.png)
Google DeepMind ha messo a punto un algoritmo che combina l'elaborazione dei dati con l'autoapprendimento. DeepMind ha creato un cosiddetto "computer neurale differenziabile" (DNC) e l'ha testato sul campo usando la metropolitana di Londra. Questo nuovo algoritmo riesce a mantenere un'informazione in memoria e usarla per risolvere problemi molto simili, in cui quanto imparato può essere usato per arrivare a una soluzione.
Gli scienziati hanno allenato la loro rete neurale a trovare il modo di viaggiare tra due fermate nel più breve tempo possibile. "Potete dargli in pasto la mappa della metropolitana, può archiviare quella mappa e usarla da quel momento in avanti in situazioni simili, se ne ha bisogno", ha spiegato Alex Graves, leader della ricerca.
Far sì che una IA si muova in modo efficiente in una metropolitana non è un fatto nuovo, ma lo è la capacità di "memorizzare" il metodo impiegato. In un certo senso si può dire che DeepMind faccia tesoro di un "ragionamento", per applicarlo in futuro. Per esempio DeepMind può usare quanto appreso con la metropolitana di Londra in altre città, come Parigi. "È in grado di operare su qualcosa di completamente nuovo, che non ha mai visto prima. È un tipo di memoria di cui erano prive le reti neurali", ha aggiunto Graves.
Nei test della metropolitana londinese una rete neurale "senza memoria" non è riuscita nemmeno a finire il primo livello di formazione, raggiungendo una precisione media di solo il 37% dopo aver vagliato quasi due milioni di esempi. La rete neurale con accesso alla memoria esterna nel sistema DNC ha invece completato con successo l'intero programma di formazione e ha raggiunto un'accuratezza media del 98,8% nella "lezione" finale.
Le reti neurali tradizionali possono imparare qualsiasi cosa gli serva per trovare il modo più veloce di trasportare una persona da un punto all'altro, ma allo stesso tempo devono essere "alimentate" più volte con i dati. "Non si può dare a reti neurali normali un pezzo di informazione e attendersi che lo conservino a tempo indeterminato - a un certo punto l'informazione verrà sovrascritta e l'avranno essenzialmente dimenticata", ha aggiunto Graves. Con una DNC, invece, le informazioni in memoria possono essere mantenute "a tempo indeterminato".
Quella della metro di Londra non è l'unica prova a cui gli scienziati di DeepMind hanno sottoposto la nuova rete neurale. Per esempio hanno dato al sistema i dettagli di un albero genealogico e l'intelligenza artificiale è stata in grado di correlare i gradi di parentela, individuando chi era la zia o il padre di un soggetto, mettendoli in relazione l'un l'altro. "Presi nel loro complesso i nostri risultati dimostrano che le DNC hanno la capacità di risolvere problemi complessi, operazioni strutturate che sono inaccessibili alle reti neurali senza una memoria di lettura-scrittura esterna", hanno sottolineato i ricercatori.
"Come un computer convenzionale, la rete può usare la sua memoria per rappresentare e manipolare strutture di dati complesse e, allo stesso tempo, può imparare a farlo dai dati". Fondamentalmente la rete neurale è stata allenata, sulla base di una precedente esperienza, a risolvere un problema familiare. Herbert Jaeger, informatico della Jacobs University di Brema, ritiene che la "memoria" permetta all'intelligenza artificiale di ragionare.
"Graves e i colleghi hanno dimostrato le capacità del loro sistema mettendolo di fronte a diverse attività che richiedono un ragionamento razionale, come ad esempio la pianificazione di un viaggio a più fermate con i mezzi pubblici", ha scritto Jaeger. Finora, ha spiegato, i computer sono stati in grado di raggiungere questo obiettivo solamente tramite un programma scritto in modo apposito.
La ricerca di DeepMind potrebbe avere grandi implicazioni nella gestione dei "Big Data" - la grande massa di informazioni prodotta nell'analisi di ogni avvenimento - se potrà essere usata per gestire grandi database. "Una memoria flessibile ed estensibile in stile DNC potrebbe permettere al deep learning di espandersi in applicazioni Big Data in cui c'è una componente di ragionamento razionale, come la generazione di commenti ai video o l'analisi semantica del testo", ha speculato Jaeger.
Nel 2014 i ricercatori di DeepMind avevano sviluppato un altro sistema chiamato Neural Turing Machine. Anch'esso combinava reti neurali con una memoria esterna. Quella soluzione però era limitata, in quanto il sistema poteva accedere all'informazione poiché la "memoria" era fissata e recuperata dall'interno di blocchi fissi. Il sistema DNC può invece accedere a "ricordi" in una posizione arbitraria, ha spiegato Jay McClelland, direttore del Center for Mind, Brain and Computation della Stanford University. L'architettura di memoria del sistema DNC ha una certa somiglianza con il modo in cui la regione dell'ippocampo all'interno del cervello umano supporta la crescita di nuove cellule cerebrali e connessioni al fine di conservare nuovi ricordi.
Secondo McClelland i sistemi come DNC potrebbero rappresentare un passo cruciale verso lo sviluppo dell'intelligenza artificiale evoluta, ma potrebbero non essere sufficienti per raggiungere tutte le sfumature dell'intelligenza umana. Fortunatamente - o no per chi teme lo sviluppo dell'intelligenza artificiale - "DNC è solo delle dozzine di sistemi di apprendimento neurale nuovi e molto potenti che stanno apparendo un po' ovunque", ha aggiunto McClelland.
 | Superintelligence: Paths, Dangers, Strategies | |
 | The Singularity is Near | |
 | Intelligenza Artificiale - Le basi |