È specialmente nel campo del riconoscimento visivo e linguistico, nell’uso di meccanismi premio-punizione per insegnare ad un robot, e nell’interazione con il mondo fisico che abbiamo fatto i progressi migliori. Von Neumann negli anni ’40 del secolo scorso mette le basi per un’architettura di calcolatore che imiti la struttura del nostro cervello, e dopo di lui David Hubel negli anni ’60 dà il via ai network neuronali artificiali per imitare la struttura delle nostre sinapsi. Dall’osservazione dell’apprendimento nei bambini e negli animali parte lo sviluppo del reinforcement learning (premi e punizioni), e così arriviamo ad oggi con la NeuroAI, che studia lo sviluppo di agenti artificiali per capire ed imitare il processo neuronale e sviluppare il pensiero astratto.
Da un punto di vista evolutivo, è solo l’Homo Sapiens che da 100.000 anni a questa parte ha sviluppato la capacità di astrazione e di formulazione del linguaggio, che s’è andata a sommare all’intelligenza psico-motoria che condividiamo coi mammiferi. È questa la considerazione di base di Alan Turing, che nel 1950 definisce il test per capire se una macchina sia veramente intelligente o animale: un giudice deve esaminare la conversazione tra una persona ed una macchina, senza sapere chi sia chi, e se non riesce a capire chi è la macchina, significa che essa ha raggiunto la capacità di astrazione e comando del linguaggio di una persona, che è intelligente. Ad oggi, come dice Gabriele da Twitter, di macchine intelligenti come una persona non ne abbiamo ancora.
Infatti, in questo istante i modelli più sofisticati di comunicazione funzionano sulla combinazione probabilistica di termini e costrutti, non sull’esperienza di vita del robot, che possa aver imparato la teoria della mente ed il contesto sociale in cui si trova. Inoltre, la capacità psico-fisica è minima, ancora imparagonabile a persona o animale, perché la macchina non ha la flessibilità per apprendere nuovi movimenti e come interagire in situazioni che si presentano per la prima volta.
NeuroAI si propone di fare il reverse engineering del nostro cervello, per conoscere tutti i principi di funzionamento. Come fanno 85 miliardi di neuroni, suddivisi in migliaia di tipologie diverse, a parlare con migliaia di colleghi in un intrico inesplicabile di circuiti? La strada è la creazione di agenti artificiali con cui modellare i neuroni con le loro interazioni, e da lì giocare fino a quando si costruiscano processi umanamente intelligenti. Come nell’industria aeronautica si sono studiate e modellate le ali degli uccelli per costruire ali d’aereo molto migliori delle precedenti, allo stesso modo occorre fare per quanto di più complesso esista in natura, il nostro cervello. Teniamo conto che mentre abbiamo riprodotto la struttura dell’ala di un uccello, siamo ancora lontani dal riprodurre la capacità di volo dell’animale. Allo stesso modo, siamo ancora lontani dalla formazione di pensiero astratto e di linguaggio come espressione della mente elettronica.
L’intelligenza artificiale esiste e funziona in alcuni campi specifici, pensiamo al radiatore dalla forma incomprensibile progettato qualche anno fa da DeepMind, o il traduttore intelligente che ha imparato il cinese nonostante fosse allenato solo su inglese e spagnolo. Ma, importante sottolineare, queste non sono forme di intelligenza paragonabile alla nostra, che si riconosce per astrazione e sviluppo del linguaggio.
