Per quanto l'intelligenza sia stata a lungo studiata da una moltitudine di ricercatori, si è ancora lontani dall'aver raggiunto un consenso unanime su una definizione capace di fissarne le caratteristiche di maggior rilievo. Si può comunque affermare che l'intelligenza, in un'ottica evoluzionistica, intesa come strumento che migliora l'adattamento all'ambiente, è in primo luogo la capacità di risolvere nuovi problemi, oppure di risolvere vecchi problemi in maniera innovativa.
L'intelligenza è anche implicata nello stabilire nuovi nessi o rapporti tra due o più elementi, come pure nel rilevare contrasti o relazioni problematiche tra essi. Tali operazioni non sono strettamente limitate al momento presente o a un passato più o meno lontano, ma possono riguardare anche situazioni che non si sono ancora realizzate e perfino situazioni ipotetiche che potrebbero non verificarsi mai.
L'elemento novità sembra essere comunque un requisito comune affinché si possa parlare di un effettivo utilizzo di facoltà intelligenti. Infatti, la semplice applicazione di regole o algoritmi per portare meccanicamente a termine compiti o per risolvere problemi già affrontati con successo in passato non si considera, in genere, un'attività intelligente.
Questo aspetto costituisce una distinzione fondamentale da far valere nei confronti di coloro che ritengono le doti intellettive umane interamente riducibili a operazioni computazionali.
La cosiddetta Intelligenza Artificiale si propone di emulare le capacità del nostro cervello (quindi anche l'intelligenza) mediante la semplice esecuzione di operazioni sulla base di procedure e regole per la manipolazione di simboli. Essendo esse predefinite, ossia fornite prima che l'elaboratore elettronico svolga il compito assegnato, non possono avere nulla di realmente innovativo.
Forse, l'aspetto distintivo dell'intelligenza umana rispetto alle capacità di calcolo dei computer, sta proprio nel riuscire ad andare, per determinati aspetti ed entro certi limiti, oltre gli algoritmi e i riferimenti posseduti in partenza. In ogni operazione intelligente è forse implicito una sorta di salto logico, che consente di pervenire a risultati non completamente deducibili dagli elementi e dalle regole iniziali. In questo senso, l'intelligenza non sarebbe del tutto indipendente dall'intuizione, la cui caratteristica principale è quella di non seguire i normali percorsi della logica formale.
Da un'idea iniziale di intelligenza come competenza generale, monolitica, capace di esprimersi in forme diverse, ma riconducibile a un unico fattore di base, si è passati a poco a poco a una concezione che attribuisce un'indipendenza anche notevole alle diverse componenti. Tra le prime tipologie ad essere riconosciute come manifestazioni autonome dell'intelligenza ci sono le capacità logico-matematiche, le capacità verbali e l'intelligenza spaziale. Una classificazione recente e ormai famosa è quella dello psicologo Howard Gardner, il quale individua ben 7 macro-raggruppamenti di intelligenza: l'intelligenza linguistica, l'intelligenza logico-matematica, l'intelligenza spaziale, l'intelligenza musicale, l'intelligenza cinestetica, l'intelligenza personale e l'intelligenza naturalistica.
Il problema di stabilire se le facoltà intellettive siano geneticamente determinate oppure si sviluppino in seguito all'interazione con l'ambiente, si trascina da alcuni decenni senza che si siano raggiunti risultati conclusivi in un senso o nell'altro. Su questo tema, negli anni '70, si è sviluppato un aspro dibattito, in particolar modo tra Hans J. Eysenck e Leon Kamin, due psicologi che rappresentavano le due opposte concezioni. Gli echi di tale scontro non si sono ancora del tutto spenti, anche perché i termini del contendere non hanno un significato puramente teorico, ma investono, com'è facile rendersi conto, anche il campo sociale, politico, e persino quello dell'etica.
Se, infatti, le capacità attraverso cui si esprime l'intelligenza sono ereditarie, allora è del tutto inutile compiere sforzi, impegnare risorse, umane ed economiche, a favore di individui che sono comunque destinati a rimanere nella mediocrità. Se, invece, l'intelligenza, almeno nell'età evolutiva, può essere accresciuta tramite appropriate tecniche, viene a cadere ogni alibi per chi vorrebbe che i meno dotati siano abbandonati al loro destino.
Non manca che sostiene che il grado di intelligenza, al contrario di quanto credono molti innatisti, possa essere migliorato non soltanto nell'età dello sviluppo, ma anche durante l'intero arco della vita di un individuo. Reuven Feuerstein, lo psicologo più rappresentativo di questa prospettiva teorica, ha messo a punto un programma, largamente noto in tutto il mondo, che consente un notevole recupero delle capacità cognitive, nei settori specifici in cui queste sono maggiormente carenti.
L'intelligenza artificiale è uno dei numerosi campi di dibattito teorico tra scienziati e filosofi. Per intelligenza artificiale, spesso abbreviata in AI (dall'inglese artificial intelligence), si intende generalmente la possibilità di far svolgere ad un calcolatore alcune funzioni e alcuni ragionamenti tipici della mente umana. Nel suo aspetto puramente informatico, comprende la teoria e la pratica dello sviluppo di algoritmi che rendano le macchine (tipicamente i calcolatori) capaci di mostrare un'abilità e/o attività intelligente anche se in domini molto specifici.
Tali attività e capacità comprendono:
l'apprendimento automatico (machine learning), utile in contesti quale il gioco degli scacchi;
la rappresentazione della conoscenza e il ragionamento automatico in maniera simile a quanto fatto dalla mente umana ;
la pianificazione (planning);
la cooperazione tra agenti intelligenti, sia software sia hardware (robot);
l'elaborazione del linguaggio naturale (natural language processing);
la simulazione della visione e dell'interpretazione di immagini, come nel caso dell'OCR.
La domanda al centro del dibattito sull'intelligenza artificiale è fondamentalmente una sola: “I computer possono pensare?”.
Le risposte sono varie e discordi, ma perché abbiano un senso bisogna prima determinare cosa significhi pensare. Ironicamente, nonostante tutti siano d'accordo che gli esseri umani sono intelligenti, nessuno è ancora riuscito a dare una definizione di intelligenza soddisfacente; proprio a causa di ciò, esistono due principali branche in cui è suddiviso lo studio dell'AI:
la prima, detta intelligenza artificiale forte, sostenuta dai funzionalisti, ritiene che un computer correttamente programmato possa essere veramente dotato di una intelligenza pura, non distinguibile in nessun senso importante dall'intelligenza umana. L'idea alla base di questa teoria è il concetto che risale al filosofo empirista inglese Thomas Hobbes, il quale sosteneva che ragionare non è nient'altro che calcolare: la mente umana sarebbe dunque il prodotto di un complesso insieme di calcoli eseguiti dal cervello;
la seconda, detta intelligenza artificiale debole, sostiene che un computer non sarà mai in grado di essere equivalente a una mente umana, ma potrà solo arrivare a simulare alcuni processi cognitivi umani senza riuscire a riprodurli nella loro totale complessità.
Rimanendo nel campo della programmazione “classica”, basata su linguaggi simbolici e lineari in cui la grande velocità di calcolo dei processori moderni supplisce alla carenza di parallelismo, sicuramente assume una posizione dominante l'AI debole, in quanto si può facilmente constatare come un computer elabori una serie di simboli che non comprende e che si limiti ad eseguire i suoi compiti meccanicamente.
Bisogna tuttavia riconoscere che con la diffusione sempre maggiore di reti neurali, algoritmi genetici e sistemi per il calcolo parallelo, la situazione si sta evolvendo a favore dei sostenitori del connessionismo.
A detta di alcuni esperti del settore, è improbabile il raggiungimento da parte di un computer di una capacità di pensiero classificabile come “intelligenza”, in quanto la macchina stessa è “isolata” dal mondo, o, al massimo, collegata con esso tramite una rete informatica, in grado di trasmettergli solo informazioni provenienti da altri computer. La vera “intelligenza artificiale” potrebbe essere raggiungibile solo da robot (non necessariamente di forma umanoide) in grado di muoversi (su ruote, gambe, cingoli o quant'altro) ed interagire con l'ambiente che li circonda grazie a sensori ed a bracci meccanici. Spesso, infatti, anche nell'uomo l'applicazione dell'intelligenza deriva da qualche esigenza corporea, perciò è improbabile riuscire a svilupparne un'imitazione senza un corpo.
Inoltre, finora, nel tentativo di creare AI, si è spesso compiuto un errore che ha portato i computer all'incapacità di applicare il buonsenso e alla tendenza a “cacciarsi nei pasticci”. L'errore consiste nel non considerare a sufficienza il fatto che il mondo reale è complesso e quindi una sua rappresentazione lo sarà altrettanto. Non solo sarà complessa, ma sarà anche incompleta, perché non potrà mai includere tutti i casi che il robot potrà incontrare. Perciò, o immettiamo nel cervello artificiale una quantità enorme di informazioni corredate da altrettante regole per correlarle (il che originerà, probabilmente, un vicolo cieco logico alla prima difficoltà incontrata), oppure lo mettiamo in condizione di imparare. La chiave dell'AI sembra proprio essere questa: l'imitazione della sua analoga naturale, tenendo ben presente l'importanza dei processi evolutivi nello sviluppo delle caratteristiche morfologiche e comportamentali di un individuo e nella formazione di ciò che viene definito “senso comune”.
L'intelligenza artificiale, continuando lungo le attuali direttrici di sviluppo, diverrà sicuramente un'intelligenza “diversa” da quella umana, ma, probabilmente, comparabile a livello di risultati in molti campi in cui è necessario applicare capacità di scelta basate su casi precedenti, nozioni generali e “ragionamento”.
È invece molto difficile immaginare un computer in grado di filosofeggiare ed esprimere concetti e dubbi riguardo l'origine o il senso della vita. Il terribile computer-dio del racconto La Risposta di Frederic Brown non è altro, per fortuna, che fantascienza. Per stabilire se un computer (o un robot) sia in possesso di una vera intelligenza artificiale, il matematico Alan Turing ha ideato uno specifico test, noto come Test di Turing.
Il termine I.A. venne coniato nel 1956 da John MC Carthyin occasione di un corso universitario tenutosi al Dartmouth College in Inghilterra; questa nuova disciplina mirava a riprodurre comportamenti intelligenti con l’ausilio delle macchine.
Precedentemente alla data del “battesimo”, troviamo uno dei personaggi che più contribuirono all’evoluzione dell’ I.A.: Alan Turing. Egli cercò di descrivere l’attività delle macchine a stati discreti (ammettono un numero finito di configurazioni, ad esempio un interruttore può essere aperto o chiuso) dimostrando la loro equivalenza ad una macchina ideale, la macchina universale dotata di quattro istruzioni elementari sulla quale, in teoria, tutti i programmi potessero funzionare, una sorta di macchina di Carnot (per i termodinamici); in seguito, i suoi studi vennero dirottati dalla guerra verso la decifrazione dei messaggi nemici. Terminata la guerra tornò a dedicarsi alla teoria delle macchine, forte dell’esperienza accumulata, elaborò una nuova teoria “è intelligente una macchina che appare diversa da ciò che è e che appare intelligente agli occhi degli uomini”. Non si tratta dunque di sapere se una macchina è effettivamente intelligente, ma solo di sapere se essa ci appare tale.
La questione principale verteva quindi sul come operare per costruire una macchina che potesse sembrare intelligente. Alcune nozioni fondamentali furono introdotte da i sistemi simbolici . Partendo da assiomi (verità non dimostrabili) costruiscono teoremi tramite le regole di derivazione, procedure univoche per mezzo delle quali i teoremi vengono generati automaticamente. Per esemplificare i processi dei sistemi simbolici si porterà ad esempio il gioco degli scacchi. Un elaboratore, per la sua realtà fisica, non potrebbe mai enumerare tutte le partite possibili (circa 10^56). Intervengono ora i sistemi simbolici e l’euristica, che a rischio di omettere alcune soluzioni orientano la macchina verso le scelte più opportune. L’euristica è un metodo di ausilio alla scoperta, permette di individuare tra tutte le derivazioni le più probabili al successo. Grazie a tutte queste tecniche si evita, con un margine di errore, di cadere nella ricerca sistematica.
Gli elaboratori hanno un’unica realtà, composta da due soli caratteri, 0 ed 1.Questa serie di 0 ed 1 compongono la memoria e le operazioni effettuate agiscono unicamente su di essi. Queste due “parole” vengono raggruppate in sequenze di otto elementi (byte) consentendo 256 combinazioni possibili: si tratta di un sistema di numerazione per posizione. Le informazioni fornite alla macchina sono una serie di caratteri che verranno trasformati in sequenze di 0 ed 1.
Esempi di interpretazione di un numero decimale: 6515
5x1=5
1x10=10
5x100=500
6x1000=6000
Interpretazione di un numero binario in un numero decimale: 100011
posizionarsi alla destra del numero e moltiplicare ogni singolo carattere per potenze crescenti del due (partendo da 2⁰)
1x2⁰=1
1x2¹=2
0x2²=0
0x2³=0
0x2⁴=0
1x2⁵=32
La somma dei vari risultati corrisponde al numero decimale convertito, in questo caso il 35.
Volendo verificare il risultato si procede nel seguente modo:
35:2 resto 1
17:2 resto 1
8:2 resto 0
4:2 resto 0
2:2 resto 0
1:2 resto 1
Si leggeranno i caratteri partendo dal basso verso l’alto , ottenendo così : 100011 (35)
La questione posta all’I.A. consisteva nel rivestire di significato questa realtà astratta, come può infatti una macchina denominata intelligente operare su di un linguaggio così lontano da come lo intendiamo noi?
L’I.A. si è dunque adoperata a cercare significati attribuibili ai testi contenuti nella memoria di un elaboratore. Un testo, per essere definito tale, deve soddisfare due basilari e fondamentali condizioni: da un lato gli elementi che lo compongono devono avere un significato trascendendo dalla loro natura grafica ed in secondo luogo ci devono essere regole e leggi in grado di strutturare il testo stesso.
Partendo da questi presupposti, i logici costruirono nuovi linguaggi; i cosiddetti linguaggi formali. Liberi dalle imperfezioni delle lingue umane, vengono definiti tramite un alfabeto costituito da segni e da regole di formazione dell’espressione a cui corrispondono nei linguaggi naturali, le regole grammaticali. Gli elaboratori, una volta definiti i linguaggi formali, non incontrano alcuna difficoltà a manipolarli, tuttavia, affinché generino enunciati dotati di senso, è necessario che siano in grado di attribuire loro un significato.
A questo scopo si è fatto appello ai sistemi simbolici , di derivazione euclidea. Partendo da un numero di postulati o assiomi, attraverso l’applicazione di regole e leggi, si ha la derivazione di nuove proposizioni, i teoremi. In un linguaggio formale definito si immettono dunque :assiomi e regole di derivazione, ottenendo teoremi da cui ne deriveranno di nuovi.
La caratteristica simbolica nei sistemi simbolici risiede nella distinzione tra teoremi e non teoremi. Per misurarne l’adeguatezza bisogna ricorrere ai termini di coerenza e completezza. Un sistema simbolico si dirà coerente per una interpretazione quando i teoremi generati saranno validi. Si dirà invece completo quando i teoremi derivati dal sistema saranno dimostrabili all’ interno del sistema simbolico stesso.
Con l’evoluzione degli elaboratori ci si è interrogati sulle possibilità di espandere i sistemi simbolici per comprendere oggetti non formali come la parola articolata, il linguaggio naturale, la visione o la salute dando così vita all’intelligenza artificiale. I sistemi simbolici sono stati concepiti per apprendere in maniera sistematica ed attribuiscono un significato alle espressioni di un linguaggio formale sino a che esso rappresenti entità matematiche. Cercando di superare questa difficoltà si sono incontrati altri due ostacoli.
Il primo prende il nome di esplosione combinatoria. In casi complessi, le infinite probabilità pongono un limite fisico all’elaboratore. Per superare questo problema si è introdotto il concetto di euristica, il cui obbiettivo è quello di sfrondare e selezionare l’insieme delle probabilità che appaiono irrilevanti, a scapito di errore. Più specificatamente l’ euristica interviene sull’ordine con il quale le regole di derivazione debbano essere applicate ad assiomi e teoremi.
Il primo programma di intelligenza artificiale che utilizzava l’euristica fu il Logic Theorist , capace di dimostrare teoremi matematici non banali. L’euristica è intimamente legata all’I.A., introduce incertezze ed approssimazioni.
Il secondo ostacolo riguarda la limitazione intrinseca ai sistemi simbolici, più precisamente a quando essi si riferiscono a realtà non formalizzate. Portiamo come esempio un elaboratore medico. Il sistema simbolico a lui riferito non dovrà rappresentare simbolicamente il corpo umano, la salute ed il linguaggio, ma il comportamento di un medico. L’I.A. si allontana quindi dalla schematizzazione degli oggetti per avvicinarsi al comportamento cognitivo umano.