Il futuro dell’intelligenza artificiale

Pubblicato in origine su Esquire nel maggio 2018

Il tutto, mentre il potere di calcolo dei computer e la quantità di big data a disposizione (che sono il cibo di cui le AI si nutrono per il loro apprendimento) non fanno che aumentare: nel 2012, il team che ha vinto la competizione di ImageNet (che rappresenta il benchmark per misurare i progressi dei software intelligenti) ha impiegato più di cinque giorni per addestrare il suo algoritmo di riconoscimento immagini; nel 2017 questo tempo è sceso a un’ora, l’anno successivo si è arrivati a 15 minuti.

I progressi, insomma, procedono a un ritmo crescente e si focalizzano sempre di più sul superamento dei limiti già descritti. Nel mese di ottobre 2016, per esempio, la società DeepMind (di proprietà di Google) ha pubblicato su Nature uno studio in cui rivela di aver creato una rete neurale dotata di una memoria esterna, che le consente di strutturare autonomamente i dati e richiamarli all’occorrenza per fare deduzioni.

Il sistema, chiamato differentiable neural computer, è stato capace di pianificare al primo colpo, senza precedenti tentativi, il percorso migliore per spostarsi tra le stazioni della metropolitana di Londra. Un progresso cruciale, reso possibile dall’allenamento della macchina (con il classico metodo “sbaglia e riprova”) su mappe della metro di altre città. Mentre si allenava su queste mappe, la rete neurale ha imparato a utilizzare la sua memoria per immagazzinare i dati utili e richiamarli nel momento del bisogno.

La capacità di usare la memoria rappresenta il primo passo verso una vera intelligenza artificiale

Per quanto anche questa AI sia in grado di svolgere un solo compito, la sua capacità di utilizzare in modo pratico la memoria potrebbe rappresentare il primo passo per arrivare a una vera intelligenza artificiale, che sappia imparare in termini generali e poi riutilizzare i dati in memoria per sfruttare ciò che ha appreso (da notare che anche in Westworld le intelligenze artificiali mostrano i primi segni di autonomia e coscienza nel momento in cui iniziano a usare la memoria).

La logica delle intelligenze artificiali

Il sistema sperimentale messo a punto ormai quasi due anni fa da DeepMind potrebbe quindi essere un passo importante nell’evoluzione delle AI, che le avvicina a un’intelligenza di tipo umano. Sempre DeepMind ha presentato, meno di un anno fa, una nuova architettura software, chiamata relation network, che ha l’obiettivo di fornire ai software il ragionamento relazionale; quella capacità tipicamente umana di usare la logica per collegare e comparare luoghi, immagini, sequenze e altre entità.

“Stiamo costringendo il network a scoprire le relazioni esistenti tra oggetti diversi”, ha spiegato Timothy Lillicrap, autore del paper in cui è stata presentato il relation network. Per riuscire nell’impresa, hanno unito il loro nuovo modello con altre due reti neurali: una specializzata nel riconoscimento degli oggetti e un’altra in grado di comprendere le richieste vocali. A questo punto, hanno posto al network una serie di domande riguardanti le relazioni tra i diversi oggetti presenti in alcune immagini; per esempio: “L’oggetto di fronte al cilindro blu ha la stessa forma del piccolo oggetto color turchese che si trova alla destra della palla di metallo?”.

Domande non così ovvie nemmeno per gli esseri umani, che infatti hanno risposto correttamente nel 92% dei casi. Il sistema messo a punto da DeepMind, invece, è arrivato a quota 96%. Una macchina, quindi, osserva i colori, identifica le forme degli oggetti e mette tutto in relazione alla domanda che le è stata posta per fornire la risposta corretta. Tutto questo, in futuro, potrebbe tornare molto utile nell’analisi dei filmati registrati dalle telecamere di sorveglianza (sollevando l’uomo da un ulteriore incarico) o per aiutare le auto autonome a districarsi nel traffico. Ma si può davvero parlare di ragionamento?

L’obiettivo è la creazione di AI in grado di mostrare la flessibilità tipica degli esseri umani

“DeepMind ha modellato un particolare tipo di ragionamento”, ha spiegato a Science Mag lo scienziato informatico di Stanford Justin Johnson. “Non stanno cercando di creare un ragionamento di carattere veramente generale, ma si tratta comunque di un passo molto importante nella giusta direzione”. Una direzione che deve condurre a un traguardo ben preciso: la creazione di intelligenze artificiali in grado di mostrare la flessibilità tipica degli esseri umani, quella che ci consente di svolgere una vastissima gamma di compiti – tradurre da una lingua all’altra per poi dedicarci alla cucina e poi giocare a calcio – senza dover ogni volta subire una completa riprogrammazione.

È questo l’obiettivo finale, che porterà alla creazione di quelle AGI (artificial general intelligence) che alcuni temono possa essere la nostra “ultima invenzione”; dopodiché saranno le AI stesse a programmare software sempre più intelligenti, imboccando la strada della singolarità tecnologica e della obsolescenza degli esseri umani. Ma prima di fasciarci la testa davanti a scenari fantascientifici, vale la pena di guardare a che punto è questo percorso.

Una AI aliena

I progressi, in realtà, sono abbastanza impressionanti e sono ancora una volta merito di DeepMind. Nel 2016 il software AlphaGo, come noto, ha battuto il campione mondiale di Go Lee Sedol. Pochi mesi dopo, nel dicembre 2017, è nato AlphaZero: una versione più generale e più potente di AlphaGo, in grado di giocare non solo a Go, ma anche a scacchi e shogi (un altro gioco strategico da tavolo).

AlphaZero ha vinto le sue partite usando mosse completamente controintuitive

Risultato? “Senza nessuna guida umana che non fossero le regole del gioco, AlphaZero ha insegnato a se stesso come giocare a scacchi a un livello altissimo, in sole 4 ore”, si legge su HackerNoon. “Nel giro di 24 ore, AlphaZero è stato in grado di sconfiggere le AI più avanzate in tutti e tre i giochi”. Dennis Hassabis, CEO di DeepMind, ha definito lo stile di AlphaZero “alieno”, perché in alcuni casi è riuscita a vincere le partite (anche contro gli umani) usando mosse completamente controintuitive, che nessuno avrebbe mai adottato, e compiendo sacrifici all’apparenza assurdi.

Non è facile, per chi ha impiegato anni a padroneggiare i giochi più complessi mai inventati dall’uomo, osservare impotente una AI che riesce a sconfiggerli dopo qualche ora di esercizio. Ma soprattutto, se AlphaZero è in grado di imparare senza essere stato esplicitamente addestrato, e se è in grado di eseguire ai massimi livelli giochi tra loro diversi (eseguendo quindi compiti differenti senza essere riprogrammato ogni volta), significa che ci troviamo davanti a un’intelligenza artificiale generale?

 

Probabilmente, no. AlphaZero rappresenta uno dei massimi risultati che si possono ottenere usando la tecnica brute force: cercando senza sosta, centinaia di migliaia di volte, le combinazioni migliori; sbagliando e riprovando e sbagliando ancora. Fino al momento in cui, un po’ come si forza una password digitando innumerevoli combinazioni diverse, il software non impara tutte le mosse migliori da contrappore all’avversario. Come ha spiegato il matematico José Collados su Medium, AlphaZero potrà anche sconfiggere il campione mondiale di Go, ma non ha comunque la più pallida idea di cosa stia facendo e a quale gioco stia giocando; sta semplicemente applicando dei calcoli statistici estremamente evoluti all’interno dei confini che le sono stati forniti (le regole del gioco).

Un’altra possibile strada passa invece dal transfer learning: un sistema che consente a un algoritmo di deep learning di conservare in memoria quanto appreso durante il training e riutilizzarlo per velocizzare l’apprendimento di esercizi diversi (un po’ come noi umani impariamo ad andare in bicicletta e poi utilizziamo alcuni dei principi appresi per andare in motorino). La speranza è che, attraverso questo sistema, una AI possa imparare a saltare di mansione in mansione, utilizzando meno dati, impiegando meno tempo e diventando sempre più generale.

Questa potrebbe essere la chiave per creare una vera intelligenza artificiale generale; e considerando la velocità straordinaria dei progressi scientifici in questo campo, la nostra “ultima invenzione” potrebbe arrivare prima di quanto immaginato. Qualcuno vada in cerca di John Connor.

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo di WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google photo

Stai commentando usando il tuo account Google. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...