L’intelligenza Artificiale generale è uno strumento in grado di comprendere e con la stessa capacità di imparare a svolgere una vasta gamma di compiti.
Questo livello di intelligenza artificiale sarebbe in grado di eguagliare la nostra stessa intelligenza.
Con l’Intelligenza Artificiale Generale le macchine possono emulare la mente e il comportamento umano per risolvere qualsiasi tipo di problema complesso.
Essendo progettate per avere una conoscenza completa e capacità di calcolo cognitivo, le prestazioni di queste macchine sono indistinguibili da quelle degli esseri umani.
Cosa può fare l’Intelligenza Artificiale Generale?
Con una base di intelligenza artificiale così solida, l’Intelligenza Artificiale Generale può:
- pianificare;
- apprendere abilità cognitive;
- formulare giudizi;
- gestire situazioni incerte;
- integrare le conoscenze precedenti nel processo decisionale o migliorare la precisione.
L’Intelligenza Artificiale Generale facilita le macchine a svolgere compiti innovativi, fantasiosi e creativi.
Nell’immaginario collettivo, quando si parla di AGI, di superintelligenza artificiale o di singolarità tecnologica ci si riferisce a un’AI di livello umano (a volte anche dotata di una coscienza) e quindi, citando Marvin Minsky negli anni ’70: una macchina in grado di leggere Shakespeare, fare politica, raccontare una barzelletta, litigare.
A quel punto, la macchina potrà insegnare a sé stessa a una velocità incredibile. Nel giro di pochi mesi avrà raggiunto un livello geniale e pochi mesi dopo i suoi poteri saranno incalcolabili”.
In questi casi si finisce con lo sbandare dal concetto di innovazione tecnologica a concetti puramente fantascientifici.
Alcuni esperti sostengono che gli esseri umani non potranno mai spingere le macchine oltre la Artificial Narrow Intelligence, ma la realtà è che probabilmente raggiungeremo questo livello di intelligenza artificiale molto presto.
Cos’è l’Artifical Narrow Intelligence?
Opera in un intervallo di parametri predeterminato e predefinito. Questa forma di IA è estremamente utile e può essere utilizzata per fare qualsiasi cosa, dalla creazione di opere d’arte all’identificazione del cancro nelle persone. La maggior parte delle persone ha poca o nessuna paura dell’IA.
È definita come la versione orientata agli obiettivi dell’IA progettata per svolgere al meglio un singolo compito come tenere traccia degli aggiornamenti meteorologici, generare rapporti di data science analizzando dati grezzi.
I sistemi di intelligenza artificiale ristretta sono programmati per partecipare a un’attività alla volta estraendo informazioni da un set di dati specifico. In altre parole, tali sistemi non vanno oltre i compiti assegnati.
A differenza dell’IA generale, l’IA ristretta manca di autocoscienza, coscienza, emozioni e intelligenza genuina che possa eguagliare l’intelligenza umana.
Sebbene tali sistemi possano sembrare sofisticati e intelligenti, operano in base a un insieme predeterminato e predefinito di parametri, vincoli e contesti.
Dopo aver fatto una breve descrizione dell’intelligenza artificiale ristretta andiamo a vedere gli approcci principali dell’Intelligenza Artificiale Generale.
Vuoi avere maggiori informazioni? Allora clicca qui sotto e
Intelligenza Artificiale Generale e approccio simbolico
L’approccio simbolico si riferisce all’uso di reti logiche (cioè affermazioni if-then) e simboli per apprendere e sviluppare una base di conoscenza completa.
Questa base di conoscenza viene ulteriormente ampliata manipolando questi simboli che rappresentano gli aspetti essenziali del mondo fisico. L’approccio imita i livelli superiori nel pensiero di un cervello umano.
Teoricamente, l’approccio simbolico può eseguire la logica e il pensiero di livello superiore, ma in realtà manca nell’apprendimento di compiti di livello inferiore come la percezione.
Un esempio appropriato dell’approccio simbolico è il progetto CYC avviato da Douglas Lenat di Cycorp negli anni ’80 per far progredire il lavoro nell’IA. CYC ha una vasta base di conoscenze, un sistema logico e un forte linguaggio rappresentativo.
L’Intelligenza Artificiale Generale e l’approccio connessionista
L’approccio connessionista è un approccio sub-simbolico che utilizza architetture simili al cervello umano (come le reti neurali) per creare intelligenza generale.
L’approccio prevede l’emergere di intelligenza di livello superiore da sistemi sub simbolici di livello inferiore, come le reti neurali, cosa che deve ancora avvenire.
I sistemi di deep learning e le reti neurali convoluzionali come AlphaGo di DeepMind sono buoni esempi dell’approccio connessionista.
Secondo quanto affermato da David Silver, ricercatore di DeepMind, il progetto AlphaGo venne avviato nel 2014 per studiare quanto le reti neurali profonde potessero essere applicabili al gioco del go.
AlphaGo rappresentò un notevole avanzamento rispetto ai programmi per il gioco del go preesistenti. Su 500 partite disputate contro altri software, tra i quali Crazy Stone e Zen, AlphaGo (in esecuzione su un singolo computer) ha vinto tutte le partite tranne una.
Eseguendo una serie di incontri analoga ma girando su un cluster AlphaGo ha vinto tutte le 500 partite e ha vinto il 77% delle partite contro sé stesso eseguito su una singola macchina.
La versione distribuita impiegava 1202 CPU e 176 GPU, circa 25 volte in più rispetto all’hardware del computer singolo.
Una versione preliminare di AlphaGo è stata testata su diverse configurazioni hardware, in modalità asincrona o distribuita, con un tempo di due secondi per mossa, generando i seguenti valori.
L’Intelligenza Artificiale Generale e l’approccio ibrido
L’approccio ibrido è una miscela dei sistemi connessionista e simbolico. Le architetture che guidano la corsa AGI tendono a utilizzare l’approccio ibrido.
Ad esempio l’architettura CogPrime. Rappresenta sia la conoscenza simbolica che quella sub-simbolica tramite un’unica rappresentazione della conoscenza, definita come AtomSpace.
Il famoso robot umanoide sociale Sophia è stato creato da Hanson Robotics e OpenCog con l’aiuto di CogPrime, un’architettura neurale.
Intelligenza Artificiale Generale: l’architettura dell’intero organismo
Gli esperti ritengono che un vero e proprio sistema intelligente artificiale generale dovrebbe possedere un corpo fisico e imparare dalle interazioni fisiche.
Sebbene non esistano ancora tali sistemi, il più vicino è quello di Sophia, un robot umanoide che imita i gesti umani e le espressioni facciali e si concede conversazioni su argomenti predefiniti.
Qual è la vera sfida dell’Intelligenza Artificiale Generale?
Per ottenere una vera intelligenza a livello umano, AGI deve padroneggiare alcune capacità simili a quelle umane.
Percezione sensoriale
sebbene i sistemi di apprendimento profondo abbiano mostrato grandi promesse nel campo della visione artificiale, i sistemi di intelligenza artificiale mancano di capacità di percezione sensoriale simili a quelle umane.
Ad esempio, i sistemi di deep learning addestrati hanno ancora una scarsa percezione del colore.
Ciò è evidente nelle auto a guida autonoma poiché vengono facilmente ingannate da piccoli pezzi di nastro adesivo nero o adesivi su un segnale di stop rosso.
Un caso simile si osserva con la percezione del suono. Gli attuali sistemi di intelligenza artificiale non sono in grado di percepire e replicare la percezione sonora umana distinta.
Abilità motorie
Gli esseri umani possono facilmente recuperare qualsiasi oggetto dalle loro tasche grazie alle nostre capacità motorie.
Un recente sviluppo ha applicato l’apprendimento per rinforzo nell’insegnare a una mano robotica a risolvere un cubo di Rubik.
Sebbene la dimostrazione sia notevole, rivela i problemi legati alla programmazione delle dita di un robot su una sola mano per manipolare oggetti banali come le chiavi.
Comprensione del linguaggio naturale
Gli esseri umani condividono la conoscenza tramite libri, articoli, post di blog e video.
Successivamente, quando gli umani scrivono, tendono ad assumere la conoscenza generale del lettore e, come tale, molte informazioni non vengono dette per iscritto.
Per cominciare, l’attuale IA ha bisogno di consumare grandi quantità di informazioni da tutte le fonti di conoscenza, che un compito critico.
Se l’intelligenza artificiale manca delle basi del buon senso sarà difficile per questi sistemi comprendere le situazioni e operare nel mondo reale.
Creatività a livello umano
I sistemi di intelligenza artificiale possono migliorare la propria intelligenza da soli se comprendono l’enorme quantità di codice che gli esseri umani hanno scritto, identificano nuovi metodi che possono essere migliorati e successivamente riscrivono il codice identificato.
Sebbene le macchine basate sull’intelligenza artificiale siano state in grado di comporre musica e disegnare immagini, dimostrare la creatività a livello umano per l’auto-ottimizzazione richiede un ulteriore progresso dell’intelligenza artificiale.
Connessione sociale ed emotiva
Affinché i robot abilitati all’intelligenza artificiale operino nel mondo, l’interazione umana è inevitabile.
Di conseguenza, questi robot dovranno comprendere gli esseri umani, le espressioni facciali e le variazioni di tono per interpretare le emozioni reali.
Considerando le sfide percettive discusse sopra, i sistemi di intelligenza artificiale in grado di entrare in empatia con una connessione emotiva sembrano una realtà lontana fin d’ora. Fonte: Spiceworks
Vantaggi dell’Intelligenza Artificiale Generale
Iperautomazione
Diversi settori sfruttano le tecnologie AI e ML per automatizzare molti dei loro processi, dall’automazione dei processi robotici (RPA) alla gestione intelligente dei processi aziendali.
L’iperautomazione aggiunge un ulteriore livello alle funzionalità di automazione avanzate in quanto ridimensiona le prospettive di automazione per le organizzazioni.
Più posti di lavoro nella governance
La distorsione dell’algoritmo può emergere dalla mancanza di governance del modello.
Qui, gli esperti di intelligenza artificiale dovrebbero prestare maggiore attenzione e garantire che i modelli di intelligenza artificiale/ML non sviluppino pregiudizi o prendano decisioni sbagliate.
Nell’ottobre 2021, Twitter ha ammesso che il suo algoritmo ha sviluppato un pregiudizio che ha favorito i politici di destra e le testate giornalistiche.
In un incidente simile, nel 2015 Amazon si è resa conto che il suo algoritmo per l’assunzione di dipendenti era prevenuto nei confronti delle donne.
Questo perché l’algoritmo ha esaminato i curriculum degli ultimi dieci anni e, poiché la maggior parte di loro erano uomini, è stato addestrato per essere prevenuto nei confronti delle donne.
Esempi come questi apriranno la strada a un aumento di posizioni come chief AI officer, chief AI compliance officer e così via.
Con la rapida adozione di AI/ML, si prevede che tali istanze aumenteranno nel prossimo futuro.
Aumento della forza lavoro
La paura che l’intelligenza artificiale sostituisca i posti di lavoro umani esiste ormai da un po’ di tempo.
Di fatto, sembra che le organizzazioni utilizzino modelli AI/ML per raccogliere e analizzare dati e ricavare insight che aiutino a prendere decisioni aziendali.
Le aziende devono avere dipendenti e macchine AI che lavorano in tandem in uno scenario del genere.
Diversi reparti, tra cui vendite, marketing e assistenza clienti, stanno già utilizzando i sistemi AI/ML per supportare le proprie operazioni.
Tuttavia, questo non ha ridotto la potenziale dipendenza dagli esseri umani. In effetti, ha solo aumentato l’efficacia di tali dipartimenti. Si prevede che una tale tendenza aumenterà solo da qui in poi.
Conclusioni
Il decennio in corso sarà estremamente cruciale per lo sviluppo dei sistemi AGI. Gli esperti ritengono che ci sia una probabilità del 25% di sviluppare un’intelligenza artificiale a livello umano entro il 2030.
Inoltre, la crescente propensione per i processi robotici e gli algoritmi delle macchine, unita alla recente esplosione di dati e ai progressi informatici, offrirà un terreno fertile per la proliferazione di piattaforme AI di livello superiore.
È solo una questione di tempo prima che i sistemi AGI diventino mainstream in questo mondo altamente tecnologico.
In questo articolo ho voluto mostrarti uno dei livelli di Intelligenza Artificiale e giovedì parleremo del livello successivo.
Non è una lezione universitaria sull’Intelligenza Artificiale ma è importante imparare a conoscerla capire come si stà sviluppando e sopprattutto come poterla implementare all’interno di un’azienda.
Ti piacerebbe approfondire questo percorso con uno dei nostri esperti? Allora clicca qui sotto e lascia i tuoi dati.
Dopo un’analisi preliminare della tua azienda, andremo a creare un processo di miglioramento per potenziare le tue leve aziendali e ottimizzarle con l’implementazione dell’AI.
