Il desiderio dell’uomo di costruire un essere artificiale in grado di pensare è vecchio di almeno un paio di secoli, ma solo recentemente, con l'avvento della robotica, si è cominciato ad ottenere dei risultati empirici; molteplici le discipline coinvolte nella progettazione di robot sempre più performanti, versatili, autonomi e intelligenti. Ma i sistemi di controllo dotati di IA, Machine Learning e Deep Learning racchiudono in sé dei limiti in quanto non rispecchiano propriamente l’attività neurale. Per proseguire il percorso di ricerca verso lo sviluppo di robot pensanti vi è bisogno di un cambio di paradigma. Dalla collaborazione di diverse discipline scientifiche quali meccatronica, psicologia, neuroscienze, biocomputing e bioingegneria nascono numerosi percorsi di ricerca ed esperimenti, nasce la neuro-robotica, la robotica cognitiva e i primi neuroni artificiali in provetta.
I robot sono presenti nell’immaginario collettivo già da molto tempo, anche se la vera e propria elaborazione e costruzione di macchine robotiche comincia nella seconda metà del XX secolo. Negli ultimi decenni si è assistito alla generazione e diffusione di molteplici sistemi robotici, dai più semplici elettrodomestici fino a giungere ai modelli autonomi che grazie a IA e sistemi di apprendimento, sensori sempre più accurati e archivi dati sempre più vasti, sono in grado di muoversi ed operare in completa autonomia. Dai primi modelli basati su criteri deterministici ai nuovi robot autonomi capaci di rilevare dati ambientali per determinare l'azione da svolgere, i robot sono ormai tra noi. L'avvento dell'elettronica e la nascita del calcolatore rappresentano due momenti chiave che modificheranno sostanzialmente il panorama tecnologico, appianando la strada che porterà a informatica, robotica, Machine Learning, ecc. Il computer diventa il paradigma tecnologico ideale per studiare la psiche umana (vi è difatti un certo parallelismo tra l’avanzamento tecnologico del calcolatore e i progressi in ambito psicologico) e avviare la ricerca sulle macchine pensanti. L'affermazione delle neuroscienze negli anni '90 ha permesso una maggiore comprensione del funzionamento cerebrale; la nascita dell'Intelligenza Artificiale, del Machine Learning, l'evoluzione continua del calcolatore e i successi della meccatronica hanno portato alla progettazione dei robot autonomi e stanno trasformando la società in cui viviamo. Naturalmente, la fantascienza ha il suo dominio che non corrisponde con quello della realtà e spesso i mass media confondono e sfumano i confini tra i due mondi per richiamare l’attenzione del pubblico. Domande come "il computer può acquisire consapevolezza di sé?" vengono poste già dagli anni '80, nonostante il percorso di indagine verso la realizzazione di robot pensanti e cervelli artificiali sia solo agli inizi. Nonostante lo strabiliante sviluppo delle tecniche di Intelligenza Artificiale e degli algoritmi di apprendimento, c'è chi ha sollevato critiche a riguardo, sostenendo che l'IA stia raggiungendo dei limiti. L'Intelligenza Artificiale rispecchia solo parzialmente le capacità razionali dell'uomo e questa scelta terminologica non deve trarre in inganno: l'intelligenza animale rappresenta un concetto molto complesso, poliedrico, versatile e ancora in parte oscuro alla nostra comprensione. L'Intelligenza Artificiale, invece, riflette la parte logico-matematica della mente umana, non può imitare propriamente le capacità intellettive, non comprende, non è cosciente e non decide. Il progresso tecnologico dell'Intelligenza Artificiale è indubitabile; affermandosi ha apportato considerevoli cambiamenti in molteplici settori della società. Eppure, per generare modelli robotici in grado di pensare come gli esseri umani non basterà fornire alla macchina una enorme mole di dati e una crescente capacità computazionale. La cooperazione tra una molteplicità di discipline quali per esempio informatica, meccatronica, scienza cognitiva, elettronica organica, ecc. ha dato vita a diverse vie d'indagine dai risvolti innovativi, nel tentativo di creare dispositivi tecnologici ispirati ai criteri biologici dell'organismo umano.
Neuroscienza, psicologia e meccatronica si fondono dando vita a neuro-robotica, biocomputing e robotica cognitiva al fine di ricreare in laboratorio le capacità cerebrali e impiegare modelli cognitivi umani nella progettazione robotica. Assistiamo dunque all'inizio di qualcosa di sorprendente su cui in molti hanno fantasticato, me che smuove anche critiche di natura etica. Il dibattito concernente l'eventuale capacità di ricreare il cervello umano in laboratorio è in fermento. C'è chi critica tali iniziative in quanto immorali e pericolose (asserendo che non dovremmo tentare di replicare qualcosa di così essenziale alla posizione di dominanza conquistata dall'homo sapiens sulla terra fino a quando non si comprenderà maggiormente il funzionamento della mente), chi invece afferma che solo tramite la ricreazione di qualcosa l'uomo sia in grado di comprendere veramente. Nonostante in molti già ragionino su questi aspetti morali e sociali, la strada verso la riproduzione artificiale dell'attività neurale umana e la conseguente integrazione di essa in un sistema robotico umanoide è ancora incerta.
Robot e sistemi di controllo
La categoria robot include una vasta rosa di modelli che si differenziano tra loro per tipi (mobili, stazionari, aerei), generazione, gradi di libertà, metodi e sistemi di controllo, applicazioni, ecc. Nonostante la grande varietà, è possibile individuare una struttura fondamentale generale comune:
- Struttura meccanica e attuatori
- Sensori
- Unità di governo e sistema di controllo
L’unità di governo ha la funzione di gestire i movimenti e le attività del robot al fine di eseguire i compiti per cui è stato programmato. Il sistema di controllo si costituisce di componenti capaci di creare un collegamento tra la "percezione" della macchina (ovvero i sensori che rilevano dati ambientali) e la relativa azione: gli algoritmi di controllo eseguono i calcoli al fine di identificare la giusta risposta sulla base delle informazioni rilevate, l'insieme degli attuatori (i motori elettrici, pneumatici, idraulici, ecc.) permettono l'attivazione e l'esecuzione di task specifici. Per quanto sofisticati siano i sistemi robotici al giorno d'oggi, essi vengono tutti mossi da una struttura di governo, da algoritmi che forniscono loro i calcoli necessari all'esecuzione dei task e non sono in grado di comprendere e conoscere ma di seguire direttive matematiche programmate e insite al software che li guida. A seconda dei dati forniti (interni e ambientali, essendo solitamente il robot fornito di sensori propriocettivi, per il rilevamento dello stato della propria struttura meccanica, e esterocettivi, per il rilevamento dell’ambiente esterno) e dei conseguenti calcoli dell'unità di governo dipenderà l'azione del robot: l'attività robotica è resa possibile dalla CPU dell'unità di governo e dal relativo calcolo matematico dei dati. Il risultato viene poi inviato al sistema di azionamento (rappresentato dall'insieme degli attuatori).
Figura 1: Esempio di bracci robotici industriali
Smart control methods
In robotica sono molteplici gli approcci testati ed utilizzati: Machine Learning, Deep Learning e Artificial Neural Networks, logica fuzzy, calcolo evolutivo, algoritmi genetici, ecc. L'ampio campo del Machine Learning include i metodi dell'apprendimento supervisionato e non (supervised and unsupervised learning), l'apprendimento per rinforzo (reinforced learning), le reti neurali artificiali (Artificial Neural Nets ANNs), il Deep Learning, l'adaptive method control, l'approccio della logica fuzzy, ecc. Per citarne alcuni tra i più popolari, Proportional-Integrative-Derivative control systems (PID), Linear-Quadratic Regulator (LQR), Radio Frequency Identification (RFID) ideale per il controllo wireless. Il controllo intelligente utilizza vari metodi di ottimizzazione, metodi statistici e probabilistici al fine di identificare ed estrarre pattern ordinati da contesti specifici e in grado di analizzare un'enorme mole di dati in poco tempo al fine di individuare la risposta più appropriata.
I limiti dell'intelligenza e dell’apprendimento delle macchine
In molti, sostengono che non sarà l'IA per come la concepiamo oggi a permetterci di fare il "salto" necessario per avvicinarci alla realizzazione di robot umanoidi pensanti. Secondo la critica, i sistemi di apprendimento sono limitati, l'IA è più precisamente una "Artificial Narrow Intelligence” e il suo limite potrebbe risiedere proprio nello stesso metodo di apprendimento (fattore chiave dell'efficienza dei sistemi intelligenti):
- il significato del termine intelligenza differisce a seconda che ci si riferisca all'ambito artificiale o biologico; l'IA non rispecchia, se non parzialmente, le capacità intellettive di un cervello umano;
- l'IA non possiede coscienza, né comprensione, né volontà. La macchina non capisce e non risponde ma computa, analizza e restituisce risultati attingendo a un bacino di informazioni ricevuto e creato dall'uomo. La coscienza e la consapevolezza rappresentano ancora un'incognita per la ricerca;
- un robot è limitato allo svolgimento di un solo compito per volta, per l'esecuzione di un altro compito è necessaria la riprogrammazione;
- nonostante il grado di precisione e raffinatezza raggiunti dagli algoritmi di Deep Learning, non vi è capacità di astrazione concettuale;
- l’IA è talvolta inesatta, non può distinguere il vero dal falso;
- l'IA non crea, estrae da un dataset. Anche per quel che riguarda l'Intelligenza Artificiale generativa sono state mosse critiche analoghe: secondo alcuni può generare contenuti inediti, altri sottolineano che si tratta comunque dell'estrazione e rielaborazione di contenuti preesistenti creati dall'uomo.
Astrazione concettuale, comprensione, intenzione, consapevolezza e coscienza sono variabili fondamentali nel definire l’attività intellettiva. Il Deep Learning è un metodo statistico, il cervello non utilizza esclusivamente metodi statistici per comprendere e risolvere problemi. La struttura delle NN (Artificial Neural Networks) è ispirata alla struttura neurale, il Deep Learning si richiama proprio alla stratificazione profonda di tali reti e alle molteplici connessioni ramificate dei nodi costituenti, ma ciò non eguaglia la complessità delle connessioni sinaptiche presenti nel cervello umano. Vi è inoltre un problema legato all'alimentazione energetica: il perfezionamento dei sistemi IA, l'ottimizzazione della capacità computazionale e l’arricchimento degli archivi di memoria richiedono sempre più energia per essere alimentati.
ATTENZIONE: quello che hai appena letto è solo un estratto, l'Articolo Tecnico completo è composto da ben 2890 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.
Complimenti per la chiarezza di scrittura posta nell’articolo. Concordo pienamente su un punto fondamentale che distingue l’intelligenza umana e cioè la presenza del pensiero o più genericamente della mente e quindi della coscienza. In realtà è proprio la mancanza di conoscenza che ancora tradisce e scolpisce la nostra ignoranza in merito. Nella storia si conferma che l’uomo ha sempre tentato di interferire, “curare” il cervello o il comportamento umano con terapie avveniristiche senza sapere minimanete su che cosa stava interferendo o curando…
Abbiamo ancora molto da studiare e scoprire sulla mente e il pensiero, ma ci si può arrivare con il pensiero filosofico che studia e ricerca se stesso. Filosofia e neuroscienze forse cominciano a capirsi a vicenda.
Riccardo Budai