Intelligenza artificiale no limits
Si chiama Eugene Goostman, ha 13 anni e viene dall’Ucraina. A giugno del 2014 il suo nome è apparso su tutti i giornali del mondo perché avrebbe superato il test di Turing durante una competizione alla Royal Academy di Londra. Elaborato dal matematico Alan Turing, il test stabilisce che una macchina può essere considerata intelligente solo se riesce a convincere una giuria di umani. E Goostman ha fatto credere a 10 giudici su 30 di essere un adolescente ucraino, quando invece è solo un chatterbot, un programma capace di conversare in chat.
La performance di Goostman è stata molto contestata dalla comunità scientifica: se davvero il programma avesse raggiunto un livello “umano”, avrebbe dovuto convincere tutti i giudici. Acqua calda? Ci sono stati altri esperimenti che hanno provato a misurare lo sviluppo delle macchine. ConceptNet 4, sistema di intelligenza artificiale realizzato dal MIT di Boston, ha raggiunto il quoziente intellettivo di un bambino di 4 anni.
Per molti versi ConceptNet 4 è già più intelligente di un essere umano che va all’asilo: ha un lessico molto più ampio e, soprattutto, sa rispondere a molte domande enciclopediche, del tipo: “A quale temperatura l’acqua congela?”. Ma di fronte a questio-ni più semplici come: “Quest’acqua è fredda o calda?”, il sistema si blocca e indietreggia all’età cognitiva di un neonato.
Potenza e limiti dell’intelligenza artificiale
La natura doppia di ConceptNet 4 rende bene l’idea di quali siano oggi le potenzialità e i limiti dell’intelligenza artificiale, settore alle soglie di un punto di svolta. Creare macchine più intelligenti vuol dire non solo dare un forte input allo sviluppo della robotica, ma anche rendere davvero utili i software di riconoscimento vocale ormai disponibili su qualsiasi smartphone, come pure poter delegare sempre più funzioni ai sensori che stanno iniziando a popolare le nostre case e le automobili.
In tutti questi campi, le due sfide più importanti sono rappresentate proprio dalla comprensione del linguaggio naturale (in modo da cogliere le diverse sfumature comunicative umane) e – parte ben più complicata – dalla capacità di autoapprendimento a partire dalle informazioni del contesto. Due ambiti, questi, in cui negli ultimi anni si sono compiuti passi da gigante. Sono passati più di 50 anni da quando, nel 1957, il matematico John Von Neumann scriveva nel saggio The Computer and the Brain:
“Uno studio più profondo del sistema nervoso potrebbe trasformare la nostra comprensione della matematica e della logica”. Oggi la sfida degli ingegneri del MIT, di Google e di IBM, è proprio quella di realizzare macchine che vadano oltre il modello dominante fino a ora, ovvero l’esecuzione di compiti a partire da istruzioni precise.