Risolvere l'IA

L'obiettivo dell'intelligenza artificiale (almeno secondo i fondatori del campo) è creare computer la cui intelligenza eguagli o superi quella umana. Raggiungere questo obiettivo è il famoso problema dell'IA. Per alcuni, l'intelligenza artificiale è il destino manifesto dell'informatica. Per altri, è un fallimento: chiaramente, il problema dell'intelligenza artificiale non è neanche lontanamente risolto. Come mai? Per la maggior parte, la risposta è semplice: nessuno sta davvero cercando di risolverlo. Questo potrebbe essere una sorpresa per le persone al di fuori del campo. Cosa hanno fatto tutti quei ricercatori di intelligenza artificiale in tutti questi anni? La realtà è che hanno in gran parte rinunciato alle grandi ambizioni dell'intelligenza artificiale e stanno invece lavorando su sottoproblemi sempre più specializzati: non solo l'apprendimento automatico o la comprensione del linguaggio naturale, ad esempio, ma questioni all'interno di quelle aree, come classificare oggetti o analizzare frasi.

Penso che questo approccio divide et impera non funzionerà. Nell'intelligenza artificiale, la migliore soluzione a un problema considerato isolatamente spesso ostacola la risoluzione di un problema più ampio. Per fare progressi reali, dobbiamo lavorare su problemi end-to-end: attività autonome, come leggere il testo e rispondere alle domande, che comportano una serie di sottoattività (vedi Assistente software intelligente ). Finora non è stato proprio possibile farlo, perché non era disponibile la potenza di calcolo necessaria. Ma entro un decennio o giù di lì, i computer supereranno la potenza di calcolo del cervello umano. (Mentre i computer sono estremamente efficienti in compiti specifici, come l'aritmetica, i cervelli umani sono ancora avanti in termini di numero di operazioni che possono eseguire al secondo. Quando questo viene applicato a cose in cui le persone sono brave, come la visione e la comprensione del linguaggio, i computer perdono.)

Questa storia faceva parte del nostro numero di marzo 2009

• Vedi il resto del problema
• sottoscrivi

Tuttavia, la potenza di calcolo non è l'intera risposta. I precedenti tentativi di risolvere i problemi di intelligenza artificiale end-to-end sono falliti in due modi. Alcuni hanno semplificato eccessivamente i problemi al punto che le soluzioni non si sono trasferite nel mondo reale. Altri si sono scontrati con un muro di complessità ingegneristica: troppe cose da mettere insieme, troppe interazioni tra loro, troppi bug.

Per fare meglio, abbiamo bisogno di un nuovo linguaggio matematico per l'intelligenza artificiale. Esempi da altri campi della scienza e della tecnologia dimostrano quanto questo possa essere potente: la meccanica, per esempio, ha beneficiato del calcolo; corrente alternata da numeri complessi; e circuiti digitali dalla logica booleana. Oggi queste cose sembrano una seconda natura ai loro praticanti, ma all'epoca erano tutt'altro che ovvie. La chiave è trovare il linguaggio giusto in cui formulare e risolvere i problemi.

Quale dovrebbe essere il linguaggio dell'IA? Come minimo, abbiamo bisogno di un linguaggio che combini logica e probabilità. La logica può gestire la complessità del mondo reale - un gran numero di oggetti interagenti, ad esempio, o più tipi di oggetti - ma non la sua incertezza. I modelli grafici probabilistici sono emersi come linguaggio generale per affrontare l'incertezza, ma non sono in grado di gestire la complessità del mondo reale.

L'ultimo decennio ha visto progressi reali in questa direzione, ma questi sono ancora i primi giorni. È improbabile che troveremo il linguaggio dell'intelligenza artificiale finché non avremo più esperienza con i problemi di intelligenza artificiale end-to-end. Ma è così che alla fine risolveremo l'IA: attraverso l'interazione tra affrontare problemi reali e inventare un linguaggio che li renda più semplici.

Pedro Domingos è professore associato di informatica e ingegneria presso l'Università di Washington a Seattle.

nascondere