Il recente articolo What is Artificial Intelligence? A three part definition di Jeff Leek in Simply Statistics contiene importanti riflessioni sul significato del termine intelligenza artificiale.
Per capire che cosa significhi davvero questo termine, conviene partire dalle immagini che la parola suscita nella maggior parte delle persone. La prima definizione è in effetti proprio quella più radicale: l’AI come macchina capace di svolgere qualsiasi compito intellettuale che un essere umano riesce a fare. Questa forma viene spesso chiamata artificial general intelligence, cioè un’intelligenza artificiale generale, paragonabile alla mente umana per ampiezza di capacità. È una definizione affascinante, ma anche poco utile per descrivere la situazione presente, perché non esiste ancora una tecnologia vicina a questo obiettivo.
L’articolo sottolinea infatti che i sistemi attuali non sono sostituti generali dell’essere umano. Sono invece modelli costruiti per fare una cosa sola, o comunque un numero limitato di cose. Esistono applicazioni estremamente efficaci per tradurre lingue, riconoscere volti nelle immagini o guidare automobili, ma nessuna di queste tecnologie può essere trasferita direttamente a compiti completamente diversi. Un sistema di riconoscimento facciale non sa guidare un’auto, e un sistema di traduzione non sa riconoscere un volto.
Da qui nasce una seconda definizione, più stretta e più comune nel linguaggio quotidiano: chiamiamo AI i sistemi che mimano funzioni cognitive umane, come l’apprendimento o il problem solving. Anche questa definizione ha un suo valore, perché descrive bene molte applicazioni moderne, dalla traduzione automatica al riconoscimento delle immagini, ma ha un limite importante: è una definizione relativa. Ciò che oggi ci sembra sorprendente e “intelligente”, domani può diventare ordinario e smettere di essere chiamato AI. L’autore lo riassume con una formula efficace: appena qualcosa funziona davvero, spesso nessuno la chiama più intelligenza artificiale. Viene in mente l’esempio del computer che può giocare a scacchi.
L’articolo propone quindi una definizione più concreta e stabile, utile a demistificare l’AI contemporanea. Secondo questa impostazione, un sistema di intelligenza artificiale richiede tre componenti: un data set, un algoritmo e un’interfaccia. Il data set è l’insieme di esempi, di dati usati per addestrare un modello statistico o di machine learning; l’algoritmo è il procedimento che impara da quei dati e sa applicare quanto appreso a nuovi casi; l’interfaccia è il mezzo attraverso cui l’utente fornisce l’input e riceve il risultato nel mondo reale.
Questa definizione è interessante perché include sia esempi storici sia casi moderni come le auto a guida autonoma. Prendiamo Amazon Echo e Alexa: il data set è costituito dalle registrazioni vocali raccolte da Amazon, l’algoritmo è il servizio di voice recognition e machine learning che viene addestrato su quei dati, mentre l’interfaccia è il dispositivo Echo, cioè il canale attraverso cui la persona parla con il sistema e ottiene una risposta. In questa prospettiva, l’AI non è un’entità misteriosa, ma una combinazione di elementi ben riconoscibili.
L’ultimo passaggio dell’articolo spiega perché l’interesse per l’intelligenza artificiale sia esploso proprio negli ultimi anni. Il primo fattore è il crollo dei costi di archiviazione e raccolta dei dati. Il secondo è la crescita della potenza di calcolo, che rende praticabili algoritmi molto flessibili come le reti neurali profonde. Il terzo, spesso sottovalutato, è la diffusione di nuove interfacce che permettono anche ai non esperti di interagire con modelli complessi.