Deep Learning, Machine Learning, AI ....poi cosa?

Cos'è l'intelligenza artificiale?

L’intelligenza artificiale, comunemente chiamata AI, è un concetto piuttosto che un sistema. L’intelligenza è percepita come una caratteristica unicamente umana. Tradizionalmente si pensava che le macchine acquisissero conoscenza, ma non intelligenza o saggezza. Lo scienziato informatico Alan Turing trascorse gran parte dell'ultima parte della sua vita a riflettere se le macchine potessero pensare.

Ha ideato il test di Turing che mira a determinare se una macchina può mostrare un comportamento intelligente anziché essere necessariamente intelligente. Questa è una distinzione importante perché noi stessi ancora non comprendiamo appieno il pensiero o l'intelligenza.

Invece di tentare di definire l’intelligenza, speriamo di creare macchine che possano esibire comportamenti intelligenti.

Piuttosto che essere una tecnologia in sé, l’intelligenza artificiale è un mezzo per descrivere i sistemi. Questi sistemi possono essere etichettati come AI ristretta e AI generale. L'intelligenza artificiale ristretta è un sistema intelligente ma solo per un compito specifico. L’intelligenza artificiale generale è il tipo con cui abbiamo più familiarità dalla cultura pop.

Questi tipi di sistemi sarebbero in grado di visualizzare tutti gli elementi dell’intelligenza umana. Skynet della serie di film Terminator o HAL di 2001: Odissea nello spazio sono esempi immaginari di intelligenza artificiale generale. Tuttavia, nonostante ciò che ti dicono i film, non tutti i sistemi di intelligenza artificiale generale avrebbero lo scopo di distruggere l’umanità.

Cos'è il “machine learning”?

Sappiamo tutti che i dati possono essere utili. Che si tratti di sapere quale strada prendere per andare in ufficio o di tenere d'occhio la nostra salute, i dati informano le nostre decisioni e ci guidano nella vita. Ma generiamo così tanto ogni giorno che è diventato impossibile per noi umani analizzare.

Quindi, dovremmo far sì che le macchine facciano il lavoro pesante per noi.

Il corso di machine learning di Google riassume il machine learning come "l'utilizzo dei dati per rispondere alle domande". Lo dividono in due parti: allenamento e previsioni. Immagina di avere una raccolta di immagini con forme che desideri riconoscere. Se le immagini vengono inserite nell'algoritmo di apprendimento automatico, il sistema inizia ad apprendere le caratteristiche di quella forma.

Quando incontra una nuova immagine, la forma viene confrontata con gli elementi dei dati di addestramento per determinare se corrisponde.

Anche se potresti non riconoscerlo, anche i risultati di ricerca personalizzati, le playlist di Spotify e i consigli sui prodotti Amazon sono il risultato dell'apprendimento automatico. Netflix utilizza anche algoritmi di apprendimento automatico per personalizzare la copertina che ti viene mostrata.

Che cos'è il “deep learning”?

Sebbene non comprendiamo appieno l'intelligenza, gli scienziati sono riusciti a dimostrare che il cervello genera informazioni attraverso una complessa rete di neuroni. Il nostro cervello è costituito da queste connessioni elettriche che formano percorsi neurali. Questi percorsi trasportano informazioni attorno ai nostri corpi permettendoci di muoverci, respirare e pensare.

Tuttavia, se ciascuno di questi percorsi neurali fosse indipendente l’uno dall’altro, i nostri tempi di reazione sarebbero incredibilmente lenti e potremmo non essere in grado di stabilire connessioni tra i pensieri. Il successo del sistema dipende dalla relazione tra tutti questi percorsi, che danno luogo a un’elaborazione simultanea dei dati.

Il deep learning è un metodo per replicare questa fitta rete di neuroni. Gestendo più flussi di dati contemporaneamente, i computer sono stati in grado di ridurre significativamente il tempo necessario per elaborare i dati. L'applicazione di questa tecnica al deep learning ha dato origine alle reti neurali artificiali.

Queste reti sono costituite da una serie di nodi. Ci sono nodi di input per ricevere dati, nodi di output per i dati risultanti e strati nascosti di nodi nel mezzo. L'obiettivo è trasformare i dati di input in qualcosa che i nodi di output possano utilizzare. È qui che entrano in gioco i livelli nascosti. Man mano che i dati avanzano attraverso questi nodi nascosti, la rete neurale utilizza la logica per decidere a quale nodo passare successivamente i dati.

Machine Learning, intelligenza artificiale e deep learning

Sebbene l'apprendimento automatico sia uno strumento potente che ci aiuta a dare un senso alle grandi quantità di dati che creiamo, non mostra un pensiero indipendente. L’algoritmo è progettato dai programmatori e stabiliscono le regole secondo le quali deve giocare il sistema di apprendimento automatico. I pregiudizi degli sviluppatori, consapevoli o meno, hanno delle ramificazioni.

Uno dei primi ostacoli significativi per l'apprendimento automatico è arrivato per gentile concessione di uno degli ingegneri di Google. Nel 2015, ha notato che l'algoritmo di identificazione fotografica dell'azienda etichettava lui e i suoi amici neri come gorilla. Google si è immediatamente scusato e ha implementato soluzioni a breve termine.

Tuttavia, due anni dopo, WIRED ha riferito che la soluzione di Google è stata quella di rimuovere del tutto i gorilla dai dati di addestramento.

D’altra parte, il deep learning ci avvicina ulteriormente all’intelligenza artificiale generale. Tentando di replicare la mente umana attraverso una raccolta di nodi multistrato, le strutture di deep learning non hanno bisogno di essere addestrate con un grande set di dati iniziale. Prendono decisioni in base alle informazioni fornite e alla logica del sistema.

Il fatto che il processo decisionale di una rete neutrale non sia trasparente può sembrare snervante, ma significa che riesce a replicare l’intelligenza umana. Ad esempio, non comprendiamo nemmeno appieno il modo in cui elaboriamo i nostri pensieri e le nostre decisioni.

Intelligenza artificiale per tutti

Alla fine, non è necessario confrontare il machine learning con l’intelligenza artificiale, o il deep learning con il machine learning, poiché tutti hanno scopi diversi. L’intelligenza artificiale descrive il concetto di intelligenza di tipo umano nelle macchine, mentre l’apprendimento automatico e l’apprendimento profondo sono sforzi verso la creazione di un’intelligenza artificiale generale.

Ciò non vuol dire che il campo dell'intelligenza artificiale sia del tutto astratto. Google sta sfruttando i suoi enormi set di dati aggiungendo l’intelligenza artificiale a quasi tutti i suoi prodotti. Gmail è stato recentemente rinnovato con le risposte intelligenti, mentre l'intelligenza artificiale Duplex dell'azienda è in fase di implementazione negli Stati Uniti e può gestire le telefonate per tuo conto. Ma non sono gli unici a poter entrare nel gioco dell'intelligenza artificiale.