Pochi anni dopo, negli anni '50, lo stesso Turing pubblicò "Computing Machinery And Intelligence" in cui pose le basi di un test per valutare il livello di intelligenza delle macchine.
Quest test è ancora oggi noto come Test Di Turing.
Tra 60 e 70 furono sviluppate le prime reti neurali artificiali, grazie anche alla creazione di algoritmi genetici.
In poche parole l'obiettivo è quello di comprendere e simulare l'intelligenza umana.
Per raggiungere questo obiettivo si cerca di costruire dei modelli plausibili del sistema di ragionamento (di computazione) della mente umana per creare macchine che sappiano risolvere i problemi con gli stessi processi mentali usati dall'uomo.
Sviluppi interessanti di progetti di questo tipo sono quelli della cibernetica che mira a creare macchine in grado di autogovernarsi e di interagire con l'ambiente e di apprendere da esso.
Dunque alla base di tutto c'è lo sviluppo di software e macchine intelligenti.
L'intelligenza artificiale, quindi, si occupa di sviluppare strategie che permettano a programmi o dispositivi elettronici di ragionare, apprendere, percepire, comunicare e manipolare oggetti.
Un obiettivo più a lungo termine è quello di realizzare macchine dotate di un'intelligenza (Ipotesi dell'intelligenza artificiale forte, teorizzata per la prima volta dal filosofo statunitense John Rogers Searle) in grado di sostituire in tutto e per tutto un cervello umano.
MODELLI DI SVILUPPO
Il tentativo di sviluppare un'intelligenza artificiale forte viene sviluppato secondo il modello computazionale e il modello connessionista.
Strettamente legato al concetto di intelligenza artificiale forte è il CYC che punta a dotare i computer di un senso comune pari o superiore a quello umano.
Invece c'è poi un approccio d'intelligenza artificiale debole che punta a creare macchine in grado di risolvere i problemi simulando il comportamento umano.
PROBLEMATICHE
Forse il problema più grande è comunque quello della deduzione e del ragionamento.
Altro problema centrale è quello della rappresentazione della conoscenza.
Molti dei problemi che macchine dotate di un'intelligenza artificiale devono risolvere richiedono una diffusa conoscenza dell'ambiente che le circonda.
Questi agenti devono conoscere gli oggetti presenti nel loro ecosistema, le situazioni e gli eventi che si sono presentati nel passato e relazioni di causa ed effetto.
Manca loro il "senso comune" o come meglio dire l'esperienza.
L'apprendimento, al pari della rappresentazione della conoscenza, è il problema centrale dell'intelligenza artificiale.
Negli anni sono stati sviluppati algoritmi di apprendimento automatico (Machine Learning Algorithms) che permettono agli agenti di apprendere nuove funzioni e comportamenti grazie all'accumulo di esperienza e di dati provenienti dal mondo esterno.
UTILIZZI
Molti degli apparecchi che ci circondano (ad esempio Smartphone, Domotica, Elettrodomestici, Computer, Videogame e così via) utilizzano (chi più chi meno) un'intelligenza artificiale, per quanto spesso "meccanizzata".
I vantaggi dell’IA possono essere sfruttati in disparati ambiti, come i sistemi di sicurezza.
L’ultima generazione di sistemi di sicurezza in ambito informatico, sono basati proprio sull’IA, con la quale è possibile riconoscere i volti e il comportamento degli individui per la prevenzione delle frodi.
Esistono già alcuni tipi di robot che possono essere "addestrati" per svolgere una serie limitata di funzioni.
Cioè Robot in grado d'interagire con l'uomo facendo uso di espressioni facciali (comunicazione non verbale) o che riescono ad interagire con l'ambiente riconoscendo oggetti (interruttori della luce, TV, impianti stereo, domestici e quant'altro) o individuando fughe di gas.
Nessun commento:
Posta un commento