Amore Sintetico - Parte 1

Eugene Goostman ed il Test di Turing

Alan Turing, matematico, logico e crittografo, eroe di guerra (postumo) e, a detta di alcuni, padre fondatore dell’informatica teorizzò nel 1950 quello che fu conosciuto ai posteri come il Test di Turing. Ne parlai in un mio vecchio articolo, ma repetita juvant.

In che cosa consisteva?

Bisognava mettere un uomo ed un calcolatore in due stanze separate, comunicanti tra di loro attraverso un sistema dattiloscritto (una chat). L’uomo avrebbe potuto scrivere e chiedere qualsiasi cosa al suo interlocutore e, alla fine del colloquio, avrebbe dovuto decidere se stava discutendo con un essere umano o con una macchina.

_{Test di Turing: uomo o macchina? - CC BY-SA 3.0 Image, click for source}

Nel caso in cui l’automa fosse riuscito ad ingannare il suo interlocutore, quest’ultimo sarebbe stato dichiarato ufficialmente “pensante”. Turing pensava che la capacità di dialettica e di discussione, la possibilità di rispondere in maniera più o meno pertinente ad ogni situazione, fosse una prerogativa solamente umana, non replicabile da un algoritmo.

In effetti il test di Turing non fu mai superato… fino al 2014.

Eugene Goostman, un ragazzino di 13 anni nato in Ucraina, intrattenne una conversazione con trenta giudici durante il sessantennale della morte di Turing; dieci di loro furono certi di parlare con un essere umano.

Peccato che Eugene Goostman fosse una I.A. sviluppata da tre programmatori russi.

Critiche e dubbi sulle attuali I.A.

Molti misero in dubbio i risultati di questo test: prima di tutto, la percentuale di successo fu solo del 33%, un ottimo risultato ma non una vittoria assoluta. Inoltre gli sviluppatori furono furbi nella scelta della personalità da simulare: a un ragazzo di 13 anni (oltretutto non madrelingua inglese) possono essere perdonate piccole incomprensioni o errori di sintassi, mettendo in gioco anche l’emotività dei giudici all'interno di un esperimento che doveva mantenersi il più scientifico possibile.

_{Fare leva sui sentimenti dei giudici; potrebbe essere anche questo un sinonimo di intelligenza? - CC BY-SA 2.0 Image, click for source}

Ma la critica più feroce fu che il codice scritto per Eugene non fu un vero e proprio “simulatore di bambino” ma più un programma sviluppato a regola d’arte per ingannare la sua audience. Un po’ come non è possibile insegnare ad un simulatore di scacchi come giocare a Risiko, così non si poteva insegnare ad Eugene niente che non fosse stato già deciso dai suoi creatori.

Nel gergo di noi programmatori, Eugene non era che una lunga sequenza di if-then-else.

Turing era fermamente convinto che per creare una VERA intelligenza artificiale fosse necessario simulare il funzionamento del cervello umano. Partendo da questo presupposto, furono ideate le reti neurali per la simulazione dei processi elettrici che avvengono nel nostro cervello… simulando neuroni, assoni, dendriti ed impulsi di comunicazione.

_{Gli impulsi elettrici tra neuroni possono essere simulati in maniera artificiale..? - CC0 Image, click for source}

Molti di questi progressi sono dipesi anche dallo sviluppo di un nuovo ramo della psicologia, il “Cognitivismo”, che si occupa di studiare quali sono i processi meccanici che il cervello adotta per generare un pensiero cosciente. È una disciplina che abbraccia numerosi campi di studio: dalla biologia alla medicina, dall’informatica alla fisica, dalla filosofia alle scienze sociali… cercando di trovare l’algoritmo giusto per simulare una parvenza di umanità.

Approccio quantitativo o qualitativo?

Sapete quanti neuroni ci sono in un cervello umano?
Secondo gli ultimi studi, circa 86 miliardi: all’incirca un terzo di tutte le stelle presenti nella via lattea.

Tutt’oggi il cervello umano risulta un enigma mai risolto: sappiamo come funziona da un punto di vista fisico, ma non abbiamo idea di come questo sistema di cellule possa aver generato cose come La Gioconda, la Teoria della relatività o i viaggi spaziali.

_{Il mio sogno? Un Leonardo Da Vinci tascabile - CC0 Image, click for source}

Le attuali tecnologie di reti neurali hanno ottenuto ottimi risultati in ambiti molto specializzati: image recognition, giochi da tavolo, clustering di testi. Ma niente che permetta fino ad ora di generalizzare l’intelligenza.

Le odierne reti supportano un numero limitato di neuroni artificiali, dato che ogni rete ha bisogno di un addestramento e aumentare i neuroni del sistema comporta tempi più lunghi di training e nessuna certezza di migliorarne l’efficacia. Sono stati fatti molti studi accademici su come determinare il numero ottimo di neuroni artificiali per la risoluzione di un problema e pensare che questo numero possa sfiorare anche solo il miliardo è pura follia.

Tra l'altro, il fenomeno di decadimento neuronale che avviene naturalmente nell'uomo superata l'adolescenza non limita le sue capacità intellettive, anzi: nonostante i neuroni siano numericamente inferiori rispetto alla giovinezza, questi sono maggiormente reattivi ed allenati. Le connessioni inutili o superflue vengono "potate" via tenendo solo quelle necessarie, realizzando quella che viene comunemente riconosciuta come una "Maturazione" del cervello umano e la concretizzazione della fase di apprendimento.

_{Il processo di "Synaptic Pruning" viene utilizzato anche nelle reti neurali artificiali, applicando algoritmi per la semplificazione di reti eccessivamente complesse - CC0 Image, click for source}

Partendo da queste basi, possiamo fare la nostra prima assunzione: con le attuali conoscenze tecniche e scientifiche, sembra che l’intelligenza non dipenda strettamente dal numero di cellule cerebrali usate.

Ma la nostra premessa è molto forte: CON LE ATTUALI CONOSCENZE TECNICHE. È possibile che, applicando un approccio innovativo, sia possibile addestrare una quantità molto maggiore di cellule sintetiche senza perdere performance. Se questo approccio venisse scoperto, forse sarebbe possibile sfruttare la potenza di calcolo e memorizzazione di miliardi di neuroni, esattamente come facciamo ogni giorno all'interno della nostra scatola cranica.

L’approccio quantitativo può bastare per creare una vera I.A., qualcosa che possa superare il 100% delle volte il test di Turing?

O c’è dell’altro?

Anima e Sentimenti

Ne “Il meraviglioso Mago di Oz”, tra i compagni che Dorothy incontra nel suo viaggio c’è anche un uomo di latta. Il suo scopo è quello di incontrare il mago di Oz per chiedergli un cuore dato che, essendo fatto di freddo metallo, non può provare sentimenti.

Se c’è qualcosa che caratterizza l’uomo è la complessità dei suoi stati d’animo: possiamo essere tristi, felici, impauriti, stressati, provare amore o odio, essere arrabbiati o sereni… e combinare tutte queste sensazioni creandone di nuove e più complesse. Questa sensibilità innata è un altro dei grandi punti aperti nello studio dell’intelligenza artificiale.

_{L'uomo di Latta attende ancora un cuore sviluppato in Java - CC0 Image, click for source}

Così, mentre le capacità di calcolo e di ragionamento potrebbero (e sottolineo “potrebbero”) essere solo un problema irrisolto di quantità, l’interpretazione degli stati d’animo potrebbe non dipendere dai nostri processi cognitivi (ovvero, il nostro cervello) ma nascere da qualche altra parte all'interno del nostro corpo.

Alcune teorie scientifiche provano a dare una spiegazione al concetto di Anima, ma per lo più si tratta di teorie mai provate. E la teologia e lo studio delle religioni non riescono ad aiutarci nel generare artificialmente qualcosa che dovrebbe essere una prerogativa umana o (peggio, dal punto di vista scientifico) divina.

Ma dando per scontato che non si riesca ad arrivare a tanto… è possibile almeno simulare una parvenza di umanità attraverso un algoritmo?

Possiamo istruire una macchina a risolvere problemi di etica, a provare empatia, a mostrare gioia e dolore semplicemente "insegnandolo"?

Possiamo sviluppare un simulatore di anima?

Prossimamente la seconda parte del post, dove analizzeremo nel dettaglio alcuni approcci automatici ai problemi di etica, degli esempi di "espressività artificiale" e mostreremo i limiti irrisolti della capacità di calcolo, andando a toccare l'ostico argomento della complessità computazionale..!

---

Fonti e Approfondimenti:

• Passing the Turing Test Does Not Mean the End of Humanity (Kevin Warwick and Huma Shah, 2015)
• Moral Cognitivism and Motivation (S Svavarsdóttir, 1999)
• Pruning of neural networks (G Thimm, E Fiesler, 1997)
• Deep neural networks for acoustic emotion recognition: raising the benchmarks (Andre Stuhlsatz, Christine Meyer, Florian Eyben, Thomas Zielke, Gunter Meier, Bjorn Schuller, 2011)

---

---

_{ItaSTEM si occupa di curare i contenuti scientifici italiani, utilizza i tag #itastem o #scienze per ricevere il voto se il post è di ottima qualità! Maggiori informazioni sul discord ufficiale di @itastem}