Tipi di Sistemi di Intelligenza Artificiale

Dai primi giorni dei computer, i ricercatori hanno cercato di creare sistemi che imitassero l'intelligenza umana. Mentre un Einstein al silicio potrebbe essere ancora una possibilità lontana, l'intelligenza artificiale, o IA, ci ha portato telefoni che riconoscono il linguaggio umano, auto che si guidano da sole e sistemi esperti che competono in quiz televisivi. Nel corso degli anni, la ricerca sull'IA ha attraversato diverse evoluzioni e, man mano che ogni tecnologia maturava, diventava parte della nostra esperienza quotidiana.

Machine Learning

I primi ricercatori lottavano con potenza di elaborazione e memoria limitate, ma posero le basi dell'IA con linguaggi di programmazione come LISP e concetti come alberi decisionali e machine learning. I programmi scritti in LISP potevano analizzare facilmente giochi come gli scacchi, mappare tutte le mosse possibili per diversi turni, poi scegliere la migliore alternativa. Questi programmi potevano anche modificare la loro logica decisionale e imparare dagli errori precedenti, diventando "più intelligenti" nel tempo. Con computer più potenti e storage di massa più economico, questo ramo dell'IA ha generato l'industria dei videogiochi, così come una varietà di motori di ricerca personalizzati e siti di shopping online che non solo ricordano le nostre preferenze, ma anticipano i nostri bisogni.

Sistemi Esperti

Mentre la prima ondata di ricercatori IA si basava sui cicli di calcolo per simulare il ragionamento umano, il successivo approccio si basava su fatti e dati per imitare l'esperienza umana. I sistemi esperti raccoglievano fatti e regole in una base di conoscenza, poi usavano motori di inferenza basati su computer per dedurre nuovi fatti o rispondere a domande. Gli ingegneri della conoscenza intervistavano esperti in medicina, riparazione auto, design industriale o altre professioni, poi riducevano questi risultati in fatti e regole leggibili dalla macchina. Queste basi di conoscenza erano poi usate da altri per aiutare a diagnosticare problemi o rispondere a domande. Man mano che la tecnologia maturava, i ricercatori trovarono modi per automatizzare lo sviluppo della base di conoscenza, inserendo montagne di letteratura tecnica, o lasciando che il software esplorasse il Web per trovare informazioni rilevanti da solo.

Reti Neurali

Un altro gruppo di ricercatori cercò di riprodurre il funzionamento del cervello umano creando reti artificiali di neuroni e sinapsi. Con l'addestramento, queste reti neurali potevano riconoscere pattern da quello che sembrava dati casuali. Immagini o suoni vengono inseriti nel lato di input della rete, con le risposte corrette inserite nel lato di output. Col tempo, le reti riorganizzano la loro struttura interna così che quando un input simile viene inserito, la rete restituisce la risposta corretta. Le reti neurali funzionano bene quando rispondono al linguaggio umano o quando traducono immagini scansionate in testo. Software basato su questa tecnologia può leggere libri a persone cieche o tradurre il parlato da una lingua all'altra.

Big Data

L'analisi su larga scala dei dati, spesso chiamata "big data", sfrutta la potenza di molti computer per scoprire fatti e relazioni nei dati che la mente umana non può comprendere. Trilioni di transazioni con carta di credito o miliardi di relazioni sui social network possono essere scansionati e correlati usando una varietà di metodi statistici per scoprire informazioni utili. Le compagnie di carte di credito possono trovare modelli di acquisto che indicano che una carta è stata rubata, o che un titolare è in difficoltà finanziaria. I commercianti al dettaglio possono trovare modelli di acquisto che indicano che una cliente è incinta, anche prima che lei lo sappia. Il big data permette ai computer di capire il mondo in modi che noi umani non potremmo mai fare da soli.