Verso una AI al livello di Dio da una AI al livello di cane

From AI at the level of God to AI at the level of a dog

Comprendere cosa può fare l’IA, cosa non può fare, perché e come.

Quando ho iniziato a imparare l’Intelligenza Artificiale (IA), spesso vedevo un’illustrazione simile (Fig. 1) che descriveva le relazioni tra tre concetti importanti: l’IA, il Machine Learning (ML) e il Deep Learning (DL). Sono sicuro che lo puoi ancora trovare da qualche parte. In tale illustrazione, sembra che l’IA includa il ML, che include il DL. Tuttavia, tale deduzione potrebbe non essere corretta.

Se leggi un articolo di ricerca con un titolo o un abstract che contiene parole relative al ML, puoi tranquillamente assumere che gli autori abbiano utilizzato modelli di machine learning superficiali, non di deep learning, come la regressione lineare, la random forest, il gradient boost, il support vector machine, il perceptron a singolo strato, e così via. Questo perché se gli autori avessero utilizzato modelli di DL, avrebbero semplicemente dichiarato che il loro articolo riguardava il DL e non avrebbero considerato l’utilizzo del ML per descrivere il loro lavoro. Risulta quindi che esista una tendenza tra gli esperti del settore a considerare il ML e il DL come concetti reciprocamente esclusivi.

C’è anche molta confusione sulla relazione tra l’IA e il ML. Dall’illustrazione, vediamo il ML come un sottoinsieme dell’IA, il che è problematico. Come lettore di VoAGI, sono sicuro che hai visto alcuni scrittori definirsi “scrittori di IA/ML”. La notazione “IA/ML” potrebbe significare che l’IA e il ML sono differenti o intercambiabili, ma sicuramente non implica una relazione inclusiva. Indipendentemente da ciò che l’autore intende realmente, vediamo la confusione. Yaser Abu-Mostafa, professore di Informatica al Caltech, noto per le sue attività di ricerca e didattica nell’ambito del ML, differenzia l’IA e il ML in questo modo:

Il ML è ciò che facciamo. L’IA è ciò che raggiungiamo.

• Dove avviene l’IA?
• Rivoluzionare lo sviluppo del software il duo dinamico di intelligenza artificiale e codice
• Microsoft AI Research introduce un nuovo framework di deep learning chiamato Distributional Graphormer (DiG) per prevedere la distribuzione di equilibrio dei sistemi molecolari.

Mi piace molto questa definizione perché chiarisce la differenza tra i due concetti nonostante molte volte, per convenzione, possano essere usati in modo intercambiabile.

Perché c’è così tanta confusione sui tre concetti fondamentali nel campo dell’IA? La mia comprensione è che la conoscenza nel dominio dell’IA si espande così rapidamente che ogni giorno emergono migliaia di nuovi concetti, e le persone non hanno…