia nella propria famiglia di origine, un padre o madre nella propria famiglia costruita, un giocatore di pallavolo in una squadra amatoriale…). È anche strettamente associata alla autocoscienza ed al concetto di vita e di sopravvivenza, nonché alla relazione con le altre persone, come spiegato in questo articolo. L’identità è anche fortemente collegata con lo spirito e con i valori.

Gli ultimi tre livelli, fortemente integrati fra loro, sono quindi quelli che “governano” gli altri. Le regole della sopravvivenza e del soddisfacimento dei bisogni si integrano con essi.

Quindi – tornando alla classificazione delle intelligenze di Gardner vista prima – secondo questo modello tali intelligenze sono, in realtà, degli insiemi più o meno complessi di capacità.

Ad esempio, se durante una riunione di lavoro una persona viene provocata, con la messa in dubbio della sua identità di bravo professionista, anche se questa provocazione viene interpretata come attacco, e la prima re-azione sarebbe un contro-attacco, applicando il valore dell’autocontrollo la persona può tralasciare e minimizzare l’attacco, e reagire ad esso ignorando la provocazione e mantenendo la calma.

Possiamo quindi concludere che la mente umana è molto, molto di più di una “intelligenza” o di un insieme di capacità. Soprattutto, la mente umana agisce, definendo autonomamente i propri traguardi, su scala ampia e strategica, ed i propri obiettivi, su scala più piccola, dal livello tattico sino a quello micro-operativo, in base ai propri valori, spirito ed interazione con gli altri esseri umani.

E ora torniamo all’altra forma di intelligenza, ovvero l’intelligenza artificiale.

L’intelligenza artificiale oggi

Le origini dell’intelligenza artificiale a livello di concetto precedono la sua definizione “scientifica” avvenuta nel 1956. Oggi l’intelligenza artificiale è una disciplina che studia i fondamenti teorici, le metodologie e le tecniche che consentono la progettazione e la realizzazione di “sistemi” in grado di svolgere prestazioni che, a un osservatore comune, sembrerebbero essere di pertinenza esclusiva dell’intelligenza umana.

Rispetto all’approccio basato su assiomi e regole tipico dei primi anni, i risultati oggi raggiunti sono stati ottenuti principalmente tramite i sistemi di apprendimento automatico o machine learning.

La maggior parte delle applicazioni di intelligenza artificiale operative oggi usa come strumento le reti neurali artificiali, sistemi software che “emulano” le strutture neuronali presenti nel cervello umano. Il Deep Learning è il sottoinsieme del Machine Learning in cui il sistema che deve apprendere è formato da reti neurali artificiali organizzate in diversi strati, dove ogni strato elabora i valori per quello successivo, affinché l’informazione nel suo insieme venga elaborata in maniera sempre più completa.

L’apprendimento nel Deep Learning avviene tipicamente attraverso la esposizione di reti neurali artificiali a insiemi numerosi di coppie ingresso-uscita voluta (training set) ed alla correzione progressiva dei pesi sinaptici, ossia gli elementi software che rappresentano i collegamenti fra i neuroni, in base all’errore, sino ad arrivare ad un livello di associazione appropriato tra gli ingressi di un campione di verifica, non appartenenti al training set, e le uscite corrispondenti desiderate. 

Ad esempio, nel caso di riconoscimento oggetti o di lettere e simboli entro le immagini riprese da una videocamera, l’evoluzione ha portato a sistemi basati su reti neurali in grado di partire dai singoli pixel (ovvero i punti che formano una immagine digitale, ognuno dotato del proprio colore e luminosità) per identificare gli elementi voluti entro l’immagine.

Senza le complesse elaborazioni di pre-filtraggio ed estrazione di caratteristiche, impostate da esperti umani, che venivano usate nei precedenti sistemi di “visione artificiale”. In particolare le reti neurali convoluzionali, che hanno permesso di ottenere i maggiori successi nella elaborazione automatica delle immagini, organizzano i collegamenti fra i neuroni in modo molto simile alla organizzazione dei neuroni naturali nella corteccia visiva dei mammiferi (e quindi anche dell’uomo).

Per altri problemi vengono usate di solito altri tipi di architetture neurali e con l’uso massivo dei grandi sistemi di supercalcolo è relativamente facile trovare quale architettura neurale meglio si adatta ad un determinato problema, attraverso appropriate sequenze di esperimenti con prove ed errori.

Ma le reti neurali esistevano già negli anni ’60: cosa ha consentito oggi di arrivare al deep learning ed ai suoi straordinari successi? Da un lato la straordinaria potenza di calcolo messa a disposizione dalle nuove CPU e GPU e dai grandi centri di calcolo presenti nei cloud, ossia la “forza bruta” dei sistemi di calcolo di oggi. Dall’altro la grande quantità di dati accumulati e che questa potenza di calcolo ha consentito di usare nelle fasi di addestramento. È infatti l’addestramento a richiedere calcoli enormi, non l’esecuzione del compito.

Durante le mie tesi e i miei lavori di ricerca sul tema, verso la fine degli anni ’90, gli addestramenti potevano richiedere decine e centinaia di ore di elaborazione per ottenere sistemi in grado di fare poche operazioni. Oggi – in un tempo molto inferiore – otteniamo sistemi in grado di fare azioni allora impensabili e che, nella fase di azione, una volta completato l’addestramento, possono operare spesso anche su strumenti “tascabili” come uno smartphone o una telecamera smart.

I prodotti attuali della scienza della intelligenza artificiale

Cosa abbiamo ottenuto quindi? Sistemi in grado di svolgere compiti quali

• Riconoscimento di testo scritto e successiva sua analisi semantica.
• Riconoscimento di oggetti e persone entro immagini e filmati.
• Riconoscimento di linguaggio parlato (almeno parziale).
• Gestione dei movimenti di robot antropomorfi e simili ad animali (pensiamo solo ai robot danzanti di Boston Dynamics).
• Pilotaggio autonomo di veicoli terrestri ed aerei.
• Analisi di dati finanziari ed estrazione di indicazioni sulla solvibilità di un cliente che richiede un prestito.
• Selezione automatica del layout ottimale per i circuiti di una CPU.

E accanto a questi compiti, che sembrano fortemente “tecnici”, anche compiti “artistici”, quali

• Generazione di testi poetici brevi.
• Generazione di quadri ed altre opere artistiche.
• Generazione di musica.

Sembra quindi che le funzioni della intelligenza umana possano essere riprodotte una dopo l’altra, e che sia solo questione di tempo. Ma analizziamo con precisione cosa stiamo facendo.

I sistemi così ottenuti riproducono, in alcuni casi con prestazioni anche superiori, delle singole capacità specifiche della intelligenza “generale” umana. Non l’intelligenza umana nel suo insieme.

Nella struttura a livelli logici sopra enunciata, quindi, siamo al livello delle capacità o di combinazioni di capacità. Al più possono essere presenti delle “convinzioni” sotto forma di schemi appresi durante l’addestramento. Manca al momento un livello superiore che “decida” quale capacità o convinzione applicare in ambienti diversi.  

Quindi possiamo dire che la scienza della intelligenza artificiale è riuscita a costruire, finora, delle ottime capacità artificiali, non particolarmente “intelligenti”, che svolgono compiti come gli esseri umani (e, in molti casi, anche meglio). Sono compiti specifici, ed ogni capacità artificiale è, appunto, costruita specificamente per un compito o un insieme di compiti.

Il limite delle capacità artificiali

Le capacità artificiali, come abbiamo detto, sono ottenute nella stragrande maggioranza dei casi, attraverso strumenti di machine learning. Quindi “apprendono” a partire da insiemi di esempi che noi forniamo loro, per cui, se gli esempi di un training set non sono scelti bene, ecco che la capacità artificiale ottenuta non sarà ottimale e i comportamenti che essa esprimerà potranno essere carenti.

Ad esempio, nell’uso di capacità artificiali entro la selezione del personale, si sono verificati casi di “discriminazioni” verso donne o minoranze etniche. L’analisi dei training set in questi casi ha dimostrato che erano stati forniti soltanto i CV di persone bianche e di sesso maschile, formando entro la capacità artificiale la “convinzione” che solo questi soggetti fossero adatti per la selezione.

In un caso ancora più estremo, in cui una capacità artificiale per il riconoscimento dei volti ha associato persone dalla pelle scura a scimmie, si è scoperto che non c’erano volti con la pelle scura nel training set.

Quindi la scelta del training set è assolutamente determinante per il comportamento risultante. Nel momento in cui ci affidiamo a capacità artificiali per decisioni, occorrono garanzie su come e con che dati sono state addestrate tali capacità [5].

In conclusione possiamo definire le capacità artificiali (indicate come intelligenze artificiali deboli) come sistemi software in grado di riprodurre,

• in modo perfezionato;
• in modo più veloce;
• con maggiore rendimento e minore tasso di errore;
• in modo costante nel tempo (non si stancano mai);

una capacità o una combinazione di capacità della mente umana.

Una evoluzione verso la cosiddetta “intelligenza artificiale forte” potrebbe forse ottenersi mettendo insieme più capacità e meccanismi simili ai livelli logici superiori: valori-identità-spirito.

Una evoluzione verso la cosiddetta intelligenza artificiale forte potrebbe ottenersi mettendo insieme più capacità e meccanismi simili ai livelli logici superiori: valori-identità-spirito. Condividi il Tweet

Questo, o altri modi di procedere potranno effettivamente creare in futuro la cosiddetta “singolarità”, ossia il momento in cui una intelligenza artificiale forte supera i limiti umani (e, ad esempio, acquisisce l’autocoscienza)? Non lo sappiamo, e non siamo nemmeno in condizioni di fare previsioni realistiche.

Dobbiamo invece, fin d’ora, considerare le conseguenze economiche e sociali del sempre più massiccio uso delle capacità artificiali nel nostro mondo, che saranno oggetto del prossimo articolo.

CREDITS IMMAGINI

Immagine di copertina (rielaborata):
ID Immagine: 95474341. Diritto d'autore: worawutprasuwan
ID Immagine: 66121745. Diritto d'autore: sakkmesterke