Non è più fantascienza; non lo è già da tempo. Il campo dell’intelligenza artificiale sta rivoluzionando ad un ritmo sempre più incalzante sia la vita quotidiana, che la gestione e organizzazione del lavoro nelle aziende. Conosciamo tutti le auto senza guidatore o gli assistenti vocali come Siri di Apple, Cortana di Microsoft e Alexa di Google.
Gli algoritmi intelligenti ci suggeriscono i prodotti da acquistare, i film e i brani musicali in linea con i nostri gusti, sanno rispondere a domande dei clienti via chat, possono riconoscere il volto di una persona per abilitare un accesso, smistare documenti in base al contenuto, supportare i medici nella lettura delle immagini radiografiche e nelle diagnosi, filtrare i curriculum per selezionare il candidato ideale.
Il processo è inarrestabile.
Quanto appena detto fa parte ormai del nostro quotidiano, tuttavia gli esperti del settore lavorano costantemente per fare un ulteriore salto di qualità. Gli algoritmi non possono spiegare i processi mentali alla base delle loro decisioni. Un computer che padroneggi il ripiegamento delle proteine e fornisca ai ricercatori anche informazioni nuove sulle regole della biologia è molto più utile di un computer che ripiega le proteine senza spiegazioni.
Pertanto, i ricercatori stanno concentrando i propri sforzi verso lo sviluppo di algoritmi di intelligenza artificiale in grado di spiegarsi in un modo che gli esseri umani possano comprendere. Se l’obiettivo riuscisse, l’IA sarà in grado di scoprire e insegnare alle persone fatti sulla nostra realtà ancora inesplorati, portando a nuove innovazioni.
Esiste un campo nel settore, chiamato apprendimento per rinforzo, che studia il modo in cui i computer possono imparare dalla loro esperienza. È basato sull’esplorazione del mondo e sulla conseguente ricezione di feedback positivi o negativi a seconda delle azioni intraprese dalla “macchina”. Questo approccio ha portato ad algoritmi che hanno imparato indipendentemente a giocare a scacchi ad un livello sovrumano o a dimostrare teoremi matematici senza alcuna guida umana.
Forest Agostinelli, professore e ricercatore nel campo dell’intelligenza artificiale dell’Istituto di ricerca all’Università della Carolina del Sud, conosce molto bene l’argomento. Nel suo lavoro utilizza l’apprendimento per rinforzo per creare algoritmi in grado di risolvere puzzle come il cubo di Rubik, e non solo. L’obiettivo finale del team di Agostinelli è quello di programmare il computer e renderlo capace di spiegare alle persone come risolvere il rompicapo.
Nella scatola nera
Ad oggi le “menti” dell’intelligenza artificiale sono fuori dalla portata degli umani. I computer sono pessimi insegnanti; nel mondo dell’informatica sono chiamate “scatole nere”, sputano fuori soluzioni senza fornirne alcuna ragione. Gli scienziati hanno cercato per decenni di decifrarle. Una recente ricerca ha dimostrato che molti algoritmi di IA pensano effettivamente in modi che sono simili agli umani: un computer addestrato a riconoscere gli animali imparerà i diversi tipi di occhi e orecchie e metterà insieme queste informazioni per l’identificazione.
Il team di Agostinelli lavora per riuscire a decifrare la scatola nera e per farlo concentra i propri sforzi sul cubo di Rubik. Il rompicapo in questione è fondamentalmente un problema di Pathfinding: trovare il giusto percorso dal punto A – un cubo di Rubik disordinato – al punto B – un cubo di Rubik risolto. “Il mio laboratorio ha creato un sito web dove chiunque può vedere come il nostro algoritmo risolve il cubo di Rubik; tuttavia il computer non può spiegare la logica dietro le sue conclusioni” ha affermato Agostinelli.
Le soluzioni del puzzle possono essere suddivise in stap generalizzati: il primo, ad esempio, potrebbe essere quello di formare una croce; il secondo quello di sistemare in modo corretto i tasselli agli angoli. Affrontare il problema suddividendolo in piccoli step è il modo migliore per riuscire a decifrare la scatola nera. “Creare algoritmi che abbiano questa capacità permetterà alle persone di collaborare con l’Intelligenza Artificiale e scomporre un’ampia varietà di problemi complessi in passi di facile comprensione”, conclude Agostinelli.
La collaborazione è la chiave del successo
Il processo, all’interno del laboratorio di ricerca nel South Carolina, prende avvio da un’intuizione che, passo dopo passo, porta alla definizione di un piano per risolvere problemi complessi. L’algoritmo si rivolge ad ogni singolo passo e, attraverso una serie di feedback, migliora il lavoro. Il piano iniziale viene quindi perfezionato dallo scienziato che accetta i consigli dell’Intelligenza Artificiale e insieme arrivano alla soluzione del problema. Il procedimento, applicato per il cubo di Rubik, prevede come step successivo la costruzione di un’interfaccia intuitiva che permetterà all’algoritmo di insegnare alle persone come risolvere il rompicapo.
La speranza è quella di generalizzare l’approccio a una vasta gamma di problemi di pathfinding.
L’intuizione è una forma di intelligenza prettamente umana, mentre le macchine hanno rigore algoritmico e potenza di calcolo ineguagliabile. La collaborazione fra i due mondi potrebbe far luce su problemi irrisolti in ogni campo, dalla chimica alla matematica, portando a nuove soluzioni e innovazioni per la nostra vita.
