umano troppo umano

Arriva l’algoritmo definitivo ma non potrà prevedere tutti i comportamenti umani

Tutto quello che i computer fanno accade perché qualcuno li ha programmati per farlo: qualcuno ha scritto un algoritmo che spiega loro cosa fare passo per passo, che si tratti di giocare a scacchi o erogare banconote a un bancomat. Oggi con il machine learning, una branca di ricerca dell’Intelligenza Artificiale, gli algoritmi sono appresi autonomamente dalla macchina, ovvero non sono creati da ingegneri ma “indotti”, appresi dai dati. Per far sì che questo accada sono necessari algoritmi di apprendimento. Ma uno stesso algoritmo di apprendimento, una stessa formula può fare una varietà infinita di cose, a seconda dei dati forniti: se i dati saranno inerenti al gioco degli scacchi imparerà gli scacchi, se sono inerenti alla diagnosi del cancro, imparerà a diagnosticare il cancro etc. E l’obiettivo finale del machine learning è quello di inventare un algoritmo di apprendimento il più generale possibile, di modo tale che le macchine possano imparare qualsiasi cosa a partire dai dati: l’algoritmo definitivo.

L’obiettivo finale del machine learning è quello di inventare un algoritmo di apprendimento il più generale possibile, di modo tale che le macchine possano imparare qualsiasi cosa a partire dai dati: l’algoritmo definitivo

Come e quando raggiungeremo questo obiettivo è difficile da stabilire al momento. Da un lato ci siamo quasi, perché alcune dimostrazioni matematiche confermano che si può imparare qualsiasi funzione partendo da dati. D’altro canto ho l’impressione che ci siano alcuni punti fondamentali ancora mancanti. Alcune persone dicono perfino che sia impossibile. La realtà è che al momento ci sono ancora troppe teorie diversificate a riguardo, mentre abbiamo bisogno di una sola, unica grande teoria di machine learning, come lo standard model in fisica. La scoperta dell’algoritmo definitivo sarebbe equivalente a quella del bosone di Higgs in fisica.

Al momento ci sono ancora troppe teorie diversificate a riguardo, mentre abbiamo bisogno di una sola, unica grande teoria di machine learning, come lo standard model in fisica

A differenza della fisica però nella ricerca informatica non esiste qualcosa di simile al Cern di Ginevra: riprodurre l’accelerazione di particelle necessita di macchinari estremamente costosi. Nel machine learning invece chiunque abbia un computer può fare ricerca, e quindi la ricerca sta progredendo in tantissimi centri universitari, anche se gli sforzi più importanti in materia oggi si registrano nelle principali aziende tecnologiche, Google in primis. C’è una grande competizione oggi tra le grande industrie tecnologiche (Google, Facebook, Amazon, IBM etc.) per vedere chi potrà trovare una soluzione a questo problema.

Arriverà un giorno, e non siamo molto distanti, in cui l’insieme delle conoscenze che l’umanità possiede sarà stata scoperta e memorizzata dai computer. Ma non bisogna pensare a immaginari fantascientifici:ci sono dei limiti a quello che può essere appreso

Arriverà un giorno, e non siamo molto distanti, in cui l’insieme delle conoscenze che l’umanità possiede sarà stata scoperta e memorizzata dai computer. Ma non bisogna pensare a immaginari fantascientifici: quest’algoritmo non sarà mica Dio! Ci sono dei limiti a quello che può essere appreso. La società è troppo complessa, ci sono troppi elementi che la compongono per avere una totale prevedibilità, anche con tutti i dati e gli algoritmi di apprendimento del mondo. Insomma, anche se un algoritmo avesse tutti i dati del mondo su di te, rimarresti sempre un elemento imprevedibile.

(Testo raccolto da Laura Aguzzi)


[Numero: 31]