Il Machine Learning non è AI

Machine Learning. Se ne sente parlare dappertutto. Spesso, e volutamente, questo termine viene sostituito al più allettante "AI", Artificial Intelligence. Per capire meglio come si configuri l'AI nel rapporto uomo-macchina, e dove il progresso è davvero arrivato, HTML.it è volato ad Amsterdam per seguire il World Summit AI, la conferenza più grande al Mondo sull'industria delle nuove tecnologie dedicate all'intelligenza artificiale.

Conferenze, roundtable e talk hanno dimostrato che l'AI non c'è. Almeno non per ora. Secondo Nick Bostrom, luminare sull'argomento, i computer potranno essere definiti veramente intelligenti non prima del 2040, e in ogni caso le previsioni realistiche spostano le lancette dell'orologio fino al 2070.

Ed è proprio così, perché per essere intelligente, una macchina deve possedere queste 10 caratteristiche fondamentali:

• Ragionamento e problem solving.
• Rappresentazione della conoscenza.
• Pianificazione.
• Apprendimento.
• Processo naturale della lingua.
• Percezione.
• Movimento e manipolazione.
• Intelligenza sociale.
• Creatività.
• Intelligenza Generale.

Per ora, l'unica caratteristica su cui si stanno avendo risultati soddisfacenti da un punto di vista del consumatore, è l'apprendimento, tramite il Machine Learning.

Il Machine Learning è un metodo molto diffuso utilizzato per implementare l'apprendimento supervisionato: alla macchina vengono "dati in pasto" dei file da analizzare, classificandoli. Un esempio molto semplice è quello della classificazione di un fiore: si può "sottomettere" alla macchina un certo quantitativo di immagini con la foto di una margherita, classificando singolarmente queste foto come foto contenenti una margherita.

Per approfondire: World Summit AI

Se, una volta immessa una nuova foto, in questa viene riconosciuta una margherita, allora vuol dire che la classificazione ha avuto successo, e che quindi la macchina ha appreso che cos'è una margherita.

Le caratteristiche che una macchina può rilevare in un determinato oggetto sono le più semplici: colori e forme. Trovando che una margherita ha sempre una determinata forma pseudo-circolare, che è di colore bianco e che al centro possiede un oggetto dalla forma circolare di colore giallo, la macchina riesce a "vedere" e riconoscere queste caratteristiche in un'altra scena.

Ma questo non basta per definire "intelligente" una macchina. Ci sono infatti tutta una serie di studi sulla cosiddetta Intelligenza Artificiale, che fanno pensare che la strada sia ancora molto lunga. Certo è che sono stati definiti i campi di studio per sviluppare nuove tecnologie.

Ci sono infatti ricercatori che studiano il comportamento emergente, ovvero la dimostrazione di capacità nel complesso ben definibili ma non riconducibili e delle leggi prese singolarmente; c'è lo studio sull'auto-organizzazione, che è molto noto in biologia, ovvero la capacità di sviluppo autonomo e senza influenze esterne; e poi ci sono gli studi sul comportamento collettivo, sulle reti sociali, sull'evoluzione e sull'adattamento. E poi ci sono la teoria dei sistemi, la dinamica non lineare e la teoria dei giochi, quest'ultima molto utilizzata in crittografia avanzata e nello sviluppo di cryptovalute come il Bitcoin.

La strada è tanta, anzi, le strade sono tante. Bisogna percorrerle tutte, per poter rendere una macchina davvero intelligente.