Intelligenza artificiale, machine learning e deep learning sono concetti che, pur avendo una radice comune, presentano delle differenze e dei confini ben marcati. L'intelligenza artificiale fa ormai già parte delle nostre vite e lo sarà in misura ancora maggiore nel prossimo futuro: scopriamo dunque quali differenze esistono tra AI, ML, DL e quali sono i rispettivi campi di applicazione nel mondo della tecnologia.
Introduzione
Intelligenza artificiale, machine learning e deep learning non sono più termini relegati al solo mondo accademico e alle pubblicazioni specializzate: essi fanno ormai parte della nostra vita quotidiana e rivestiranno un'importanza sempre maggiore nelle applicazioni e negli oggetti che utilizzeremo in futuro. Un esempio recente che dimostra il crescente interesse, anche da parte della cronaca, nei confronti dell'intelligenza artificiale è rappresentato dal programma AlphaGo sviluppato da DeepMind, una società britannica di AI controllata da Google. L'obiettivo di AlphaGo è quello di creare degli algoritmi in grado di acquisire una conoscenza paragonabile a quella umana e di applicarla senza alcun ausilio da parte dell'uomo. Il primo passo è stata la realizzazione di AlphaGo Zero, la prima applicazione software in grado di sconfiggere il campione del mondo in carica dell'antico gioco da tavolo cinese Go (100 partite a 0 a favore del programma). Un'immagine dell'antico gioco Go è visibile in Figura 1. Le prime versioni del programma erano basate sugli input provenienti da migliaia di giocatori amatoriali e professionisti: era cioè richiesta la presenza di un giocatore umano che permettesse al sistema di apprendere dalle partite giocate contro giocatori fisici. AlphaGo Zero fa un passo in avanti, per certi versi inquietante. La più recente versione del programma, infatti, impara semplicemente giocando contro se stessa, generando ogni volta delle partite in modo completamente casuale.
Figura 1. L'antico gioco da tavolo Go, diffusissimo in Cina
A livello operativo, Alpha Go Zero utilizza una sofisticata tecnica utilizzata soprattutto per sviluppare algoritmi di intelligenza artificiale e nota con il termine di apprendimento con rinforzo (reinforcement learning). Alpha Go Zero è diventato in pratica l'insegnante di se stesso. Ma quando è nata l'intelligenza artificiale? Storicamente, la nascita del termine AI viene attribuita a John McCarthy (in Figura 2 un'immagine del professore mentre opera su un computer pionieristico all'università di Stanford), un professore, scienziato e inventore americano che coniò questo termine in occasione della Dartmouth Conference del 1956. Nacque così la prima conferenza sull'intelligenza artificiale, il cui obiettivo era quello di esplorare nuovi modi che permettessero a una macchina di ragionare in modo simile all'uomo.
Figura 2. John McCarthy, ritenuto il padre dell'intelligenza artificale
Due anni più tardi McCarthy creò il linguaggio di programmazione Lisp, che in breve tempo, grazie alle sue proprietà di ricorsione e di pattern matching, si affermò come il linguaggio standard nel campo dell'intelligenza artificiale e della robotica e continua ad essere utilizzato ancora oggi.
Dall'AI al DL
Il modo migliore per comprendere i tre concetti di AI, ML e DL è quello di fare riferimento a una rappresentazione grafica. Come visibile in Figura 3, possiamo disegnare tre cerchi concentrici: quello più esterno (che include sia ML che DL) è l'AI, mentre quello più interno (a sua volta incluso nel cerchio ML) corrisponde al DL. Per quanto semplice sia, questa schematizzazione è di per sè sufficientemente completa. L'intelligenza artificiale, la cui nascita abbiamo visto risalire agli anni '50, ha dato origine intorno agli anni '80 al machine learning, dal quale ha avuto origine (circa all'inizio del decennio presente) il deep learning.
Figura 3. Schema grafico che evidenzia la relazione esistente tra AI, ML e DL
Negli ultimi anni le applicazioni nel campo dell'intelligenza artificiale sono cresciute in modo esponenziale, grazie soprattutto alla disponibilità di CPU e GPU multi core in grado di supportare l'esecuzione parallela di algoritmi. Visione artificiale, interpretazione del testo, sistemi per la guida autonoma dei veicoli sono soltanto alcuni dei molteplici esempi in cui questa affascinante tecnologia trova espressione a livello pratico. Vediamo ora quali sono le differenze tra questi tre termini e dove trovano applicazione nella vita di tutti i giorni.
Intelligenza Artificiale
Possiamo pensare a deep learning, machine learning e intelligenza artificiale come a un insieme di matriosche annidate l'una nell'altra, a partire dalla più grande sino a raggiungere quella di dimensioni minori. Deep learning è un sottoinsieme del machine learning, mentre il machine learning è un sottoinsieme dell'intelligenza artificiale, il termine generico con il quale si identifica ogni macchina o programma software in grado di eseguire un compito che richieda una qualche forma di intelligenza. In altre parole, tutto il machine learning è anche AI, ma non tutta l'AI è anche machine learning e così via. Più precisamente, con il termine AI si intende fondamentalmente ogni forma di intelligenza dimostrata da una macchina e che permette alla stessa di trovare una soluzione ottimale a uno specifico problema. Uno dei più semplici esempi di AI è rappresentato dal programma in grado di giocare a tris. Trattandosi di un gioco molto semplice, è possibile identificare la strategia di gioco perfetta e implementarla tramite un algoritmo software. In questo modo il giocatore "artificiale", a tutti gli effetti assimilabile a un bot, non perderà mai una partita. Non è un caso se, storicamente, il tris sia stato il primo videogame ad essere giocato da un computer: in Figura 4 possiamo osservare una schermata del programma OXO, il cui nome richiama chiaramente i simboli utilizzati nel classico gioco, sviluppato nel 1952 per l'elaboratore EDSAC.
Figura 4. Una schermata di OXO, una delle prime applicazioni di AI
Nella conferenza tenutasi nel 1956, i pionieri dell'intelligenza artificiale miravano a costruire delle macchine complesse che possedessero le stesse caratteristiche dell'intelligenza umana. Questo concetto, molto ambizioso, viene anche detto intelligenza artificiale generale o anche AGI, acronimo di Artificial General Intelligence, e ipotizza l'esistenza di macchine dotate almeno degli stessi sensi dell'uomo e della stessa capacità di ragionare. Fino ad oggi, le macchine che obbediscono ai criteri dell'AGI sono rimaste confinate nei film e nei racconti di fantascienza e il motivo è molto semplice: non siamo in grado di crearle, almeno per ora. Ciò che oggi siamo in grado di fare rientra nella categoria della cosiddetta intelligenza artificiale limitata o anche ANI, acronimo di Artificial Narrow Intelligence: macchine o tecnologie in grado di eseguire dei compiti specifici esattamente come (o anche meglio) potrebbe fare un essere umano. Esistono numerosi esempi di intelligenza artificiale limitata, come la classificazione delle immagini implementata da Pinterest, il riconoscimento facciale implementato da Facebook e i filtri anti spam. Esiste poi una terza categoria di AI, la super intelligenza artificiale o ASI, acronimo di Artificial Super Intelligence, che prevede la realizzazione di macchine in grado di svolgere compiti di complessità superiore rispetto a quelli normalmente svolti dall'uomo.
Machine Learning
Allo stesso modo in cui John McCarthy è ritenuto il padre dell'intelligenza artificiale, Arthur Samuel è ritenuto il padre del machine learning. La sua concezione di ML risale al 1959, anno in cui [...]
ATTENZIONE: quello che hai appena letto è solo un estratto, l'Articolo Tecnico completo è composto da ben 2780 parole ed è riservato agli ABBONATI. Con l'Abbonamento avrai anche accesso a tutti gli altri Articoli Tecnici che potrai leggere in formato PDF per un anno. ABBONATI ORA, è semplice e sicuro.
Ti potrebbe interessare anche:
Controllare un PLC basato su Arduino utilizzando Node-RED
Acquisizione dati da Multimetro Digitale Agilent 34401 con LabVIEW
Un sistema Multisensoriale per la Smart Home – Parte 1
Costruiamo un robottino in LEGO – Parte 2
Monitoraggio indossabile del diabete
Interessante e bellissimo articolo. Le reti neurali studiate a livello universitario. Nuove frontiere tecnologiche per grandi applicazioni.
Quest’articolo offre un’ottima panoramica .sull’ IA e sulle sue origini oltre a puntualizzare bene la differenza con DL e ML . Eppure si conosce ancora ben poco sulle particolarità tecniche di queste metodologie, data la complessità dei codici e dell’utilizzo della matematica e della statistica. Non è certo alla portata dei copia ed incolla che tanto va di moda, ma è solo per programmatori veri. Ho iniziato a leggere qualcosa sull’IA nel 1990 nel volume “Godel, Escher,Bach”. L’autore si sbizzarrisce a creare linguaggi, a mostrare analogie tra arte musica e matematica quasi a sottolineare che tutto potrebbe essere un modellizzato in un linguaggio. Ma creare un modello significa poter predire delle situazioni, ce lo ha insegnato già la fisica. Penso che in un periodo critico come il nostro, abbiamo più che mai bisogno delle macchine. Se le decisioni verranno prese dalle macchine programmate da persone sensate, sicuramente il nostro sarà un mondo migliore.
Grazie per questo interessantissimo articolo introduttivo. Condivido pienamente il parere espresso nel commento precedente, parliamo di un ambito per padroneggiare il quale occorre un background notevole e anni di applicazione; tuttavia mi auguro che i ‘”nostri” autori continuino a parlarne qui per i lettori, così da accendere la curiosità e dare spunti di approfondimento che poi ognuno potrà portare avanti al livello che gli è consentito. Buon lavoro!
Saluti.
Articolo molto interessante, grazie. Tutto ciò che riguarda il machine learning è un argomento “hot” in questo momento, provare a fare chiarezza sull’argomento è fondamentale per riuscire ad avere almeno una vaga idea di quello che sta succedendo.