ALAN TURING: LA LOGICA DELL’APPRENDIMENTO UMANO CHE PERMETTE ALLE MACCHINE DI COMPRENDERE LE PROBABILITA’

Il genio di Alan Turing, matematico e filosofo che progettò la macchina che porta il suo nome e precursore della moderne tecniche di intelligenza artificiale, ha contribuito allo studio coniugato di scienze matematiche e umanistiche, definendo la possibilità di integrazione tra intelligenza umana e forme di apprendimento create artificialmente

Alan Turing nasce e sviluppa la sua creatività in ambito scientifico in un periodo storico di grandi scoperte dedicate al rapporto tra uomo e macchina. Tra gli anni ‘30 e ‘50 presenta al mondo accademico una carrellata di intuizioni che scardinano le teorie fino ad allora utilizzate per decifrare il linguaggio delle macchine. Il suo contributo nella progettazione di un’intelligenza propria e generata da enti artificialmente costituiti fu importante quanto il suo approfondimento sui studi di neurofisiologia, che affrontò nella fase terminale della sua carriera, interrotta bruscamente con la morte prematura all’età di soli 42 anni.

Comprendere il funzionamento dell’intelligenza umana tramite algoritmi

Frequentatore negli ultimi anni ‘40 del Movimento Cibernetico, scelto anche da un gruppo di promettenti scienziati britannici, lavorò alacremente allo studio degli albori di quella che sarebbe divenuta più tardi la cibernetica moderna, introducendo un analisi del comportamento umano in contrapposizione con quello della macchina, sviluppando un approccio inedito all’embriologia, incentrato sul ruolo degli algoritmi nella generazione dell’intelligenza umana.

Le recenti tecniche di A.I. sono il fulcro di una forma più “umana” di apprendimento artificiale, la Deep Learning. Esse sono orientate ad un’analisi prescrittiva del futuro, nella quale non solo avviene un’analisi dei dati atti a riconoscere elementi del reale, ma anche una configurazione degli esiti di tale scenario in base a logiche di prescrizione

Cosa ha portato Alan Turing allo studio odierno dell’intelligenza artificiale è difficile affermarlo nella sola accezione tecnologica, vista l’importante influenza che le sue teorie hanno avuto in ambiti disciplinari anche molto differenti tra loro. Quel che resta una certezza, tuttavia, è il contributo dello scienziato londinese alla comprensione delle dinamiche che intercorrono durante i processi apprendimento artificiale e del funzionamento del cervello umano che si cimenta nella comprensione, elaborazione e confutazione di concetti – cercando, mediante l’applicazione di algoritmi – di capirne i meccanismi di azione e reazione agli stimoli provenienti dall’esterno.

Tre possibilità per riprodurre la logica dell’apprendimento umano: la Child Machine di Turing

Dopo 100 anni dalla nascita di Alan Turing, nel 2012 l’Istituto del Department of Computing Imperial College di Londra ha celebrato lo scienziato con un articolo che rinnova l’interesse per le teorie espresse dallo stesso Turing nel 1950 sulla rivista Mind. Nell’articolo pubblicato dalla rivista di ricerca scientifica AI Communications si parla di come Turing abbia previsto nel futuro (gli anni 2000) la nascita di un intelligenza artificiale simile a quella umana grazie al progresso dei strumenti di Machine Learning in uso già negli anni ‘50. L’applicazione della Logica Computazionale descritta da Alan Turing nel suo articolo del Mind è rivista in un’ottica orientata allo sviluppo di un’intelligenza artificiale infantile (“Child Machine”).

La Child Machine è prospettata da Turing come una possibile alternativa all’intelligenza umana, che vi si avvicini il più possibile nell’iter di apprendimento. Le possibili varianti della Child Machine possono essere tre:

  1. mediante programmazione
  2. mediante apprendimento automatico ab initio
  3. mediante logica, probabilità, apprendimento e conoscenza di base

Nel finire del suo trattato, lo scienziato rivela come la terza soluzione, ovvero un’intelligenza artificiale prodotta attraverso l’uso di parametri propri dell’intelligenza umana, la più vicina al successo.

Prescrivere il futuro grazie alla Deep Learning: le sfide aperte

Le ipotesi di Alan Turing riportate ai nostri giorni, quando ancora l’intelligenza artificiale viene applicata in direzione della riproduzione verosimile dell’intelligenza umana, rappresenta un fondamentale tassello nella comprensione del rapporto tra le due forme di apprendimento. Le recenti tecniche di A.I. sono il fulcro di una forma più “umana” di apprendimento artificiale, la Deep Learning. Esse sono orientate ad un’analisi prescrittiva del futuro, nella quale non solo avviene un’analisi dei dati atti a riconoscere elementi del reale, ma anche una configurazione degli esiti di tale scenario in base a logiche di prescrizione.

Comprendere il funzionamento dell’intelligenza umana per mezzo di strumenti tradizionalmente adibiti alla processazione di algoritmi è stato un passaggio decisivo nel contesto tecnologico del futuro delle contemporanee A.I. In un’economia che aumenta la propria complessità a causa della sempre maggiore mole di dati appresi e analizzati, la rivoluzione di Alan Turing rimane una sfida ancora aperta.

Author: Claudia Sistelli

© Riproduzione Riservata

Image Credits: Graphica Artis/Bridgeman Images
Man with an Electronic Circuit Board for a Brain, (artist unknown), 1949

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo di WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google photo

Stai commentando usando il tuo account Google. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...