Il mondo dell'Intelligenza Artificiale è sempre più presente nella nostra vita quotidiana e, nonostante l'argomento sia vastissimo e complesso, è possibile comprenderne le basi per approfondire in un secondo momento su fonti più tecniche e dettagliate.

È importante capire fin da subito che l'intelligenza artificiale non è qualcosa di magico, ma è una disciplina fortemente basata sulla matematica, una sorta di matematica applicata.

Per prima cosa dobbiamo stabilire cosa sia l'intelligenza.

Non esiste una definizione univoca e universalmente accettata, tuttavia possiamo sintetizzarla come la capacità di adattamento a una specifica situazione.

Questo significa essere in grado di trovare la soluzione a un problema o di approcciare una persona in modo efficace. È importante notare che l'intelligenza non è legata strettamente alla conoscenza o alla cultura.

Una persona con molte conoscenze ha un "bagaglio di attrezzi" più vasto, ma essere intelligente significa saper utilizzare questi attrezzi anche se magari non li si possiede tutti. E anche attingere dal contesto, guardarsi intorno e sfruttare al meglio ciò di cui si dispone.

Fatta questa doverosa premessa l'Intelligenza Artificiale è definita come il tentativo di riprodurre l'intelligenza umana a livello di macchine, ovvero di creare macchine che siano in grado di pensare.

Gli studi sull'intelligenza artificiale non sono recenti ma risalgono addirittura agli anni '30 e'40 del secolo scorso.

Ma perché se ne parla così tanto solo oggi?

Fondamentalmente per due motivi principali:

1. la mole di dati disponibili. Oggi la conoscenza è in gran parte digitalizzata. Con la diffusione di Internet e dei social network tutti noi produciamo continuamente dati che possono essere utilizzati per sviluppare algoritmi di IA.
2. la potenza computazionale delle macchine. La capacità di calcolo dei computer moderni è enormemente superiore rispetto ai primi calcolatori, permettendo di elaborare questa immensa quantità di dati. Anche uno smartphone attuale ha una potenza di calcolo molto maggiore dei computer che occupavano intere stanze negli anni '50.

Quando si parla di Intelligenza Artificiale si distinguono principalmente due approcci:

1. Approccio Forte: ovvero creare una macchina veramente "pensante", una macchina in grado di capire il contesto in cui opera e cosa sta facendo. I computer attuali, pur essendo potenti, non sono "pensanti" in questo senso; eseguono istruzioni senza comprendere realmente il significato di ciò che elaborano. L'approccio forte presupporrebbe la capacità di riprodurre completamente il cervello umano. Questo si è rivelato finora impossibile da realizzare, perché il cervello umano è incredibilmente efficiente (piccolo, consuma poca energia) e complesso, difficilmente replicabile anche dai supercalcolatori più potenti che occupano spazi enormi e consumano moltissima energia.

2. Approccio Debole: quello di fatto seguito attualmente. L'obiettivo non è creare una macchina cosciente, ma imitare il comportamento del cervello umano. Le macchine che usano tale approccio non "capiscono" cosa stanno facendo (ad esempio se stanno elaborando un testo o un'immagine), ma riescono a ottenere i risultati desiderati in base alle istruzioni ricevute e in futuro con un grado sempre maggiore di autonomia. Un esempio è la guida autonoma, dove un sistema analizza dati dall'ambiente per prendere decisioni su come muoversi.

L'Intelligenza Artificiale è un termine ampio che racchiude diversi campi. Vediamoli in breve.

1. Machine Learning (Apprendimento Automatico): si occupa di creare algoritmi capaci di imparare dai dati. Lo scopo è permettere alla macchina di trovare, ad esempio, una relazione tra dati in ingresso e dati in uscita o di raggruppare dati simili tra loro (clustering) se non sono già etichettati.

2. Deep Learning (Apprendimento Profondo): è un ulteriore sottoinsieme all'interno del Machine Learning. Il Deep Learning si basa sull'utilizzo delle reti neurali ovvero di modelli matematici che simulano il comportamento dei neuroni e delle loro connessioni nel cervello umano. Sono organizzate in strati (reti multistrato) che elaborano gli input per generare un output. Il Deep Learning è molto utilizzato in campi come il riconoscimento di immagini (Computer Vision), il riconoscimento della scrittura (OCR) e in sistemi decisionali, come nella guida autonoma.

In sostanza quando parliamo di Intelligenza Artificiale racchiudiamo tanti campi specifici e complessi, ciascuno dei quali focalizzato su una determinata applicazione.

Di seguito sono riportati alcuni testi interessanti per approfondire l'argomento anche in modo molto tecnico.

[VIDEO YOUTUBE]

[PER APPROFONDIRE]

• Machine Learning Workflow: Dal prototipo alla produzione
• Perché le macchine imparano. L'eleganza della matematica dietro all'AI
• Intelligenza artificiale - Le basi