È opinione diffusa che con gli ultimi progressi nella ricerca sull'intelligenza artificiale, macchine viventi e intelligenti saranno presto all'orizzonte. Le auto capiscono i comandi vocali, distinguono le immagini, guidano le auto e giocano meglio di noi. Quanto tempo manca prima che inizino a camminare in mezzo a noi?
Un rapporto della Casa Bianca pubblicato di recente sull'intelligenza artificiale assume una posizione scettica. Dice che nei prossimi 20 anni difficilmente vedremo macchine "che esibiscono capacità intellettuali paragonabili o superiori a quelle umane", ma nei prossimi anni "le macchine raggiungeranno capacità umane per compiti sempre maggiori". Tuttavia, in questo rapporto mancano alcune cose importanti.
Il ricercatore di intelligenza artificiale Arend Hintze sostiene che il rapporto si concentra esclusivamente sul "tipo noioso di IA". Taglia un gigantesco ramo della ricerca sull'IA a metà frase, come l'evoluzione ci aiuta a sviluppare sistemi di IA sempre migliori e come i modelli computazionali ci aiutano a comprendere l'evoluzione della nostra intelligenza umana.
Il rapporto si concentra, come afferma lo scienziato, sui principali strumenti dell'IA: machine learning e deep learning. Questo tipo di tecnologia ha permesso ai robot di svolgere bene i quiz e superare i maestri del gioco del go. Questi sistemi sono in grado di gestire enormi quantità di dati ed eseguire calcoli complessi molto rapidamente. Ma manca un elemento che sarà fondamentale per creare le macchine intelligenti che vorremmo avere in futuro.
Abbiamo bisogno di qualcosa di più delle macchine per insegnare per imparare. Dobbiamo superare i confini che definiscono quattro diversi tipi di intelligenza artificiale. Le barriere che separano le macchine da noi e noi da esse.
AI tipo I: macchine a getto
I tipi più elementari di sistemi di intelligenza artificiale sono altamente reattivi e non possono formare ricordi o utilizzare esperienze passate per informare le decisioni attuali. Deep Blue, il supercomputer IBM che ha battuto il Gran Maestro Garry Kasparov alla fine degli anni '90, è un perfetto esempio di questo tipo di macchina.
Video promozionale:
Deep Blue può identificare i pezzi su una scacchiera e sa come si muovono. Può fare previsioni sulle mosse, sia sue che dell'avversario. E sceglie le mosse più ottimali possibili.
Tuttavia, non ha idea del passato e del ricordo di quello che è successo. A parte la regola specifica per gli scacchi di non ripetere la stessa mossa tre volte, Deep Blue ignora tutto fino ad ora. Guarda solo i pezzi sulla scacchiera e sceglie la mossa successiva.
Questo tipo di intelligenza include un computer che percepisce direttamente il mondo e agisce in base a ciò che vede. Non si basa su un concetto interiore del mondo. Nel suo lavoro, il ricercatore di intelligenza artificiale Rodney Brooks ha sostenuto che dovremmo costruire solo macchine del genere. Secondo lui, gli esseri umani non sono molto bravi a programmare precisi mondi simulati per i computer, come si suol dire, a creare una "rappresentazione", una rappresentazione del mondo.
Le moderne macchine intelligenti che ammiriamo o non hanno una simile concezione del mondo, oppure sono molto limitate e si occupano di determinati compiti. L'innovazione nel design di Deep Blue non riguardava l'espansione del numero di possibili mosse che un computer considera. Invece, gli sviluppatori hanno trovato un modo per restringere la sua visione, per scartare alcune delle possibili mosse in futuro, a seconda di come vengono valutate.
Allo stesso modo, AlphaGo Google, che ha battuto il campione del mondo in Go, non ha modo di valutare possibili mosse future. Il suo metodo di analisi è più sofisticato di quello di Deep Blue: utilizza una rete neurale per valutare lo svolgimento del gioco.
Queste tecniche migliorano le capacità dei sistemi di intelligenza artificiale e fanno sì che alcuni giochi funzionino meglio, ma non sono facili da modificare o applicare ad altre situazioni. Questi tipi di computer di immaginazione non hanno un concetto del mondo nel suo insieme, il che significa che non possono andare oltre a svolgere i compiti specifici per i quali sono stati creati e sono facilmente ingannati.
Non possono partecipare in modo interattivo al mondo e un giorno vorremmo vedere solo questi sistemi di IA. Invece, le macchine si comporteranno esattamente come fanno sempre di fronte alla stessa situazione. Se vogliamo rendere il sistema di intelligenza artificiale affidabile e affidabile, allora è una buona cosa: vorresti che il tuo veicolo autonomo fosse affidabile. Ma se vogliamo che le macchine interagiscano con noi e con il mondo, è un male. I più semplici sistemi di intelligenza artificiale non si annoiano mai, non possono essere interessati o turbati.
AI tipo II: memoria limitata
Il tipo II include macchine che possono guardare al passato. Le auto a guida autonoma sono già un po 'capaci di questo. Ad esempio, osservano la velocità e la direzione di altri veicoli. Questo non può essere fatto tutto in una volta, per questo è necessario identificare oggetti specifici e osservarli nel tempo.
Queste osservazioni si aggiungono alle rappresentazioni pre-programmate del mondo delle auto a guida autonoma, che includono segnaletica orizzontale, semafori e altri elementi critici. Si connettono quando l'auto decide di cambiare corsia e non entrare in collisione con un'altra.
Ma queste semplici informazioni sul passato sono solo temporanee. Non verranno archiviati come parte di una libreria di esperienze sui veicoli in cui è possibile apprendere, come fanno i conducenti umani, accumulando esperienza nel corso degli anni durante la guida.
Come creiamo sistemi di intelligenza artificiale che costruiscono rappresentazioni complete, ricordano le nostre esperienze e impariamo a far fronte a nuove situazioni? Brooke aveva ragione sul fatto che questo è molto difficile da fare. Forse vale la pena cercare ispirazione nell'evoluzione darwiniana?
AI tipo III: teoria della mente
Qui dobbiamo fare una breve sosta e chiamare questo momento un importante divario tra le macchine che abbiamo e le macchine che vorremmo costruire in futuro. Tuttavia, il primo passaggio consiste nell'essere più specifici sulle visualizzazioni che le macchine dovranno creare.
Le macchine della classe successiva, più avanzata, non solo formano rappresentazioni del mondo, ma anche di altri agenti o entità del mondo. In psicologia, questa è chiamata "teoria della mente" - la comprensione che persone, creature e oggetti nel mondo possono avere pensieri ed emozioni che influenzano il proprio comportamento.
Questo è importante per il modo in cui noi esseri umani plasmiamo la società in quanto ci fornisce interazioni sociali. Senza capire le motivazioni e le intenzioni l'uno dell'altro e senza considerare ciò che qualcun altro sa di me o dell'ambiente, lavorare insieme è difficile nel migliore dei casi e impossibile nel peggiore.
Se i sistemi di intelligenza artificiale si muovono davvero tra noi, dovranno capire cosa pensiamo e sentiamo, almeno a livello di ipotesi. E adatta il tuo comportamento di conseguenza.
IV tipo di AI: autoconsapevolezza
L'obiettivo finale dello sviluppo dell'intelligenza artificiale è creare sistemi in grado di modellare le immagini di sé. In definitiva, i ricercatori di intelligenza artificiale non devono solo comprendere la coscienza, ma anche creare macchine con coscienza.
Questa è, in un certo senso, un'estensione della "teoria della mente" menzionata nel precedente tipo di IA. Quando parliamo di coscienza, intendiamo anche autoconsapevolezza. "Voglio questa cosa" è diverso da "So che voglio questa cosa". Gli esseri coscienti sono autocoscienti, consapevoli dei loro stati interiori e possono anticipare il comportamento oi sentimenti degli altri. Partiamo dal presupposto che qualcuno che ci segnala nel traffico sia arrabbiato o impaziente, perché è così che potremmo sentirci al suo posto. Senza una teoria della mente, non potremmo fare tali inferenze.
Anche se probabilmente siamo lontani dal costruire macchine autocoscienti, dobbiamo concentrare i nostri sforzi sul percorso per comprendere la memoria, l'apprendimento e la capacità di prendere decisioni sulle esperienze passate. Questo è un passo importante verso la comprensione della mente umana stessa. E questo è molto importante se vogliamo progettare o sviluppare macchine in grado non solo di classificare ciò che vedono davanti a noi, ma anche molto di più.
ILYA KHEL
