Secondo molti autorevoli osservatori l'Intelligenza Artificiale rappresenta la prossima grande svolta per il genere umano. Le ricerche a riguardo sono infatti ormai numerosissime, e un recente articolo su The Economist racconta in modo semplice ma dettagliato come tutte le grandi corporation del mondo stiano orientando i loro sforzi alla realizzazione di AI sempre migliori e più utili.
Mai come in quest'epoca e per questa disciplina, tuttavia, è necessario un aggiornamento costante delle informazioni. A quanto già sappiamo, infatti, va aggiunta una nuova tecnica chiamata Turing Learning, che prende il nome dallo scienziato Alan Turing.
Leggi anche: Breve storia della crittografia - La Seconda Guerra Mondiale, ENIGMA e Alan Turing
Turing Learning è, come si può immaginare, una tecnica di machine learning. Un sistema il cui obiettivo è creare una macchina che possa imparare. L'aspetto notevole di questo approccio è che al computer non viene data nessuna indicazione. Le si "mettono davanti" due o più set di dati, e le si dice "ok, ora impara". Per quanto possa sembrare incredibile, funziona piuttosto bene.
Esiste infatti una dimostrazione pubblicata dagli esperti dell'Università di Sheffield (UK). L'Intelligenza Artificiale ha potuto osservare due diversi sciami di robot, uno dei quali si muoveva secondo uno schema semplice ma sconosciuto, l'altro in modo casuale. La macchina, in modo del tutto autonomo, ha individuato gli schemi del primo sciame.
L'algoritmo non contiene nessuna informazione di partenza, alla macchina non sono dati obiettivi specifici come per esempio "cerca uno schema". Semplicemente il computer guarda i robot e cerca di notare attributi rilevanti e cerca di comprendere quale dei due sciami sta guardando. La macchina affina le proprie informazioni tramite un sistema di domande sì/no: in altre parole osserva, formula e verifica un'ipotesi, e poi ricomincia usando le informazioni ottenute e correggendo eventuali errori. Il risultato, in estrema sintesi, è una macchina che comprende ciò che vede in modo sempre più preciso.
La macchina osserva, formula e verifica un'ipotesi. Poi ricomincia usando le nuove informazioni.
Perché questo risultato è rilevante? Perché stiamo disperatamente cercando di realizzare macchine che possano comprendere l'ambiente in cui si trovano e agire di conseguenza, e che lo facciamo in fretta consumando quanta meno energia possibile.
Leggi anche: la rivoluzione AI, il cammino verso la Superintelligenza
Ne abbiamo bisogno, per esempio, se vogliamo davvero realizzare veicoli autonomi di livello 4 e 5 - un obiettivo che molti credono raggiungibile entro 10-15 anni. Ne abbiamo bisogno per comprendere il clima del nostro pianeta, e ancora più importante capire come rispondere all'enorme problema del cambiamento climatico. Ne abbiamo bisogno per fare sì che la Scienza Medica continui a progredire, perché sappiamo già ora che un Intelligenza Artificiale può arrivare a capire certe malattie come nessun medico umano potrebbe.
Potremmo mostrare al computer i quadri di 1000 pittori surrealisti e scoprire cose sulla natura umana che sono sfuggite ai critici. Potremmo fargli leggere le opere dei filosofi o le avventure di Harry Potter, sottoporgli i dati che fanno venire il mal di testa ai sismologi o agli astrofisici. Potremmo mostrare al computer come si muovono le persone in una grande città, e lui in cambio ci potrebbe dare strumenti nuovi per rendere le città stesse più vivibili e più sicure.
IlTuring Learning si potrebbe applicare a qualsiasi campo, e avrebbe sempre il potenziale per svelare nuove informazioni che a noi sfuggono. E grazie alla dimostrazione in questione, sappiamo che è possibile.
 | Superintelligence: Paths, Dangers, Strategies | |
 | The Singularity is Near | |
 | Intelligenza Artificiale - Le basi |