La ricerca sull'intelligenza artificiale ha molto da imparare dalla natura. Il mio lavoro collega la biologia con il calcolo ogni giorno, ma recentemente al resto del mondo è stata ricordata la connessione:il Premio Nobel per la Chimica 2018 è andato a Frances Arnold insieme a George Smith e Gregory Winter per aver sviluppato importanti scoperte che sono chiamate collettivamente "evoluzione diretta". Uno dei suoi usi è quello di migliorare le funzioni proteiche, rendendoli migliori catalizzatori nella produzione di biocarburanti. Un altro uso è completamente al di fuori della chimica, anche delle scienze della vita tradizionali.

Potrebbe sembrare sorprendente, ma molti risultati della ricerca hanno implicazioni molto ampie. Fa parte del motivo per cui quasi tutti gli scienziati si chiedono e sperano non solo di essere selezionati per un Premio Nobel, ma, molto più probabile, che il vincitore potrebbe essere qualcuno che conosce o con cui ha lavorato. Nel mondo accademico collaborativo, questo non è molto raro:nel 2002, Stavo studiando con uno studioso che aveva studiato con uno dei tre co-vincitori del Premio Nobel per la fisiologia o la medicina di quell'anno. Quest'anno, è successo di nuovo:uno dei vincitori ha scritto un paio di articoli con uno studioso con cui ho collaborato.

Oltre a soddisfare la mia vanità, il premio mi ricorda quanto siano utili i concetti biologici per i problemi di ingegneria. L'esempio più noto è probabilmente l'invenzione delle chiusure a strappo in velcro, ispirato dalle sbavature che si attaccavano ai pantaloni di un uomo mentre passeggiava all'aperto. Nel lavoro dei premi Nobel, il principio naturale al lavoro è l'evoluzione, che è anche l'approccio che utilizzo per sviluppare l'intelligenza artificiale. La mia ricerca si basa sull'idea che l'evoluzione abbia portato all'intelligenza generale nelle forme di vita biologiche, quindi lo stesso processo potrebbe essere utilizzato anche per sviluppare sistemi intelligenti computerizzati.

Quando si progettano sistemi di intelligenza artificiale che controllano le auto virtuali, Per esempio, potresti volere auto più sicure che sappiano come evitare una vasta gamma di ostacoli:altre auto, alberi, ciclisti e guard-rail. Il mio approccio sarebbe quello di valutare le prestazioni di sicurezza di diversi sistemi di intelligenza artificiale. Quelli che guidano in modo più sicuro possono riprodursi, essendo copiati in una nuova generazione.

Eppure, proprio come la natura non fa copie identiche dei genitori, gli algoritmi genetici nell'evoluzione computazionale consentono a mutazioni e ricombinazioni di creare variazioni nella prole. La selezione e la riproduzione dei conducenti più sicuri in ogni nuova generazione individua e propaga le mutazioni che migliorano le prestazioni. Per molte generazioni, I sistemi di intelligenza artificiale migliorano attraverso lo stesso metodo con cui la natura migliora se stessa e allo stesso modo in cui i premi Nobel hanno prodotto proteine ​​migliori.

Nello sforzo di comprendere l'intelligenza umana, molti ricercatori stanno lavorando per decodificare il cervello, capire come funziona a tutti i livelli. Reti geniche complesse controllano i neuroni che formano gli strati della neocorteccia che si trovano in cima a un'autostrada di connessioni. Queste interconnessioni supportano le comunicazioni tra le diverse regioni corticali che costituiscono la maggior parte delle nostre funzioni cognitive. Tutto questo è integrato nel fenomeno della coscienza.

L'apprendimento profondo e le reti neurali sono approcci basati su computer che tentano di ricreare il funzionamento del cervello, ma anche loro possono ottenere solo l'attività equivalente di un gruppo di cellule cerebrali più piccolo di una zolletta di zucchero. C'è ancora una quantità enorme da imparare sul cervello, e questo prima di provare a scrivere il software estremamente complicato in grado di emulare tutte quelle interazioni biologiche.

Sfruttare l'evoluzione può creare sistemi che sembrano realistici e sono intrinsecamente aperti e innovativi come lo è l'evoluzione naturale. È anche la metodologia chiave utilizzata negli algoritmi genetici e nella programmazione genetica. Il riconoscimento del comitato del Premio Nobel mette in luce una tecnologia che ha l'evoluzione al centro. Ciò giustifica indirettamente il mio approccio alla ricerca e l'idea che l'evoluzione in atto sia un argomento di ricerca critico con un vasto potenziale.

Questo articolo è stato ripubblicato da The Conversation con una licenza Creative Commons. Leggi l'articolo originale.