Dall'intelligenza artificiale alle emozioni

Care ragazze e cari ragazzi è tempo di parlare di intelligenza artificiale. È l'argomento del momento, tutti ne parlano e la politica ha iniziato a legiferare per regolamentare il settore. In questo approfondimento vogliamo 1) capire cos'è l'intelligenza artificiale e 2) quali sono le sue applicazioni, 3) farci un'idea di come potrà influire sulla nostra vita, 4) riflettere sulle emozioni e la coscienza. Siamo ambiziosi!
Iniziamo citando alcune importanti tappe storiche, che potrete approfondire da soli. Iniziamo con Ada Byron Lovelace, fu proprio una donna la prima programmatrice e fu anche la prima a chiedersi se le macchine potessero "pensare" o "essere creative". Vi consiglio questo libricino: Ada Byron Lovelace and the Thinking Machine che abbiamo usato qualche anno fa per un progetto in prima Ada and her idea of an algorithm. Nel 1920, lo scrittore ceco Karel Čapek introduce il termine "Robot" per indicare operai artificiali nel dramma "I robot universali di Rossum". In un racconto pubblicato nella raccolta "Io, Robot", uscita nel 1950, Isaac Asimov descrive le leggi della robotica volte a regolare una convivenza pacifica tra uomini e robot. Il matematico Walter Harry Pitts e il neurofisiologo Warren Sturgis McCulloch propongono nel 1943 il concetto di rete neurale. Il neurone di McCulloch-Pitts diventa così un modello matematico per simulare in una macchina il funzionamento dei neuroni nel cervello umano. Una curiosità: Pitts per sfuggire ai bulli che lo perseguitavano si rifugiava spesso in biblioteca ed è così che si appassionò alla matematica. Nel 1948 il matematico Norbert Wiener pubblica il libro "La cibernetica" in cui descrive come riprodurre il comportamento degli esseri viventi. Il grande matematico Alan Turing propone nel 1950 il famoso test di Turing per capire se una macchina ha un comportamento intelligente oppure no, ovvero per distinguere tra macchina e uomo. Il test CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart) è una variante del test di Turing che usiamo spesso tutti noi quando dobbiamo dimostrare di essere "umani" e non un "bot", abbreviazione di robot, cioè un programma automatico. John McCarty, Marvin Lee Minsky, Claude Elwood Shannon e Nathaniel Rochester nel 1955 parlano per la prima volta di intelligenza artificiale introducendo il primo programma di ragionamento automatico. Nel 1957 lo psicologo Frank Rosenblatt, un pioniere delle rete neurali artificiali, presenta il percettrone, il primo dispositivo elettronico che mostrò capacità di apprendimento. Nel 1959 l'ingegnere elettronico Arthur Samuel per la prima volta parla di machine learning, la "branca dell'informatica che permette a una macchina di imparare a eseguire un compito senza essere esplicitamente programmata per farlo". Nel 1965 viene introdotto il primo sistema esperto, Dendral, un programma scritto dall'informatico Edward Albert Feigenbaum, capace di imitare il ragionamento umano. Serve per identificare molecole organiche sconosciute. Iniziano test e arrivano critiche sull'apprendimento delle macchine. Nel 1969 Marvin Lee Minsky e Seymour Papert, il matematico e pedagogista che contribuì allo sviluppo del Logo, evidenziano alcune criticità del percettrone nel risolvere semplici problemi logici. Nel 1974, David Rumelhart, Geoffrey Everest Hinton e Ronald J. Williams introducono un algoritmo noto come retropropagazione dell'errore utilizzato con il multi-layer perceptron, un percettrone a più livelli che permetterà lo sviluppo del deep learning. L'"apprendimento profondo", basato su molti strati di neuroni, e la disponibilità di enormi quantità di dati (big data) per il processo di apprendimento aprono la strada alla rivoluzione dell'intelligenza artificiale. Nel 1997, il supercomputer dell'IBM Deep Blue batte il campione mondiale di scacchi, Garry Kasparov. Dal 2015, la rete neurale profonda di Google DeepMind, AlphaGo, ha sempre vinto contro i campioni umani del millenario gioco del go. AlphaGo apprende per rinforzo, riceve dei premi se fa l'azione corretta e delle punizioni se sbaglia. Ora gioca solo contro se stessa.

Immagine ripresa da Machine learning as subfield of AI.

Le tappe storiche ci hanno permesso di capire cosa si intenda per intelligenza artificiale. L'aspetto che caratterizza l'intelligenza artificiale è dunque quello dell'autoapprendimento. Parliamo ora delle applicazioni. Abbiamo tutti familiarità con gli assistenti vocali di Apple, Siri, e di Amazon, Alexa. Da poco più di un anno tutti parlano di ChatGPT. Questi sono tutti sistemi informatici basati sull'intelligenza artificiale. L'elaborazione del linguaggio naturale (per esempio le traduzioni automatiche), i videogiochi e l'intrattenimento (per esempio i software per l'elaborazione di immagini), i veicoli autonomi (tra questi anche i droni), il riconoscimento facciale, la robotica (sia industriale che domestica), l'analisi dei dati, i sistemi pubblicitari basati sull'analisi comportamentale, sono solo alcuni degli ambiti di applicazione dell'intelligenza artificiale. Molte di queste applicazioni le conosciamo bene e già fanno parte della nostra vita quotidiana. Nella scienza, l'utilizzo di metodi basati sull'intelligenza artificiale sta rivoluzionando alcuni campi di indagine. Basti pensare alla determinazione della struttura tridimensionale delle proteine. Dal 2018 il programma AlphaFold (da Wiki: AlphaFold) ha reso possibile l'impossibile per i biochimici. Una proteina è una sequenza di aminoacidi, come abbiamo studiato. La sequenza con cui gli aminoacidi si susseguono nella molecola proteica è determinata dalla sequenza delle triplette nucleotidiche del gene che la codifica. Le proteine, però, assumono la loro configurazione funzionale solo quando sono ripiegate correttamente nello spazio. La sequenza aminoacidica e l'ambiente biochimico circostante determinano la "forma" che la proteina assumerà nello spazio. Conoscere questa struttura tridimensionale, la struttura funzionale della proteina, è di rilevanza fondamentale per ogni ricerca biochimica e applicazione medica. Prima del 2018 ottenere una struttura tridimensionale proteica poteva portare via anni di ricerca, dal 2018 ci pensa l'intelligenza artificiale, capace di predire la struttura 3D della molecola proteica a partire dalla sola sequenza aminoacidica con risultati accurati e in accordo con la determinazione sperimentale.
Le applicazioni dell'intelligenza artificiale in medicina sono innumerevoli. Basti pensare alla diagnostica per immagini, alla telemedicina, ai sistemi di monitoraggio delle funzioni vitali indossabili, alla scoperta di nuovi farmaci e, tra questi, di antibiotici che possano aiutarci a contrastare la resistenza a quelli già utilizzati, sempre più diffusa in molti batteri. Per citare un'ultima applicazione, parliamo di matematica. Recentemente è stato descritto AlphaGeometry, un sistema di intelligenza artificiale basato sul "machine learning" capace di dimostrare teoremi geometrici, imparando da dimostrazioni e teoremi di geometria euclidea messi a "sua" disposizione.

Stephen Hawking: "AI could spell end of the human race".

È chiaro che la rivoluzione dell'intelligenza artificiale è già iniziata. La scuola e tutte le istituzioni educative devono saper insegnare l'utilizzo consapevole ed efficace di questa potente tecnologia. Diventerà, per esempio, una competenza chiave saper riconoscere se un testo prodotto da ChatGPT sia accurato oppure no. È facile immaginare che le conoscenze per fare ciò dovranno essere di elevato livello. La scuola non solo dovrà curare la formazione di base con rinnovata convinzione, ma dovrà anche garantire che le future generazioni abbiano la versatilità cognitiva necessaria a programmare un computer in maniera, diciamo, tradizionale e capire la differenza con la programmazione di una macchina che può imparare (Generative Artificial Intelligence). Se volete un consiglio, care ragazze e cari ragazzi, iniziate con il Python.
Arriviamo, così, alla conclusione di questo approfondimento cercando di riflettere su emozioni, coscienza e intelligenza artificiale. L'argomento è complesso e la ricerca scientifica sulla definzione stessa di coscienza è in quotidiana evoluzione (magari qualcuno di voi diventerà esperta/o del settore). Definire cosa siano le emozioni e la coscienza non è così semplice in biologia e lo è ancor meno se parliamo di robot. Tuttavia, per giovani che si preparano a vivere in un mondo pervaso da un'intelligenza artificiale capace di imparare è indispensabile avere conoscenze a riguardo.
Un sistema in grado di imparare da testi scritti, rielaborare i concetti, rispondere a domande, formularne di nuove, adattarsi al proprio interlocutore è da considerarsi consapevole di ciò che sta facendo? Nel 2023, gli esperti si sono posti questa domanda sempre più frequentemente. Non esiste una semplice definizione di coscienza, ma esistono intere e differenti teorie su di essa. Tutti gli esperti sono d'accordo che bisogna fare dei test per capire se un organismo o un robot siano coscienti. Ma il test per la coscienza da effettuare su un organismo vivente sarà lo stesso a cui sottoporre un robot? Se un'intelligenza artificiale fosse capace di guardare il mondo da un sua prospettiva "personale", non semplicemente elaborando dati di cui dispone, ma facendo esperienze autonome e imparando da queste, allora potrebbe anche soffrire? Domande difficili. La coscienza è difficile da studiare perché è difficile da definire. Così, diventa ancora più difficile trasferire il concetto ai robot. È interessante sapere che alcuni scienziati hanno recentemente affermato che nel caso in cui non sia chiaro se un sistema di intelligenza artificiale potrà acquistare coscienza di sé, sarebbe meglio non costruire tale sistema. Riflettiamo...
Coscienza e intelligenza sono due cose diverse. Esistono ormai molti sistemi di intelligenza artificiale con cui conviviamo e molti altri arriveranno con cui impareremo a convivere. Riguardo a sistemi coscienti bisognerà essere cauti. Ascoltate le parole di Stephen Hawking e riflettete.
Intanto, visto che l'intelligenza artificiale sta imparando dalle esperienze umane messe a sua disposizione, in altre parole ci imita, cerchiamo di istruirla con il meglio di noi stessi. Esistono già, purtroppo, situazioni in cui sistemi di intelligenza artificiale basati sulle banche dati dei social mostrano atteggiamenti razzisti, discriminatori e diffondono disinformazione. Essere empatici con chi ci circonda, mostrare gentilezza, saper rispettare le opionioni altrui, discutere criticamente e costruttivamente sono questi i comportamenti da promuovere e far diventare virali. Leggete la seguente definizione: "L'intelligenza emotiva è una componente dell'intelligenza, che consiste nella capacità di percepire, valutare, comprendere, utilizzare e gestire le emozioni." (da Intelligenza emotiva). John D. Mayer, uno degli scienziati che per primi hanno parlato di intelligenza emotiva la definisce come la capacità di ragionare sulle emozioni e delle emozioni per migliorare il pensiero, promuovere la crescita emotiva e intellettuale. Dovremmo allora promuovere un'intelligenza artificiale emotiva.
Possiamo concludere riflettendo sul fatto che non dobbiamo avere paura dell'intelligenza artificiale, ma della "poca intelligenza" di alcuni Homo sapiens che rappresentano un pessimo esempio non solo per i propri simili ma anche per i robot.

Referenze

Simone Conradi, Roberta Molinari (2022) Intelligenza artificiale. Cogito ergo sum?. Zanichelli Editore S.p.A.

Ringrazio Simone Conradi per alcuni suggerimenti.

Sibel Erduran (2023) AI is transforming how science is done. Science education must reflect this change. Science: 21 Dec 2023 - Vol 382, Issue 6677

AI in Medicine

Trinh et al. (2024) Solving olympiad geometry without human demonstrations. Nature: 625: 476-482.

Grace Huckins (2023) Minds of machines: The great AI consciousness conundrum. MIT Technology Review: October 16, 2023.

Butlin et al. (2023) Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv:2308.08708

Christov-Moore et al. (2023) Preventing antisocial robots: A pathway to artificial empathy. Science Robotics: 8, eabq365

Ho et al. (2023) An analytical framework for studying attitude towards emotional AI: The three-pronged approach. MethodsX: 10, 102149

Mayer et al. (2008) Emotional intelligence: New ability or eclectic traits? American Psychologist, 63: 503-517.

Python

Manuela Casasoli (manuela_casasoli@yahoo.it) - Pubblicato il 29 gennaio 2024