IA: ossimoro o realtà?

Caccia alla roccia con l’intelligenza artificiale

ore: 18.00-20.00

Evelina Lamma è attiva da anni in diversi progetti di ricerca in collaborazione con enti ed imprese nell’ambito dell’Intelligenza Artificiale (IA), in particolare per individuare nuove possibili applicazioni della disciplina. All’interno del programma degli eventi della Notte dei Ricercatori a Ferrara, a partire dalle ore 18, all’interno dell’Experiential Corner della Piazza Municipale, terrà la dimostrazione ‘Caccia alla roccia con l’intelligenza artificiale‘. Noi l’abbiamo incontrata e ci ha concesso un’intervista per il blog della Notte dei Ricercatori.

- L’intelligenza artificiale si è sviluppata a partire dalle prime teorizzazioni degli anni cinquanta ed oggi si tratta di una disciplina centrale in molti ambiti produttivi e di ricerca – si pensi ad esempio alla robotica e alle neuroscienze – , a suo giudizio la disciplina è conosciuta in maniera adeguata dal grande pubblico? Ci può fare qualche esempio?

Al giorno d’oggi abbiamo spesso a che fare con applicazioni di Intelligenza Artificiale, come il filtro anti-spam della nostra casella e-mail o il riconoscimento vocale di alcuni call center automatizzati. Spesso però queste applicazioni “intelligenti” non sono percepite come tali dal grande pubblico, che è legato all’idea “romantica” di intelligenza artificiale, ovvero macchine che ragionano autonomamente, provano sentimenti ed emozioni, come spesso viene rappresentata in film o romanzi. Si può quindi dire che la disciplina non sia conosciuta in maniera adeguata.
Inoltre è abbastanza difficile riuscire a dare una definizione di cosa sia l’Intelligenza Artificiale (IA).
Nel dizionario italiano dell’uso, (De Mauro, Torino 2000) l’IA è, ad esempio, definita come l’“insieme e studi e tecniche che tendono alla realizzazione di macchine, specialmente calcolatori elettronici, in grado di risolvere problemi e riprodurre attività proprie dell’intelligenza umana”. Questa definizione è, tuttavia, abbastanza generica e comprende in realtà moltissime tecniche informatiche. Semplificando al massimo, potremmo dire che l’IA si occupa di realizzare sistemi (hardware o software) con l’obiettivo di svolgere attività tipicamente umane. Queste attività possono essere attività normali per noi (quali analisi, comprensione, generazione, traduzione del linguaggio naturale), attività percettive (visione, linguaggio parlato, ragionamento di buon senso, controllo del movimento e attività motorie), attività formalizzate (quali giochi, scacchi, dama, dimostrazione di teoremi) o attività specializzate (diagnosi, progettazione, sequenziamento di attività o scheduling, pianificazione, analisi finanziaria, analisi scientifica, etc).

Come si può intuire, sono diverse le discipline che hanno contribuito e contribuiscono attivamente allo sviluppo e alla diffusione dell’IA. Tra queste, Filosofia e Logica, Matematica, Economia, Neuroscienze, Psicologia, Linguistica, Ingegneria e Ricerca Operativa. Negli approcci delle scienze cognitive all’IA si cerca di modellare il comportamento umano e i suoi processi di informazione (questo è l’approccio di filosofi, psicologi, linguisti, biologi) e l’elaboratore è quindi un mezzo di sperimentazione per tali modelli. Siamo tuttavia ancora lontani dalla costruzione della macchina “intelligente”, per cui ci si è limitati per adesso a problemi più semplici e trattabili. Negli approcci più ingegneristici, invece, non ci si occupa di simulare l’attività umana di ragionamento, ma di emularla selettivamente costruendo programmi che raggiungono un alto livello di competenza nella formalizzazione e applicazione di conoscenza in domini specifici. Limitandoci all’ambito ingegneristico, il successo dell’IA deriva da alcune applicazioni, che vanno dalla visione artificiale, riconoscimento del parlato, apprendimento automatico, etc., senza dimenticare la realizzazione di sistemi di supporto alle decisioni – spesso basati su conoscenza formalizzata in regole simboliche – in ambiti quali la medicina, la validazione di esami, il monitoraggio di sistemi, etc.
Un ultimo importante ambito riguarda la realizzazione di macchine di IA, che può essere funzionale o comportamentistica, per la quale ciò che è rilevante è appunto il compito svolto dall’elaboratore, piuttosto che la tecnologia con cui l’elaboratore è costruito, e strutturale o connessionistica, in cui invece l’enfasi è sulla modalità di costruzione dell’elaboratore in analogia al cervello umano. Questo secondo filone, sebbene minoritario, è importante perché ha dato origine alle reti neurali, realizzate in analogia ai neuroni cerebrali connessi tramite le sinapsi.
Tra i sistemi di IA vale la pena menzionare le architetture basate su conoscenza, ove la rappresentazione della conoscenza sul dominio è simbolica, spesso in forma di regole, un “motore di inferenza” applica tali regole per raggiungere determinati obiettivi (ad esempio, derivare nuova conoscenza).

- Recentemente ricercatori di diversi centri – in particolare negli Stati Uniti e in Europa – sono tornati a dibattere sul concetto di ‘Singolarità’, ovvero il momento di sorpasso dell’intelligenza umana da parte di quella artificiale’, qual è la sua opinione in merito e come si potrà valutare effettivamente questo passaggio?

In letteratura si distingue tra la realizzazione di macchine di IA che “pensano” (solitamente questa è definita IA forte, personalmente ritengo sia abbastanza lontana dall’essere realizzata) e macchine che si limitano a “operare” in maniera simile agli esseri umani (IA debole). Come dicevo, siamo ancora lontani dalla costruzione della macchina “intelligente”, per cui ci si è limitati per adesso a problemi più semplici e trattabili. Ancora oggi, tra le varie attività umane sono proprio quelle formalizzate e specializzate ad vedere le maggiori applicazioni di successo, sebbene siano in crescita anche i successi nell’affrontare tramite elaboratore attività umane normali o percettive (si pensi alla robotica).
Un’ulteriore definizione dell’IA si basa sul superamento del cosiddetto test di Turing (A. Turing, Computing machinery and intelligence, 1950) e sull’Imitation Game: il test è superato se, interagendo con un terminale in cui io posso porre domande e ottenere risposte, dopo trenta minuti di interazione non sono in grado di comprendere se l’interlocutore è una persona o un elaboratore. Ovviamente, un sistema di IA, per superare il test di Turing, deve avere capacità di elaborazione del linguaggio naturale, rappresentazione della conoscenza, ragionamento automatico, apprendimento automatico. A questo test possono aggiungersi requisiti per interazioni fisiche che coinvolgono robotica e visione artificiale per ottenere il cosiddetto test di Turing globale.
Per capire a che punto ci troviamo, chiunque può provare a giocare con il chatbot A.L.I.C.E. al sito: www.alicebot.org e verificare in quanto tempo è possibile capire la natura dell’interlocutore.

- Il meccanismo dell’apprendimento rientra tra quelli che è possibile ricreare artificialmente?

L’apprendimento automatico è da sempre usato nei sistemi di IA. Esso è stato utilizzato, ad esempio, nelle reti neurali per apprendere i pesi da assegnare alle sinapsi e migliorare il comportamento di una rete, tipicamente utilizzata come riconoscitore o classificatore. In ambiti non connessionisti, invece, come nei sistemi basati su conoscenza dove la rappresentazione è data in termini di regole, esistono numerose tecniche di apprendimento automatico per aumentare – anche incrementalmente – la base di conoscenza del sistema. L’apprendimento può essere supervisionato, a partire da esempi positivi e/o negativi, oppure non supervisionato. Nella nostra applicazione, ad esempio, abbiamo applicato una tecnica di apprendimento non supervisionato per raggruppare automaticamente, in gruppi o cluster, le parti di un pozzo che presentano caratteristiche simili.

- Come avrà modo di dimostrare in piazza a Ferrara, tra le varie applicazioni della disciplina c’è anche il campo delle indagini geologiche. Quali sono le informazioni che è possibile gestire e perché non ricorrere a semplici software o ad analisi ‘fisiche’?

Nell’analisi delle immagini ottenute da esplorazione di giacimenti di idrocarburi (petrolio e gas naturali), il geologo applica tecniche di riconoscimento visivo per identificare caratteristiche del terreno esplorato, quali bolle di idrocarburi (vacuoli), grado di compattezza del terreno (texture) e stratificazioni (che danno origine a sinusoidi nelle immagini, poiché la trivella mentre scende ruota anche di 360 gradi). Il primo componente della nostra applicazione (denominata I2am) esegue quindi questo tipo di identificazione visiva, applicando algoritmi di elaborazione delle immagini e riconoscendo in modo automatico – con un basso grado di errore – queste caratteristiche visuali. A partire da tali caratteristiche, poi, il geologo raggruppa le varie zone del pozzo (clustering) e identifica alcune classi rilevanti e ricorrenti. Da tale classificazione è quindi in grado poi di valutare la produttività della zona esplorata. Il secondo componente della nostra applicazione esegue – tramite apprendimento automatico e tecniche di data mining – un clustering automatico delle parti del pozzo e lo presenta al geologo. Indicativamente, ciò che il geologo esegue in un tempo di circa 2 mesi, è svolto dal sistema in pochi minuti. Un’ulteriore e recente possibilità del sistema I2am è di considerare, nel clustering, non solo le caratteristiche visuali, ma anche le caratteristiche fisiche del pozzo, disponibili dai file ottenuti in fase di trivellazione. Tali caratteristiche sono così numerose da non poter essere considerate dall’esperto geologo, e arricchiscono le immagini disponibili con moltissime informazioni da natura fisica (quali resistività del terreno, etc. etc.)

- In quali altri ambiti produttivi o di servizio (sanità, gestione infrastrutture di servizio etc) l’intelligenza artificiale può portare un contributo significativo?

Sono moltissimi i settori in cui le tecniche di IA possono essere utilizzate con successo. Come ho già avuto modo di dire, i maggiori successi si ottengono quando sia possibile formalizzare e applicare conoscenza in domini specifici e ben definiti. Moltissime sono le applicazioni in ambito medico (una delle prime palestre dei sistemi di IA), sia come sistemi di supporto alle decisioni, sia come sistemi di validazione dati. Altrettante sono le applicazioni che riguardano lo scheduling di attività (in questo ambito, le tecniche simboliche basate su sistemi a vincoli consentono di ridurre notevolmente i tempi di programmazione), la pianificazione e la robotica. Più recentemente, sistemi simbolici, basati su logica e linguaggi di programmazione logica, sono stati utilizzati per specificare servizi Web e la loro composizione e verificarne l’interoperabilità, per la specifica di sistemi normativi, e di sistemi basati su agenti, solo per citare alcune applicazioni in cui è stato coinvolto il nostro gruppo di ricerca.

- Il suo ambito di ricerca è particolarmente specializzato, come si compone il suo gruppo di ricerca e con quali altri ricercatori (matematici, fisici, neuro scienziati?) si trova a collaborare?

Da sempre collaboriamo a progetti di ricerca sia di base sia applicata. Nella prima categoria, prevalentemente si collabora con colleghi dell’area e si definiscono, realizzano e sperimentano tecniche innovative in ambiti “pilota”. Ad esempio, recentemente abbiamo partecipato ad un progetto europeo con Imperial College of Science, Technology and Medicine (Londra), City University (Londra), Università di Cipro, Università di Bologna e Università di Pisa e a vari progetti nazionali con altre sedi italiane. Tuttavia, nel gruppo di ricerca abbiamo da sempre anche attenzione alla multi-disciplinarietà e alla ricerca applicata. In questi contesti si collabora spesso con esperti di settori diversissimi o con colleghi di altre aree. Personalmente, credo che in progetti a più voci ciascuno dia un migliore contributo, tragga un arricchimento dalle competenze che gli altri partecipanti hanno in settori diversi e parimenti contribuisca a rendere note verso terzi i vantaggi delle tecniche peculiari della propria disciplina. Le esperienze fatte riguardano sia applicazioni in ambito medico, collaborando con medici internisti dell’Ospedale S. Anna (per citare solo una delle esperienze più recenti), con microbiologi e analisti di laboratorio dell’Ospedale S. Orsola Mapighi di Bologna, applicazioni di bioinformatica quali analisi di dati genetici con tecniche di “data mining” e con tecniche matematiche collaborando con il gruppo della Prof. Scapoli e della Prof. Ruggiero della nostra Università, applicazioni idrauliche collaborando con il gruppo del Prof. Franchini della nostra Università e in ultimo l’applicazione alla geologia del petrolio. Una menzione particolare riguarda anche la collaborazione instaurata con gruppi di fisici, Prof. Fiorentini e Prof. Savriè, che sebbene non strettamente legata alla nostra attività di ricerca, ha comunque portato un gruppo di studenti della Facoltà di Ingegneria a conoscere un centro di ricerca internazionale quale il CERN e per alcuni di loro a svolgere un periodo di tirocinio e tesi, e in alcuni casi un successivo contratto, presso tale struttura.

Michele Restuccia

Ti potrebbe interessare anche: