Sul tema del discorso vengono descritti i temi trattati sul libro e affrontati su un corso online.

L’obiettivo del libro è quello di definire cos’è l’AI, determinare da dove proviene e considerarne l’evoluzione futura. Il primo fatto che viene riportato è l’esperimento di una donna bielorussa che creò un network neurale che le permetteva di parlare dopo la morte. Le esperienze che andremo a riportare per definire l’intelligenza artificiale sono al limite tra fantasia, finzione e realtà. Il termine “machine intelligence” proviene dal 1956 mentre il concetto “nature machine intelligence” appare nelle pubblicazioni del 2019. Per definire l’intelligenza artificiale si utilizzarono i primi algoritmi per organizzare la routine giornaliera e per giocare delle partite a scacchi. Un’altra prima applicazione è la programmazione di piccoli robot in grado di muoversi da soli, circa gli anni ’70 in cui questi robot si muovevano con comportamenti automatici all’interno del campus universitario ed avevano applicazioni per conoscere dei movimenti da eseguire sulla luna senza il comando radio. L’evoluzione dell’AI fu lenta e con molti passi indietro. Ci furono diversi esperti che si confrontarono con l’AI. Il filosofo Dreyfus si oppose al suo sviluppo mentre l’ingegnere Lighthill fece importanti studi. Entrambi concordarono che i PC per funzionare dovessero avere una certa conoscenza del mondo. Per definire l’AI si potrebbe paragonare all'intelligenza umana, si introduce così il concetto del “frame problem”, con il quale si definisce come è difficile stimare il punto di sviluppo dell’AI, ma i progressi rispetto a dieci anni fa sono sempre sorprendenti.

Esiste un concorso che premia il miglior programma di traduzione, in base a quanto sia umano il testo tradotto. Il concetto di Turing “Can a machine think?” e la domanda “Are you a robot?” caratterizzano il nostro tempo. In particolare, il problema riguarda gli assistenti virtuali Alexa e Siri. La difficoltà è prevedere quali siano i veri potenziali dell’AI: ciò che può essere immaginato e quello ottenibile dai ricercatori. Come lavorano il corpo e il cervello? Lo spiegano l’ingegneria e la psicologia. Come progredisce la tecnologia? Tramite il Machine learning. La cibernetica è il precursore dell’AI e produce dispositivi intelligenti come i prodotti della domotica: termostati intelligenti. L’AI si sviluppa dall’IR Information Retrieval cioè i motori di ricerca di informazioni online. Si può immaginare che l’AI possa essere impiantata nel corpo umano per ottenere parti elettroniche che comunicano con il cervello, si definisce transumanesimo. Come i robot possono pensare? La logica dell’AI. Per definire l’AI si deve definire l’intelligenza umana: la filosofia definisce l’uomo come essere razionale, inoltre l’uomo non ragiona solo in comunità ma anche da solo. Inoltre, la logica non è utilizzata nella quotidianità, la mente umana ragiona riguardo ciò che considera accettabile.

Dietro ogni teorema ci deve essere qualcosa di vero, cioè che può essere dimostrato. I pc possono dimostrare ciò che è vero. Bisogna definire la differenza tra la logica umana mentale e il linguaggio di programmazione. IBM’S WATSON è una tipologia di logica IR e NLP Natural Language Processing. Le applicazioni mediche si intrecciano con la nascita di internet. Definire la logica dell’AI è difficile perché non si distingue la pratica dalla teoria.

Nella vita quotidiana quando si incontra AI? Esempi di tecnologie simili ad internet sono MINITEL e DARPR che collegavano la televisione al telefono. Il www si genera piano piano espandendo la rete.

The Semantic Web

La differenza tra www e TV è che nel pc si ha una maggiore possibilità di immagini e lo schermo non sa cosa trasmettere, si svilupparono programmi di controllo della scrittura. The SW e i database, l’introduzione di grandi DB fa nascere l’era dei big data. Ogni azione quotidiana genera dati, l’interpretazione di questi dati sarà fondamentale. La creazione del www si sviluppa per una necessità scientifica, per la possibilità di caricare testi online. Questi potevano essere interpretati dalle macchine? Tutti i testi che potevano essere inseriti vengono letti dalle macchine.

Dopo i DB è nata la necessità dei motori di ricerca. Definire cosa è vero sul web è difficile, forse la cosa più riproducibile che può essere definita. I motori di ricerca permisero il “knowledge graph”, cioè quanto qualcosa è conosciuto, il difficile non è più conoscere le cose ma distinguere la verità.

Include tutto ciò che parte dalla cibernetica e arriva ai materiali biologici. Il computer può essere definito come una macchina di Turing. Un programma per calcolare i risultati di una elezione. La parola programma definisce in maniera differente più generica un algoritmo. 0 e 1 è tutto ciò che la macchina sa distinguere, che applicato al nostro codice genetico definisce come siamo costituiti.

Deve essere definito il linguaggio delle macchine, una tipologia è il LISP che era molto costoso e raro da utilizzare, deve essere distinto dal NLP Natural Language Processing, il linguaggio è differente dalla logica. Per capire il machine learning c’è bisogno dei software engineer. La programmazione e i meccanismi con cui l’AI impara sono abbastanza distinti.

Quali programmi e macchine possono capire il linguaggio scritto? Esistono già delle funzionalità. The influence of linguistic stabilisce come la macchina impara, cioè, come ragiona. Nel linguaggio macchina la grammatica è centrale mentre il significato più marginale. Il programma lavora per definire quale sia la forma sintattica corretta. “Speech acts” capire a cosa la persona alluda e quindi capire il senso dello scritto. L’AI deve sviluppare un pensiero come un vero cervello, cioè una “neural network”.

Si sviluppa un dialogo tra macchine ELIZA e PERRY che simula un dialogo con uno psichiatra: per sostenere un discorso si fa riferimento alle connessioni tra le parole. PERRY è precursore dei moderni chat bot e ispira i moderni SIRI e ALEXA. La semantica della frase è rispettata secondo la moderna struttura soggetto, verbo e oggetto.  Si sviluppano i primi sistemi che permettono di rispondere a delle domande.

Si sviluppa un programma in grado di tradurre testi. Il programma si basa sull'associazione di parole tramite un metodo statistico. Lo sforzo degli ingegneri è quello di processare il linguaggio umano. Viene generato un programma che permette di collegare parti di un discorso in un unico articolo completo. What is automatic speech recognition? La funzionalità dettato di Window oppure trovare in un elenco la parola digitata. L’abilità è tradurre in lettere scritte le onde sonore con anche parole con stessa pronuncia. Automatically Synthesising speech. La capacità di creare un discorso partendo da un testo è il contrario dell’abilità del dettato. Ethical issues in speech. Utilizzo della voce femminile come Siri e Alexa.

Si tratta del topic ML Machine learning. Un esempio molto popolare è come NetFlix possa consigliare a ogni utente cosa guardare: l’utilizzo dei big data è subordinato ad un algoritmo che permette di interpretarli. Un’altra applicazione è quella dell’interpretazione dei CV per ottenere quali sono le caratteristiche dominanti per ottenere più successo. Un esempio di come un algoritmo può procedere è dato dal seguente esempio: per distinguere delle immagini in cui compaiono o cani o lupi facciamo riferimento non solo alla loro forma ma dall’ambiente che li circonda. Interessante riportare che il termine ML è stato coniato negli anni ’60. In ordine vengono utilizzati i seguenti sostantivi cibernetica, perceptron, AI. Andiamo a definire cosa divide la cibernetica dall’AI.

Metafora con il cervello umano creare una rete neurale di connessioni, su cui corrono dei segnali elettrici che poi vengono trasformati in onde sonore, il network che si crea è come un gomitolo neurale. A sua volta il suono deve essere riportato a segnale elettrico per essere riconosciuto. La costruzione di un discorso diventa sempre più prevedibile all’aumentare del numero di parole utilizzate, come è valido per un’unica parola, più lettere compaiono inizialmente.

Introduciamo il concetto di deep learning, che è la capacità delle macchine di capire il significato di un’intera frase. La domanda successiva da porsi è il ML definisce interamente l’AI? Si passa a definire cos’è l’apprendimento umano, si può rispondere con il fatto che ad una immagine si può associare a una descrizione. La rappresentazione mentale non ha uno specifico posto nel cervello.

I robot sono lo stereotipo della forma dell’AI, cioè le macchine con corpo umano. La meccanica e l’intelligenza sono legate alla forma robotica. La visione è parte della robotica anche se non caratterizza tutte le macchine.

Le previsioni su uomini macchinari sono antichissime. Perché i robot nell'immaginario collettivo devono avere forma umana? L’associazione non è sempre corretta. Nel 1970 viene realizzato il primo braccio robotico in grado di muoversi in tre dimensioni, l’utilizzo dei bracci meccanici spopola nelle fabbriche di automobili. I robot prendono forme diverse. Tra la cibernetica e la AI ci sono i robot.

Nel 1950 la visione di un pc era sottostimata, oggi le abilità sono tantissime. Come fa un pc a capire le scene che guarda? Tramite la ‘grammar of vision” ridurre il video a delle scene base, questo metodo non è funzionante.

La sfida principale è il riconoscimento del volto umano. Riprodurre ciò che gli uomini fanno con occhi e cervello, il mondo esiste ma deve essere interpretato psicologicamente. Dalle immagini 2d che arrivano da delle telecamere si deve ottenere il modello 3d. Machine visual System definire i segnali della strada è più semplice che distinguere gli altri utenti della strada.

Il primo esempio semplice è il Tamagotchi, che spiega come le persone hanno potuto trasferire il proprio affetto su un oggetto. Companion scenarios: Senior and Junior Companions Ottenere come un animale domestico che allunga la prospettiva di vita. Si fa riferimento alle persone anziane che potrebbero avere un infermiere domestico robotizzato. Un robot di questo tipo potrebbe memorizzare le foto della persona che per un motivo medico non riesce a ricordare le scene dei ricordi. Si può immaginare un compagno per un bambino oppure per un viaggiatore.

I companions sono le incarnazioni dell’AI e non necessitano di forma umana. Possono essere programmi che creano discorsi con i clienti online, vengono chiamati companion agent. I companion non hanno una funzionalità precisa, ma un unico utilizzatore, per specificare bisogna trovare risposta ad alcune domande:

1.       Emotion, politness and affection l’eccessiva gentilezza risulta sgradevole, la psicologia umana deve essere adattata alle macchine. L’interazione tra companion e uomo si basa sul feedback dopo ogni interazione, l’obiettivo è inserire un’emozione nelle macchine.

2.       What should a companion look like? Dovrebbe essere senza faccia e senza uno schermo

3.       One companion personality or several? Utilizzare un unico companion come allenatore o averne molti

4.       What must a companion know? Da un insieme di dati ottengo la conoscenza di informazioni.

Dalla letteratura un esempio come Frankestain, fino all'immaginazione di un partner con caratteristiche specifiche.

Usare I companion come accesso al web. Gli accessi al web possono definire una persona, più accessi al web possono determinare confusione. Il rapporto da instaurare tra companion e proprietario deve essere discreto.

Si fa riferimento alle informazioni immagazzinate da un companion, questi dati potrebbero essere inviati o condivisi con altri senza il consenso del proprietario.