Artificial Intelligence: Mind Control

a.s 2006/2007

Capitolo 2

A NALISI

’I A

DELL NTELLIGENZA RTIFICIALE

2.1 Fondamenti teorici

Sono stati enunciati alcuni fondamenti teorici unanimemente considerati alla base della

moderna A.I.:

1. Il ragionamento ed ogni tipo di attività della mente è un calcolo.

2. Il calcolo è inteso come manipolazione di simboli in base a regole prestabilite.

3. Il simbolo, o rappresentazione, è un oggetto che sta per o raffigura un altro oggetto.

4. Può esistere un manipolatore automatico di simboli.

(μηχανη)

Macchina deriva dal greco mechané che a sua volta deriva da méchos

(μηχος), mezzo, rimedio, espediente. La definizione più generale di macchina è quella

per cui essa è vista come un insieme funzionale composto da parti chiaramente definite,

cioè da dei ‘meccanismi’, tale che le sue funzioni (sia interne che esterne) si possano

comprendere conoscendo le parti che lo compongono e il modo in cui esse interagiscono.

2.2 Turing e l’avvicinamento all’Intelligenza Artificiale: Test di Turing

Uno degli obiettivi dei primi studiosi di Intelligenza Artificiale è stato realizzare una

macchina che funzionasse come un sistema formale, le cui caratteristiche di una

macchina con sistema formale sono state definite rigorosamente dal grande matematico

inglese Alan Turing (1912-1954) che diede un contributo fondamentale agli studi

sull’A.I.

Nel suo saggio del 1936 “Sui numeri computabili con una applicazione al problema della decisione”

Turing immagina una macchina teorica in grado di compiere qualsiasi tipo di calcolo, di

qualunque genere, facendo delle banali operazioni computazionali. Una macchina di

Turing è costituita da un dispositivo che può scrivere e leggere simboli su un nastro di

lunghezza anche infinita, diviso in celle che possono contenere un solo simbolo

ciascuna. Il dispositivo, oltre a scrivere e leggere i simboli, può spostarsi a destra o

sinistra, una cella alla volta. Il suo funzionamento avviene per passi successivi e ogni

passo è determinato da regole precise che, oltre a considerare il simbolo letto, valutano

anche il suo stato interno. Si può dimostrare che una macchina di Turing è in grado di

simulare il funzionamento di qualsiasi sistema formale e che i moderni calcolatori sono

equivalenti a una macchina di Turing.

Una caratteristica fondamentale della macchina di Turing è che separa l’informazione in

due elementi: il suo stato interno e ciò che ne deriva esternamente. 5

a.s 2006/2007

La macchina di Turing costituirebbe la rappresentazione meccanica di un algoritmo,

ovvero di un insieme di istruzioni che specificano i passaggi tramite i quali si rende

possibile la soluzione di un determinato problema.

Il matematico Church ha inoltre espresso la congettura di Church: qualsiasi cosa sia

calcolabile da un algoritmo, esso è calcolabile da una macchina di Turing. La macchina di Turing

potrebbe eseguire tutti i procedimenti mentali trasformabili in un procedimento formale

di passaggi, da uno stato all’altro, ma, proprio perché basata su procedimenti formali, ne

condividerebbe i limiti. Le proposizioni espresse nell’ambito di un sistema formale non

sono infatti verificabili restando all’interno del sistema e ciò rappresenta un limite di

incompletezza del sistema stesso.

Alcuni teorici dell’A.I. sostengono invece che il cervello è una specie di macchina di

Turing e le operazioni che avvengono in esso sono una sorta di programmi. Questa

teoria è detta teoria rappresentazionale della mente e in base a essa si potrebbero

trovare le regola con cui il nostro cervello elabora i simboli, trasformarle in programmi e

riprodurle artificialmente in un computer.

Alan Turing è inoltre l’autore di un test, apparso nel 1950 nell’articolo Computing

machinery and intelligence sulla rivista Mind, che è universalmente conosciuto come l’unico

in grado di stabilire se una macchina è in grado di pensare o meno: viene infatti definita

“intelligente” una macchina che riesce a superare il test di Turing.

In che modo definiva “intelligente” una macchina?

Il test di Turing consiste essenzialmente nel rispondere alla sua domanda iniziale: “Can

machines think?”. Per rispondere a questa domanda Turing la riformulò nei termini di un

gioco, che chiamò gioco dell’imitazione.

Questo gioco viene effettuato da tre persone: un uomo(A), una donna (B) ed un

interrogante. Quest’ultimo viene chiuso in una stanza, diviso dagli altri due, i quali sono

da lui conosciuti con i nomi X e Y. Scopo del gioco è che l’interrogante capisca chi sia

l’uomo e chi sia la donna, facendo delle domande ai due. Affinché nulla possa aiutare

l’interrogante a capire chi sia l’uomo e chi la donna, le risposte verranno dattiloscritte.

Lo scopo di A è quello di ingannare l’interrogante, lo scopo di B è quello di aiutarlo.

Il test di Turing si basa sulla convinzione che una macchina si sostituisca ad A,e nel caso

in cui l’interrogante non si accorgesse di nulla, la macchina dovrebbe essere considerata

intelligente, dato che sarebbe indistinguibile da un essere umano. Per macchina

intelligente Turing ne ritiene una che sia in grado di pensare, ossia capace di produrre

idee e pensieri concatenati tra loro e di esprimerle.

Il test di Turing è stato riformulato negli anni successivi. Le ragioni sono varie: dalla

formulazione originale imprecisa, al sorgere di nuovi problemi sulla definizione di

macchine intelligenti. Il filosofo John Searle, ha proposto una modifica del test di

Turing, che ha preso il nome di stanza cinese, ritenendo di essere riuscito a dimostrare

che il test di Turing non era sufficiente a provare che una macchina o un sistema

informatico siano sistemi dotati di intelligenza.

Ancora oggi nessun sistema artificiale ha superato il test di Turing, e ogni anno si

imbandiscono premi per incentivare i programmatori a costruirlo.

2.3 L’architettura base dei sistemi di Intelligenza Artificiale

L’I.A. è valutata per le sue capacità e prestazioni, indipendentemente dai metodi e

meccanismi che sono utilizzati per realizzarla. 6

a.s 2006/2007

L’idea che sta alla base è quella di costruire macchine che non necessariamente

simulino riproducendo il comportamento del cervello umano, ma siano in grado di

emularlo selettivamente nel risultato finale di certe operazioni.

È questa la tesi sostenuta da A. Turing nel gioco dell’imitazione: egli propone di

“valutare” l’intelligenza di una macchina solamente dalla sua capacità di presentare un

comportamento comunicativo indistinguibile da un essere parlante umano.

Quest’impostazione è stata sicuramente dominante nella storia dell’IA ed ha portato alla

costruzione programmi che raggiungono un alto livello di competenza nella conoscenza

e nella risoluzione di problemi ritenuti complessi.

L’applicazione software alla base di un sistema di I.A. è un “ambiente” in cui

rappresentare, utilizzare e modificare una base di conoscenza. Il sistema esamina un

largo numero di possibilità e costruisce dinamicamente una soluzione. Ogni sistema di

tal genere deve riuscire ad esprimere due tipi di conoscenza in modo separato e

modulare: una base di conoscenza e un motore inferenziale.

2.4 Primi programmi di Intelligenza Artificiale

A partire dalla metà degli anni ‘60, lo sviluppo della tecnologia dei circuiti integrati

consentì il nascere di quella che viene definita la terza generazione dei computer. Con

queste nuove macchine si rese possibile anche un salto qualitativo dei programmi ed una

ricerca dell’A.I. applicata soprattutto alla comprensione del linguaggio umano, al calcolo

simbolico ed alla rappresentazione semantica.

Uno dei primi programmi di A.I. ad avere successo fu Eliza, inventato nel 1964 da

Joseph Weizenbaum, prima ricercatore al MIT poi prestigioso docente. Eliza (nome

preso dall’omonima Eliza del ‘Pigmalione’ di G. B. Shaw) era in grado di sostenere una

conversazione in inglese su “copioni” prestabiliti di diverso argomento. La sua notorietà

fu dovuta anche al ‘ruolo’ di psicanalista che Weizenbaum fece assumere ad Eliza,

talmente realistico da far credere agli utilizzatori di essere davanti a un vero dottore.

Uno psichiatra, Kenneth Colby, realizzò poco dopo un programma simile ad Eliza che

chiamò Parry, in grado di simulare il comportamento linguistico di un paranoico.

Furono persino organizzate sedute di dialogo tra Parry ed Eliza, a detta di molti

psichiatri estremamente realistiche.

2.5 Linguaggi di AI

Uno dei limiti caratteristici nel modo di procedere formale del computer è quello che la

macchina ignora il significato dei simboli che va manipolando. E’ la distinzione esistente

fra un procedimento sintattico ed uno semantico.

Il primo programma dotato di un modulo per la comprensione semantica del linguaggio

umano fu SHRLDU sviluppato da T. Winograd fra il 1968 e il 1970. Il nome è ottenuto

dalla sequenza di lettere dell’alfabeto inglese che va dalla settima alla dodicesima in

ordine di frequenza decrescente. SHRDLU era in grado di comprendere il linguaggio

naturale e di spostare a piacimento, tramite un braccio articolato, un gruppo di oggetti

geometrici diversi per forma, misura e colore, sperimentava la percezione del mondo

esterno con rappresentazioni proprie di oggetti fisici. La procedura di risposta ai

comandi impartiti prevedeva una fase di riconoscimento della frase. 7

a.s 2006/2007

Sulla comprensione e la formulazione del linguaggio naturale furono iniziati a Yale da

Roger Schank, alla fine degli anni ‘60, studi particolari che portarono al programma

Margie, proposto nel 1975 dallo stesso Schank. Successivamente furono sviluppati altri

programmi, come Eli, scritto da Riesbeck al fine di perfezionare la fase di

segmentazione del linguaggio naturale, e Babel, scritto da Goldman per generare testi. I

più recenti programmi, considerati come la terza generazione dei programmi di

Intelligenza Artificiale, sono finalizzati come nel caso di Sam (Script Applier

Mechanism) alla comprensione testuale.

Le ricerche sull’elaborazione del linguaggio naturale (Natural Language Processing)

costituiscono uno dei settori di punta dell’intelligenza artificiale e sono oggetto di una

ulteriore disciplina che si chiama linguistica computazionale. L’elaborazione

automatica del linguaggio naturale prende le mosse dalla teoria linguistica di Noam

Chomsky. Secondo Chomsky la capacità che ogni essere umano ha di capire e produrre

frasi e discorsi nella sua lingua è dovuta ad un insieme di conoscenze presenti nella sua

mente: definiamo questo insieme di conoscenze implicite competenza linguistica.

Tale competenza è almeno in parte inconsapevole, visto che la maggior parte delle

persone sono in grado di produrre e capire le frasi corrette, così come di individuare

immediatamente gli usi scorretti della loro lingua, pur senza sapere il modo in cui questo

avviene.

Per la rappresentazione delle conoscenze si utilizzano le cosiddette reti semantiche. La

prima formulazione del concetto di rete semantica si deve a Ross Quillian, che lo

elaborò nel 1968 per costruire un modello dell’organizzazione dei significati delle parole

nella memoria e della capacità di associare concetti. Secondo Quillian i concetti nella

nostra mente sono organizzati in una struttura reticolare, solo che in questa rete esistono

due tipi di nodi: i nodi tipo e i nodi occorrenza. I nodi tipo corrispondono ai

significati delle singole parole. Da ogni nodo tipo si dipartono una serie di collegamenti

o archi che terminano nei nodi occorrenza, che hanno la funzione di descrivere il

significato della parola in questione.

Questo modo di rappresentare la conoscenza è inadeguato per rendere conto del modo

assai rapido in cui un essere umano è in grado di accedere alle conoscenze

immagazzinate nella sua memoria e di utilizzarle per ragionare, comprendere un

discorso in lingua naturale o riconoscere gli oggetti e le situazioni che gli si presentano.

Per rendere conto di queste caratteristiche della nostra memoria concettuale, e per

riprodurla su un computer, Marvin Minsky, uno dei pionieri dell’Intelligenza Artificiale,