Intelligenza Artificiale : passato, presente e futuro Luigi Portinale Istituto di Informatica, DiSIT Universita’ del Piemonte Orientale, Alessandria Email: luigi.portinale@uniupo.it Web site: http://people.unipmn.it/portinal Linkedin: http://it.linkedin.com/in/portinale Google+: http://google.com/+LuigiPortinale Twitter: @LuigiPortinale
Nascita ufficiale IA: 1956 • Darmouth college seminar organizzato da John McCarthy
1927-2011 • A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE J. McCarthy, Dartmouth College M. L. Minsky, Harvard University N. Rochester, I.B.M. Corporation C.E. Shannon, Bell Telephone Laboratories
Due scuole filosofiche • Ipotesi forte (strong AI): poter ricreare una mente artificiale, una macchina (programmata) sapiente e avente autocoscienza •
According to strong AI, the computer is not merely a tool in the study of the mind; rather, the appropriately programmed computer really is a mind (John Searle)
• Ipotesi debole (weak AI): poter programmare una macchina in grado di svolgere compiti “intelligenti” in ambiti ristretti (e non necessariamente seguendo i meccanismi umani)
La Fase “Ottimistica” • 1965, H. A. Simon: "machines will be capable, within twenty years, of doing any work a man can do." • 1967, Marvin Minsky: "Within a generation ... the problem of creating artificial intelligence will substantially be solved." • 1970, Marvin Minsky (in Life Magazine): "In from three to eight years we will have a machine with the general intelligence of an average human being."
Il primo “AI Winter” (1974-1980) • Potere computazionale limitato • Intrattabilita’ e complessita’ di molti problemi e limiti degli approcci logici • “Commonsense knowledge” • Paradosso di Moravec: “E’ relativamente piu’ facile costruire programmi che esibiscano una performance a livello di adulti su test o giochi di intelligenza, che non fornire a tali programmi le capacita’ di un bimbo di un anno nel gestire problematiche di percezione o movimento.”
L’era dei Sistemi Esperti (1980-1987) • Risolvere problemi che richiedano intelligenza e a livello di esperti umani, ma in campi e domini ristretti. • Dotare i sistemi esperti di una “base di conoscenza” esplicita. • Compiere “inferenze” manipolando ed usando tale conoscenza.
Il ritorno ai finanziamenti • Progetto Giapponese Fifth Generation Computing Systems • Scrivere programmi e costruire machine in grado di sostenere conversazioni, tradurre linguaggi diversi, interpretare immagini e “ragionare come esseri umani” • Linguaggio Prolog
• Revival del connessionismo • Riavvio progetti di ricerca sulle cosiddette Reti Neurali • Algoritmo di back-propagation
Il secondo “AI Winter” (1987-1993) • Risultati poco incoraggianti • Collasso del mercato dedicato all’hardware specializzato per AI (Lisp machines) • Sistemi esperti anche di successo difficili da mantenere • Problema dell’acquisizione di conoscenza da esperti non risolto
Una nuova primavera (1993-2011) • Programmi visti come agenti intelligenti in grado di ragionare in presenza di incertezza ed in funzione di specifici obiettivi • Formalismi basati su calcolo delle probabilita’ e teoria delle decisioni in grado di risolvere problemi pratici di diagnostica, pianificazione, predizione, raccomandazione, ecc… (in svariati campi) • Grande miglioramento delle tecniche di Apprendimento Automatico (Machine Learning)
Oggi
16/3/2010
Deep Learning • Modelli di reti neurali (anche vecchio stampo), ma con • Nuovi algoritmi di apprendimento • Grandissime quantita’ di dati da cui apprendere • Grandissimo potere computazionale per far funzionare tali algoritmi
• Performance a livello (quasi e/o super) umano in • Riconoscimento ed interpretazione di immagini (guida autonoma, recupero informazioni da immagini, foto tagging) • Traduzioni automatiche (Google, Facebook, Amazon, ecc…) • Giochi intelligenti (Jeopardy, Go) • Gestione di conversazioni (chatbots, assistenti virtuali)
Chi investe in AI
Quale Futuro? • Certamente una nuova rivoluzione industriale • Nuove figure e nuove competenze necessarie per compensare quelle che si andranno a perdere • Etica e valori: Principi di Asilomar del Future of Life Institute • Sicurezza: sistemi di AI devono garantire sicurezza nel loro ciclo di vita • Trasparenza nei fallimenti: spiegare il perche’ un sistema AI ha fallito • Trasparenza nei giudizi e nelle decisioni autonome: garantire la spiegazione verificabile da autorita’ competenti • Valori umani: sviluppo sistemi deve prevedere compatibilita’ con dignita’, diritti umani, liberta’ e diversita’ culturali • Non-subversion: sistemi AI devono rispettare e migliorare, non sovvertire I processi sociali e civili su cui si basa il benessere della societa’ • Altri ancora……
In Europa • Dichiarazione congiunta (aprile 2018) da 25 Stati membri EU: l’approccio europeo è orientato alla cooperazione interstatale tra i Paesi, improntata a favorire lo sviluppo tecnologico attraverso un intervento mirato dei governi che comprenda anche l’accesso ai dati pubblici ed il supporto al settore con investimenti. Viene però al contempo incoraggiato anche il confronto sulle regole di salvaguardia delle persone, per un’ Intelligenza Artificiale “umanocentrica”. • European Commission: 20 Miliardi di Euro di investimenti per ricerca ma anche… • Comitato di esperti da mondo civile, imprenditoriale e academia per considerare impatto AI sulla societa’ con riguardo al lavoro, inclusione sociale e privacy