SPS_2023

26 speciale anteprima SPS ITALIA 2023 Sotto il cofano dell’Intelligenza Artificiale Quella dell’intelligenza artificiale (in breve AI) è una disciplina relativamente giovane. Se è pur vero che le origini risalgono agli anni ‘40 del secolo scorso, con i lavori seminali di Turing e l’introduzione del modello di neurone artifi- ciale da parte di McCulloch e Pitts, i primi sviluppi pratici si sono avuti solo in seguito al celebrato workshop estivo organizzato nel 1956 da McCarthy (creatore del linguaggio Lisp) e Minsky (propositore della teoria dei frame) presso il Darmouth College. Fu però solo a partire dagli anni ‘80, grazie al rinnovato interesse verso le reti neurali motivato dall’evoluzione dei sistemi di calcolo e all’aumentata efficienza che Rumelhart e McClelland seppero infondere all’algoritmo di backpropagation (introdotto da Bryson ed Ho nel 1969 e riscoperto da Parker e LeCun alla fine degli anni‘80), che la disciplina iniziò a spiccare il volo. Dalle applicazioni dell’intelligenza artificiale classica (ossia sistemi esperti basati sumetodi di rappresentazionedella conoscenza e motori inferenziali in logica certa o fuzzy, algoritmi di ricerca e ottimizza- zione mirati, e primi passi della programmazione evolutiva) si è passati a sistemi in grado di apprendere inmaniera più omeno autonoma strategie di risoluzione generalizzate. Le diverse facce dell’AI Oggi la moderna intelligenza artificiale si appoggia a una mole imponente di tecniche e algoritmi, la maggior parte delle quali ricadono sotto l’ombrello della teoriadell’apprendimento statistico (Statistical Learning),unadisciplina basata su statistica e analisi funzionale che fornisce le basi teoriche al mo- derno machine learning. Le diverse ‘filosofie’ dell’AI attingono in maniera più o meno pesante a questa disciplina e non esiste una tassonomia univer- salmente condivisa di questo campo. Una possibile ripartizione suddivide l’AI in 5 grandi branche: simbolica, analogica, connettivista, probabilistica, ed evoluzionaria. L’AI simbolica si può considerare intelligenza artificiale classica: i problemi vengono risoltimanipolando simboli tramite algoritmi di ricercaoppure attra- verso il ragionamento nel linguaggio della logica. È un ramo dell’intelligenza artificiale che si basa sulla programmazione ‘tradizionale’ e che ha prodotto sistemi esperti,motori inferenziali,sistemi di calcolobasati su regole.L’AI ana- logica èquella chepiù si sovrappone alla teoriadell’apprendimento statistico: qui i dati sono ridotti a elementi in spazi metrici o vettoriali e si fa largo uso delle tecnichestatistiche,dimetodi geometrici basati sul concettodi distanza, e di algebra lineare astratta per distillare algoritmi di machine learning. L’AI connettivista spinge i metodi lineari nel regno delle reti neurali; la connet- tività insita nel nome è quella tra le ‘sinapsi’ dei neuroni artificiali. L’AI proba- bilistica, o Bayesiana, fa uso di metodi stocastici per simulare ragionamenti in logica incerta. L’algoritmo più popolare, il classificatore naive-Bayes, usa probabilità condizionata e teorema di Bayes per effettuare scelte ragionate sulla base di informazioni parziali. Problemi decisionali markoviani, filtri di Kalman e logica fuzzy rientrano in questa classificazione. L’AI evoluzionaria imita il processo di selezione naturale facendo evolvere parametri, strutture omodelli di un algoritmo o di un programma inmaniera più omeno casuale e andando a selezionare le generazioni più performanti. Esistono infine com- binazioni omogenee o eterogenee delle tecniche delle diverse scuole di pen- siero che si possono classificare comemetodi d’insieme (ensemble),come il popolare algoritmoRandomForests o le tecniche di boosting,emetodi ibridi. Machine learning Se fissiamo l’attenzione sulle tecniche di machine learning, una classifica- zione trasversale che vale la penamenzionare è quella in apprendimento con Massimo Giussani La moderna intelligenza artificiale è caratterizzata da un’ampia varietà di approcci, stili e metodi di programmazione Una possibile tassonomia dei diversi approcci all’intelligenza artificiale, con alcuni dei principali algoritmi impiegati in machine learning