211service.com
Macchine pensanti
Nel 1982, quando era ancora studente al MIT, Danny Hillis ha co-fondato Thinking Machines, uno dei più famosi fallimenti nella storia dell'informatica. Un alveare di ricercatori ribelli e brillanti, Thinking Machines ha cercato di costruire la prima intelligenza artificiale al mondo. Ma se l'azienda non è riuscita a costruire una macchina che sarà orgogliosa di noi (il suo motto aziendale), la sua Connection Machine ha dimostrato la praticità dell'elaborazione parallela, il fondamento del moderno supercalcolo. Oggi, Danny Hillis è copresidente di Applied Minds, un'azienda di design e invenzione, e sta costruendo l'orologio del Long Now, un segnatempo meccanico destinato a durare 10.000 anni.
Danny Hillis in ufficio in un motore H-1 di un razzo Saturn 1B, il primo stadio motore per l'Apollo 7. (Credit: Daniel Hennessey)
TR: Perché creare un'intelligenza artificiale è così difficile?
Questa storia faceva parte del nostro numero di novembre 2006
- Vedi il resto del problema
- sottoscrivi
Hillis: Guardiamo alla nostra mente e osserviamo i nostri schemi di pensiero cosciente, ragionamento, pianificazione e fare analogie, e pensiamo, questo è pensare. In realtà, è solo la punta di un iceberg molto profondo. Quando i primi ricercatori di intelligenza artificiale iniziarono, presumevano che i problemi difficili fossero cose come giocare a scacchi e superare esami di calcolo. Quella roba si è rivelata facile. Ma i tipi di pensiero che sembravano facili, come riconoscere un volto o notare ciò che è importante in una storia, si sono rivelati molto, molto difficili.
TR: Perché Thinking Machines non è riuscita a creare una macchina pensante?
Hillis: Bene, la risposta disinvolta è che non abbiamo avuto abbastanza tempo. Ma abbastanza tempo sarebbero stati decenni, forse vite. È un problema difficile, probabilmente molti problemi difficili, e non sappiamo davvero come risolverli. Non abbiamo ancora una vera risposta scientifica a Cos'è una mente?
TR: La Connection Machine era una piattaforma efficace per il supercalcolo. Perché Thinking Machines non ha prosperato come azienda di supercalcolo?
Hillis: Il supercalcolo si è rivelato una tecnologia, non un business. Il mio amico Nathan Myhrvold, che all'epoca gestiva Microsoft Research, una volta mi disse: È difficile creare software per un supercomputer almeno quanto per un PC, ma hai solo poche migliaia di clienti e noi ne abbiamo miliardi. Non solo, ma ognuno di quei clienti si aspetta che tu dia loro esattamente ciò di cui hanno bisogno.
TR: Quali sono state le applicazioni commerciali di successo della ricerca presso Thinking Machines?
Hillis: Le applicazioni commerciali erano principalmente progettazione di chip, data mining, ricerca di testo, crittografia, chimica computazionale, computer grafica, ottimizzazione finanziaria, elaborazione sismica e modellazione del flusso di fluidi. Le applicazioni scientifiche come l'astronomia, i modelli climatici o la cromodinamica quantistica sono state entusiasmanti quando hanno contribuito a ottenere un risultato sulla copertina di Natura , ma non abbiamo mai fatto soldi con loro.
TR: Che fine hanno fatto i brevetti di Thinking Machines? Più di chiunque altro, sei responsabile di un'enorme elaborazione parallela. Ottieni credito, ma nessun pagamento. Chi lo riceve e perché?
Hillis: Bene, prima di tutto, dovrei essere chiaro che sono solo una delle tante persone che hanno contribuito allo sviluppo del calcolo parallelo di massa. Per quanto riguarda i brevetti, una delle conseguenze del fallimento di Thinking Machines è che ho perso ogni diritto sulle tecnologie. Col senno di poi, si è rivelata una benedizione, perché mi ha salvato dal passare il prossimo decennio della mia vita in tribunale.
TR: In che modo la tua filosofia dell'intelligenza artificiale è diversa dalla famosa società della mente di Marvin Minsky?
Hillis: Marvin è il mio mentore, quindi qualsiasi filosofia di intelligenza artificiale che ho inizia con la sua. Vivevo nel suo seminterrato mentre scriveva il libro Società della mente, e ogni giorno scriveva una o due nuove pagine e me la lasciava leggere. Poi ne avremmo parlato, e avrei potuto sentire tutto il pensiero che ci aveva messo dietro. Non riesco ancora a immaginare come sarebbe leggere quel libro, dall'inizio alla fine, senza una lunga conversazione su ogni pagina. Ma questo è il punto del libro: come direbbe Marvin, The brain is a kludge. Ci sono molte cose diverse che accadono e interagiscono in modi complicati. Marvin ha sicuramente torto sulla maggior parte dei dettagli, ma penso che il quadro generale di molti processi semiautonomi diversi e debolmente accoppiati sia fondamentalmente giusto.
TR: Eri in anticipo sui tempi nell'applicare il calcolo all'immunologia, alla genetica e alla neurobiologia. Oggi, il calcolo è onnipresente in biologia. Cosa significherà questo?
Hillis: Sono entusiasta che la biologia computazionale si stia affermando. Sembra che il campo dell'informatica fosse nel 1970. Tutto sembra possibile e l'unico vincolo è la nostra immaginazione. Ci sono ancora così tante semplici e basilari domande senza risposta: come vengono codificati i ricordi? In che modo il sistema immunitario ha un senso di 'sé'?
Sono particolarmente interessato a quello che verrà dai modelli computazionali dell'evoluzione, anche se devo ammettere che il campo sembra un po' bloccato in questo momento. La maggior parte degli attuali modelli di evoluzione lo riduce a un tipo di algoritmo di ricerca molto debole, ma ho sempre sentito che c'è qualcosa di più in esso. Non è che i biologi si sbaglino sui meccanismi, ma piuttosto che i modelli sono molto più semplici della biologia. Può essere che l'interazione tra evoluzione e sviluppo sia la chiave, o comportamento e ambiente, o qualcosa del genere.