Borsa online

A volte ritornano…

Pensavo che avessimo superato da molto tempo l’idea di un’Intelligenza Artificiale così intelligente da sfuggire a qualsiasi controllo e di macchine tanto evolute da non sentirsi più solo macchine (ma, anzi, da non desiderare altro che la sottomissione dell’umanità).

Mi sbagliavo invece: su Nova di qualche tempo fa ho letto “L’esplosione delle macchine con troppa intelligenza” e in evidenza c’era questo paragrafo:

"L’uomo sta iniziando a produrre tecnologie che non riesce a capire. Ma deve fare attenzione a non inimicarsele."

Pare che al massimo fra 25 anni sapremo davvero di che cosa saranno capaci le intelligenze artificiali che produciamo oggi e addirittura c’è chi ha annunciato l’imminente lancio sul mercato di un prodotto che nel giro di 5 anni ci eguaglierà in fatto di intelligenza.

Anche se sono passati più di 50 anni dalle prime visioni catastrofiche legate alla nascita dell’Artificial Intelligence, evidentemente "tira" ancora parlare  dell’oscura minaccia della tecnologia amica/nemica...

Mi stupisce sempre il grande interesse che si crea nei confronti di progetti irrealizzabili che fanno perdere di vista i problemi reali e mi sfugge la ragione per cui si mostra tanto interesse per la ricerca di un’intelligenza uguale alla nostra piuttosto che per la realizzazione di strumenti furbi, davvero utili e in grado di affiancarci nelle nostre attività.

Alla fine, sono solo manovre pubblicitarie ma mi dispiace leggere cose che creano confusione e perplessità tra le tante persone che sono esperte del settore e che non hanno le conoscenze per farsi un'opinione ponderata.

Tra macchina e mela

I titoli di due libri su Alan Turing che sono usciti nel corso di quest’anno a poca distanza l’uno dall’altro mi hanno fatto ripensare a quanto la vita privata di questo scienziato abbia sempre destato un interesse eccezionale: sono più famosi la sua macchina e il suo test oppure la mela rossa avvelenata con cui si dice si sia tolto la vita?

(Il primo libro s’intitola “La mela di Alan, hacking the Turing Test” uscito in una collana dedicata al Teatro - Di Renzo Editore, 2007, mentre il secondo “L’uomo che sapeva troppo” David Leavitt, Codice Edizioni, 2007).

Nello stesso anno in cui Minsky formulò l’ipotesi di poter riprodurre i processi del cervello umano, Turing scrisse un articolo per dimostrare la tesi di una macchina in grado di compiere qualunque operazione logica purché opportunamente programmata (la Macchina di Turing).

L’articolo, che divenne subito storico, si apre con la domanda “Can machines think?” e prosegue con la descrizione di un test basato su un gioco: un dialogo fra un uomo, una donna e una terza persona che fa domande con l’obiettivo di determinare chi sia l’uomo e chi la donna.

La donna potrebbe essere in realtà la macchina da testare e l’uomo potrebbe cercare di trarre in inganno l’interlocutore fingendo di essere una donna. Chi fa le domande è all’oscuro di questi dettagli perché le persone non si vedono e le risposte alle domande vengono scritte oppure passate a un intermediario.

Se alla fine chi fa le domande non è in grado di stabilire che la macchina è una macchina e dunque non è né un uomo né una donna, allora si deve semplicemente concludere che questa supera il test: è intelligente.

Non ho ancora letto i due libri sopra ma consiglio sicuramente di leggere The Imitation Game, un articolo senza tempo che fa capire perché Turing sia considerato un precursore assoluto e una mente di primissimo livello.

Il tempo è galantuomo

È stato piuttosto divertente leggere su Nòva di giovedì scorso il pezzo “Chip di buonsenso”.

C’erano alcune dichiarazioni di Marvin Minsky, noto guru e strenuo sostenitore della cosiddetta “corrente forte” dell’Artificial Intelligence (per chi non ha tempo o voglia di consultare le pagine di Wikipedia, l’AI forte si basa sulla convinzione che si possa veramente dotare un computer della stessa intelligenza che contraddistingue l’uomo).

L’aspetto piacevole  della lettura è stata l’apparente conversione di Minsky verso un pensiero più simile a quello debole che a quello forte dell’AI, avvicinandosi a quello che io ritengo da sempre (e sono in buona compagnia a farlo) l’unico approccio sensato e realistico.

Leggendo tra le righe, sembra proprio che il buon Marvin abbia capito che il nostro cervello non è così semplice e che forse è meglio usare approcci meno ambiziosi ma più essenziali e concreti, realizzabili: che nessuna delle sue previsioni ottimistiche si sia ancora avverata a distanza di tanti anni di lavoro e ricerca… evidentemente ha fatto sorgere anche in lui qualche dubbio sulla vera “forza” dell’AI.

Ho trovato quasi commuoventi le ultime righe dell’intervista dove, abbandonati i sogni utopici del passato, si propongono progetti sempre innovativi, ma più piccoli e pragmatici.

Peccato per tutte le risorse che sono state investite prima di questa conversione, ma meglio tardi che mai :-)

A.I.: i suoi primi 50 anni

Quello dell’Artificial Intelligence è un mondo difficile da avvicinare, un ambito di studio e ricerca che nell’opinione comune è spesso collocato a metà strada fra scienza e fantascienza eppure sono già passati più di 50 anni da quando si cominciò a parlare di Intelligenza Artificiale.

Secondo la tradizione, il primo ad usare l’espressione fu John McCarthy nel 1956, in occasione di un seminario al Dartmouth College di Hannover.
La definì come la scienza in grado di rendere intelligenti le macchine, con esplicito riferimento ai programmi per computer (“It is the science and engineering of making intelligent machines, especially intelligent computer programs”), ma altre e diverse definizioni sono state via via introdotte (per esempio nel sito della Rivista Ufficiale dell’Associazione Italiana di Intelligenza Artificiale c’è la seguente definizione: l’Intelligenza Artificiale è una disciplina che studia i fondamenti teorici, le metodologie e le tecniche che permettono di concepire, progettare, realizzare, sperimentare ed utilizzare sistemi artificiali sia simulati via software che implementati in hardware con gli obiettivi di ottenere prestazioni ritenute caratteristiche dell’intelligenza e di fornire modelli computazionali di processi cognitivi).

Già prima, però, nel 1950, Marvin Minsky (che proprio con McCarthy avrebbe poi inaugurato nel ’59 il Laboratorio di Intelligenza Artificiale presso il MIT, Massachussets Institute of Technology), aveva iniziato a lavorare sull’idea di alcuni principi computazionali che si poteva presumere stessero alla base dei processi psicologici umani e aveva inoltre considerato il seguente presupposto-obiettivo: poter far fare alle macchine cose che l’uomo svolge naturalmente ricorrendo all’intelligenza.

La celebrità di Minsky è anche legata al film 2001: Odissea nello spazio.

Quando nel 1965 Kubrick iniziò la produzione del film decise di preparare una serie di domande da sottoporre a scienziati e altri studiosi sull’origine della vita e sulla percezione dell’extraterrestre, ma anche sull’Intelligenza Artificiale e sul futuro dell’informatica.
Queste interviste avrebbero dovuto fare da prologo al film, ma l’idea venne abbandonata e per decenni non se ne seppe più nulla.

Addirittura le pellicole con le interviste sparirono e tuttora non si sa che fine abbiano fatto: nessuna traccia negli archivi e nei ripostigli personali di Kubrick né nelle cantine dei laboratori cinematografici inglesi e americani in cui vennero fatte le riprese. E tutto ciò contribuì a creare un alone di mistero intorno agli argomenti trattati nelle interviste e ai personaggi coinvolti.

Fino a che alla fine del 2005 non uscì un libro curato da Anthony Freman (assistente di Kubrick per oltre 25 anni) dedicato proprio alle 21 interviste realizzate prima del film: “Stanley Kubrick Interviste extraterrestri”, che in Italia è uscito alla fine dell’anno scorso.
Minsky fu uno dei 21 specialisti intervistati.

Nel pezzo che lo riguarda, Minsky azzarda diverse previsioni con ottimismo e senza molte incertezze:

“Bè, le cose si stanno muovendo molto rapidamente. Credo che fra trent’anni ci saranno macchine con la stessa intelligenza dell’uomo.”

“A mio parere non sussiste il problema di cosa faremo se le macchine si metteranno a fare il nostro lavoro… però c’è il pericolo che le macchine prendano il sopravvento in senso dittatoriale, che assumano il governo del paese e facciano fare alle persone quello che vogliono.”

“Penso che un giorno, non so se proprio nel 2001, l’intelligenza delle macchine sarà uguale a quella degli uomini.”

Da queste dichiarazioni si può capire che Minsky non è stato un buon profeta :-) visto che le cose sono andate molto diversamente (considero Minsky una persona che ha avuto un ruolo importante nello sviluppo delle tecnologie di AI ma decisamente troppo convinta che l’uomo sia solo una macchina enormemente complessa, cosa che io non credo proprio...) : tuttavia, l’Intelligenza Artificiale rimane una scienza fondamentale (non fantascienza), le cui attività possono realmente contribuire a dare una svolta alla nostra vita.

Ci sono diversi campi d’applicazione in cui può fare la differenza come ad esempio nell’ambito dell’elaborazione del linguaggio naturale, del riconoscimento vocale e in generale nel mondo della gestione della conoscenza partendo da una risposta al problema che abbiamo nel gestire le informazioni da cui siamo sommersi: sarà anche un obiettivo “banale” se paragonato all’ambizione di una macchina intelligente come una persona, ma rimane il fatto che ancora non l’abbiamo raggiunto.

Un po' di buon senso

Per ottenere per ogni frase inserita in un determinato contesto una rappresentazione unica e dunque priva di ambiguità semantiche, serve una base di conoscenza molto generica e ampia. Schank, quando ne parla con la teoria della Conceptual Dependency, sottolinea questa necessità introducendo il concetto di “script”:

"I'm interested in how people understand sentences, how they remember things, how they get reminded of one event by another, and how they learn from one experience and use it to help them in other events. Most people in the field associate me with the idea that there are mental structures called "scripts," which help you understand a sequence of events and allow you to make inferences from those events — inferences that essentially guide your plans or behavior through those events."

Il contesto e la base dati su cui lavora, però, rimangono sempre molto ridotti e la ragione fondamentale non è solo la potenza di elaborazione su cui si poteva contare a quei tempi (irrisoria se paragonata a quella attuale), ma dalla totale (o quasi) assenza di progetti volti realmente a riprodurre una forma di comprensione basata su un’analisi semantica reale e più ampia possibile.

Questa situazione di fatto non è cambiata ma almeno adesso disponiamo di PC dotati di un’incredibile potenza in memoria e velocità ;-)

Una corretta analisi linguistica dovrebbe presupporre sempre la conoscenza semantica (anche davanti a “frasi semplici”) e perciò il tipo di conoscenza necessaria per arrivare davvero a “comprendere” deve prevedere per forza una serie di passaggi e la Rappresentazione Concettuale dovrebbe essere intesa più in quest’ottica, come un passaggio (non il traguardo).

Un altro aspetto/passaggio fondamentale è il trasferimento dell’esperienza e del buon senso che ci aiutano a capire.

È grazie alla nostra conoscenza di come vanno le cose nel mondo che facciamo deduzioni e arriviamo a comprendere come stanno i fatti e che cosa succede.
Anche quando mancano dei pezzi (per esempio in un discorso, orale o scritto non importa) riusciamo lo stesso a capire proprio grazie a un po’ di buon senso. Per esempio:

C’era il sole, mi sono svegliato, non mi sono vestito ma ho fatto il caffè e poi sono andato in ufficio.

Dico senza dire che il caffè l’ho bevuto
(probabilmente a colazione: parlo della presenza del sole e affermo di essermi svegliato e di aver preparato il caffè; il sole sorge al mattino e al mattino di solito ci si sveglia e si fa colazione)
e lascio anche intendere di essermi vestito prima di uscire
(perché fuori si va vestiti e non in pigiama e ciabatte).

Una cosa banale per noi ma quasi impossibile per un computer: riuscire a fornire l’enorme quantità di conoscenza implicita necessaria (buon senso in grande parte) è qualcosa di molto complesso e costoso.

Due chiacchiere con Eliza

Mi è capitato di leggere che sono aperte le iscrizioni per il Concorso Loebner e questo mi dà lo spunto per scrivere qualcosa riguardo gli esordi del Natural Language Processing (NLP), 'Elaborazione del Linguaggio Naturale': studiare e tentare di risolvere i problemi per arrivare a una forma di comprensione automatica del linguaggio naturale, cioè la lingua che usiamo abitualmente per comunicare.

Inizio con un chiarimento sul Loebner Prize in Artificial Intelligence che all’estero è abbastanza noto anche al di fuori di specialisti e curiosi di A.I. mentre in Italia no.

Nel 1990 Hugh Gene Loebner, ispirandosi al test di Turing (su cui ho iniziato a scrivere un post), decise di mettere in palio 100.000 dollari e una medaglia d’oro per un computer che si dimostrasse capace di dialogare come una persona, rispondendo sempre a tono a qualsiasi tipo di domanda.
Da allora il premio si ripete ogni anno ma le regole sono state modificate, comprese medaglia (di bronzo invece che d’oro) e cifra finale (da $100000 a circa $2000).

Chi vincerà quest’anno? Alice? Bildgesmythe? Jabber Wacky?

In realtà non c’è attinenza fra il Premio e l’NLP e solitamente concorrono al premio esperimenti che con l’elaborazione del linguaggio naturale hanno poco/niente a che fare.
Non è un caso, insomma, che Minsky abbia definito il premio "stupido".
Ha fatto anche di più: ha proposto un premio in denaro per chiunque riesca a convincere Loebner ad abolire l’evento ;-)

Le origini di questo equivoco (fra scienza e folklore ;-)) vanno probabilmente ricercate più indietro nel tempo, quando nacque Eliza, un programma sviluppato nel 1964 da Joseph Weizenbaum, oggi professore di informatica al MIT.

Eliza fu il primo tentativo di interazione uomo-computer attraverso il dialogo o, meglio, l’illusione di un dialogo.

In realtà, infatti, non si trattava di un vero e proprio approccio all’ NLP perché mancavano una reale interpretazione del linguaggio e una sia pur minima forma di comprensione.

Alla base di questo tipo di programmi, definiti “chatterbot” (dalla contrazione di chat e robot), ci sono trucchi piuttosto semplici (su cui non mi dilungo perché esistono già diversi approfondimenti in proposito; per esempio qui ce n’è uno in italiano) giocati sulla prevedibilità del dialogo attraverso l’estrazione di “parole-chiave” da cui si derivano via via nuove domande e affermazioni.

Questi trucchi li conosceva bene Weizenbaum che, con grande coerenza e onestà, non tentò mai di far passare il contrario. A proposito di Eliza, infatti, parlò di parodia dei dialoghi di psicoanalisi e più tardi scrisse anche un libro proprio per chiarire l’estraneità dei computer a qualità tipicamente umane come la compassione e la saggezza (Computer Power and Human Reason, San Francisco, CA: W. H. Freeman, 1976. Qui c’è un riassunto).

Forse anche nella scelta del nome si può intravedere l'approccio leggero di Weizenbaum: tutti riconducono Eliza alla povera fioraia protagonista di Pigmalione, una commedia scritta da Bernard Shaw nel 1912, ma nessuno sottolinea che l’Eliza di Weizenbaum debuttò nello stesso anno in cui, in un clima di sottile ironia, Audrey Hepburn vestì i panni della fioraia istruita a dovere per sembrare una Lady (il film è My Fair Lady).

E quei trucchi li conosceva bene anche Kenneth Mark Colby (psicologo nonché appassionato-esperto di AI) visto che nel 1971 sviluppò praticamente una copia di Eliza con la variante nel protagonista: non più una psicologa ma un paranoico schizofrenico di nome Parry.

Probabilmente fu Colby la principale ragione del gran polverone che si sollevò intorno a questi primi esperimenti. Numerosi aneddoti si sono via via accavallati e Colby non arrivò solo ad immaginare un dialogo tra i due chatterbot, ma pare abbia iniziato a sottoporre Parry a una serie innumerevole di test coinvolgendo anche colleghi su colleghi.

Si cominciò a vociferare che il computer pensante esisteva e che il test di Turing poteva considerarsi finalmente superato.
Invece Parry era solo stato dotato di tutte le caratteristiche necessarie per rispondere a tono alle domande: nessuna vera competenza linguistica, pochi argomenti su cui conversare e solo un insieme di trucchi di programmazione per ingannare sprovveduti interlocutori.

L’elaborazione del linguaggio naturale è complessa e non ha niente a che fare con i chatterbot.
Attuare una forma di comprensione sul nostro linguaggio significa avviarne un processo di trasformazione in rappresentazioni in grado di indirizzare un programma a reagire nel modo più adeguato, cioè con risposte attinenti.

Tutto il resto (Premio Loebner compreso) è solo propaganda.

Information is Surprises

Mentre facevo un po’ di zapping su Internet, mi è capitato sott’occhio un riferimento a quanto, tanto tempo fa, Roger Schank diceva sulla rappresentazione della conoscenza: in particolare, un approfondimento che s’intitola "Information is Surprises" accompagnato anche dai commenti di altri pionieri dell’Artificial Intelligence.

Nel 1968-69 Schank pensa a una tecnologia capace di elaborare le frasi disambiguandone i concetti attraverso la rappresentazione del significato e parla di Conceptual Dependency (o Rappresentazione dei Concetti nella mente): una teoria interessantissima ma non completamente compiuta che, nonostante i limiti (di cui tratterò, anche se adesso che è tutto disponibile in Internet è più facile studiare le cose e trarre in autonomia le proprie conclusioni), rimane fondamentale per questa intuizione: un’unica rappresentazione per ogni singolo/unico concetto.

Vale a dire: (tentare di) ricondurre a una corrispondenza univoca parole diverse che hanno lo stesso significato, espressioni diverse che indicano la stessa cosa, frasi/interi periodi diversi che esprimono lo stesso concetto.
Questo naturalmente significa anche riuscire a individuare sempre in base al contesto il corretto significato dei termini e delle espressioni che possono avere più significati (disambiguazione).

Schank in particolare insiste sulla necessità di una base di conoscenza capace di analizzare le parole attraverso una serie di passaggi per confermare o al contrario confutare le attese.

Tra gli esempi a cui ricorre per mostrare il funzionamento del parser, usa questa frase molto semplice analizzandone ogni parte del discorso:

“The big man steals the red book from the girl”

(Conceptual Parser for Natural Language, l’analisi della frase inizia nella quarta pagina del pdf.)

Parlare di semplicità è sempre relativo e ricordiamoci che stiamo parlando di una forma di comprensione automatica: far capire al computer è un’operazione tutt’altro che banale.

Vale la pena sottolineare questo aspetto e non dimenticare che il nostro modo di pensare è solo nostro.