I limiti degli attuali approcci neurali si vedono bene in quello che viene chiamato “ragionamento di senso comune” (commonsense reasoning). Compiti per noi banali risultano di fatto ardui anche per reti neurali addestrate con milioni di parole. Ecco come si sta muovendo la ricerca

Università degli Studi Guglielmo Marconi

L’insipienza semantica è uno dei grandi problemi aperti dell’intelligenza artificiale, se non forse il più grande. Lo ripetono a ogni occasione il fisico Federico Faggin e il filosofo John Searle.

Mettendo da parte i linguaggi tecnico-specialistici, per i quali le tecniche di ibridazione potranno consentire notevoli progressi, produrre ragionamenti ipotetici basati sulle conoscenze comuni è dunque il grand challenge della attuale fase di sviluppo dell’intelligenza artificiale.

Intelligenza artificiale e comprensione del linguaggio: a che punto siamo

Per Faggin, il computer è solo un processore di bit e, benché appaia sempre più “intelligente”, non ha nulla che lo accosti neanche lontanamente alla coscienza umana. In molte occasioni il fisico italiano inventore del microprocessore ha sottolineato l’incapacità della macchina di dare “significato” ai simboli su cui si basano i suoi calcoli. Un argomento simile a quello che Searle ha esemplificato col suo classico esperimento mentale detto della ‘stanza cinese’. Immaginiamo una persona che, al chiuso di una stanza, sia in grado di ricevere bigliettini scritti in cinese e restituirli tradotti correttamente.

Si potrebbe pensare che questa persona conosca il cinese, ma guardando nella stanza ci si accorge che ogni volta la persona compulsa un enorme registro in cui ciascuna frase cinese è tradotta nella lingua di destinazione. Dunque, nessuna conoscenza del cinese, ma solo tanti dati (il registro) e tanta infaticabile capacità di lavoro.

Le formidabili reti neurali addestrate su terabytes di testo che consentono oggi di approssimare il significato delle parole raggiungendo prestazioni spettacolari, ad esempio nella traduzione automatica, sono pur sempre esempi di ‘stanza cinese’: conoscono milioni di correlazioni, ma non hanno idea di cosa vogliano dire. La questione non si può liquidare dicendo che è il risultato quello che conta, perché, anche nelle più potenti reti neurali, l’incapacità di cogliere il significato si fa sentire.

I limiti degli attuali approcci neurali si vedono bene in quello che viene chiamato “ragionamento di senso comune” (commonsense reasoning). L’interpretazione umana delle parole e delle frasi consiste sempre nel fare ipotesi su cosa l’interlocutore voglia dire. In queste ipotesi non entra solo ciò che si ascolta o legge, ma anche le conoscenze del mondo che i parlanti hanno (o credono di avere) in comune. Così si spiega il fatto che “ho visto un elefante col binocolo” non ci faccia venire in mente che il binocolo potesse averlo l’animale, mentre il dubbio sarebbe legittimo se leggessimo: “ho visto l’uomo col binocolo”.

“Non c’è nulla che sia fuori dal testo” diceva Jaques Derrida, intendendo che in ciascuno di essi si riflette l’immagine del mondo intero. Questa immagine, d’altro canto, non è ricavabile dall’insieme dei testi (come propagandano certi stregoni delle reti neurali) perché il linguaggio è un gioco collettivo situato nella realtà, sia essa materiale o sociale. Molti filosofi, tra cui Wittgenstein, lo hanno spiegato bene.

Produrre ragionamenti ipotetici basati sulle conoscenze comuni è dunque un grand challenge della attuale fase di sviluppo dell’intelligenza artificiale. Molti ricercatori si dedicano a questo già da tempo. Un classico esperimento che mostra gli avanzamenti nel campo è lo “Schema Winograd”, ideato da Hector Levesque nel 2011. Consiste nel risolvere quesiti che riguardano frasi sintatticamente ambigue che sono del tutto ovvie per gli umani ma costituiscono un grattacapo per le macchine, come ad esempio:

Il trofeo non entrava nella valigia marrone perché era troppo grande (piccolo). Cosa era troppo grande (piccolo)?

Il problema qui è quello di individuare correttamente il senso di ‘entrare’ come introduzione di un oggetto in un contenitore e stabilire chi sia l’oggetto e chi il contenitore. Un compito per noi così banale risulta di fatto arduo anche per reti neurali addestrate con milioni di parole.

Il ragionamento ipotetico (detto anche abduttivo) pone sfide ancora più complesse. L’Allen Institute for AI, creatura del co-fondatore di Microsoft, ha costruito il dataset Abductive Natural Language Inference per misurare questo tipo di ragionamenti, il quale si presenta come una collezione di strutture fatte così:

Osservazione 1: Jenny ama molto mandare messaggi col telefono.

Osservazione 2: Jenny ha sfiorato un incidente automobilistico.

Ipotesi 1: Da quando un suo amico ha avuto un incidente mandando un messaggio, Jenny tiene il telefono spento quando è alla guida.

Ipotesi 2: Jenny stava guardando il telefono e non prestava attenzione alla guida.

Chiunque scommetterebbe sull’ipotesi 2 scartando la 1, ma per un’IA questa scommessa si rivela niente affatto banale.

La sfida del commonsense è difficile per due ragioni: l’impossibilità di descrivere tutto ciò che è nel mondo (che non è impresa da pigliare a gabbo per dirla con Dante) e l’incertezza intrinseca del ragionamento abduttivo. In fondo, chi ci dice che Jenny non abbia rischiato l’incidente per un colpo di sonno?

Una strategia per simulare il senso comune è quella di mettere insieme reti neurali addestrate sui corpora testuali con grandi dizionari concettuali “fatti a mano”, ad esempio ConceptNet. La Good Old-Fashioned Artificial Intelligence, cacciata dalla porta un decennio fa, rientra oggi dalla finestra. Queste ibridazioni appaiono come espedienti tecnici che non hanno alcuna pretesa di modellare la comprensione umana del linguaggio. Cosa sia in realtà questa comprensione, infatti, è ancora oggi alquanto misterioso sia sotto il profilo fisiologico sia sotto quello filosofico.

Un discorso a parte è quello dei linguaggi tecnico-specialistici, dalla medicina al codice civile, passando per la finanza. Le parole che nel linguaggio quotidiano restano spesso volutamente ambigue diventano, per necessità, molto precise quando si tratta di designare una malattia, un vincolo legale, un tasso di interesse. Sul vastissimo (e lucrosissimo) territorio di questi linguaggi, le tecniche di ibridazione potranno consentire notevoli progressi, senza alcuna pretesa di realismo. Fisici e filosofi continueranno ad avere ragione nell’indicare l’insipienza semantica degli automi, ma in molti ambiti gli ingegneri potranno rispondere: whatever works!

Retail management: come farlo e con quali strumenti, networking e analytics

Connettività e data analytics per il restart del mondo retail

Marketing culturale, cos'è e come promuovere eventi culturali

Cosa significa digital transformation per il settore retail

PNRR turismo, cos’è, gli incentivi e come fare domanda

Digital Health: cos’è e quali applicazioni permettono di indirizzare la sanità verso una nuova normalità

La nuova Sanità col PNRR: digitale e dati sono i pilastri del futuro

Real time data e AI al servizio della sanità

Connettività ed healthcare analytics per la trasformazione della Sanità

Pnrr e Sanità in Italia: novità e spinta del digitale, cosa cambia

I benefici dei progetti PNRR per l’IT della sanità pubblica

Sanità pubblica e digitale, binomio sempre più imprescindibile

Il digitale nella sanità privata a vantaggio del paziente e anche del business

L’intelligenza artificiale al servizio della sanità

Workplace management: cos’è e come gestire efficacemente e in sicurezza l’ufficio

La trasformazione digitale del PNRR e le nuove opportunità per il manifatturiero e per il Machinery in particolare

Il ruolo del manufacturing nella transizione ecologica prevista dal PNRR

PNRR transizione ecologica, le tecnologie smart city per la sostenibilità

Connettività e Real-time analytics per lo sviluppo di nuovi modelli di manufacturing a basso impatto ambientale

Le sfide della Missione 1 del PNRR e il ruolo della cyber security

PNRR agroalimentare: come fare agricoltura sostenibile con IoT e connettività

5G e IOT per la mobilità sostenibile

Dall'ottimizzazione dei consumi alla sostenibilità: come IoT e Cloud cambiano il mondo della Logistica

Su questo sito utilizziamo cookie tecnici necessari alla navigazione e funzionali all’erogazione del servizio. Utilizziamo i cookie anche per fornirti un’esperienza di navigazione sempre migliore, per facilitare le interazioni con le nostre funzionalità social e per consentirti di ricevere comunicazioni di marketing aderenti alle tue abitudini di navigazione e ai tuoi interessi.

Puoi esprimere il tuo consenso cliccando su ACCETTA TUTTI I COOKIE. Chiudendo questa informativa, continui senza accettare.

Potrai sempre gestire le tue preferenze accedendo al nostro COOKIE CENTER e ottenere maggiori informazioni sui cookie utilizzati, visitando la nostra COOKIE POLICY.

Tramite il nostro Cookie Center, l'utente ha la possibilità di selezionare/deselezionare le singole categorie di cookie che sono utilizzate sui siti web.

Per ottenere maggiori informazioni sui cookie utilizzati, è comunque possibile visitare la nostra COOKIE POLICY.

I cookie tecnici sono necessari al funzionamento del sito web perché abilitano funzioni per facilitare la navigazione dell’utente, che per esempio potrà accedere al proprio profilo senza dover eseguire ogni volta il login oppure potrà selezionare la lingua con cui desidera navigare il sito senza doverla impostare ogni volta.

I cookie analitici, che possono essere di prima o di terza parte, sono installati per collezionare informazioni sull’uso del sito web. In particolare, sono utili per analizzare statisticamente gli accessi o le visite al sito stesso e per consentire al titolare di migliorarne la struttura, le logiche di navigazione e i contenuti.

I cookie di profilazione e i social plugin, che possono essere di prima o di terza parte, servono a tracciare la navigazione dell’utente, analizzare il suo comportamento ai fini marketing e creare profili in merito ai suoi gusti, abitudini, scelte, etc. In questo modo è possibile ad esempio trasmettere messaggi pubblicitari mirati in relazione agli interessi dell’utente ed in linea con le preferenze da questi manifestate nella navigazione online.

ICT&Strategy S.r.l. – Gruppo DIGITAL360 - Codice fiscale 05710080960 - P.IVA 05710080960 - © 2022 ICT&Strategy. ALL RIGHTS RESERVED

Clicca sul pulsante per copiare il link RSS negli appunti.

Clicca sul pulsante per copiare il link RSS negli appunti.