I numeri figurano piuttosto in alto nell'elenco di ciò che un computer può fare bene. Mentre gli umani spesso faticano a dividere il conto di un ristorante, un computer moderno può fare milioni di calcoli in un solo secondo. umani, però, avere un senso del numero innato e intuitivo che ci ha aiutato, tra l'altro, per costruire computer in primo luogo.

A differenza di un computer, un essere umano sa quando guarda quattro gatti, quattro mele e il simbolo 4 che hanno tutti una cosa in comune – il concetto astratto di “quattro” – senza nemmeno doverli contare. Questo illustra la differenza tra la mente umana e la macchina, e aiuta a spiegare perché non siamo nemmeno vicini allo sviluppo di IA con l'ampia intelligenza che gli umani possiedono. Ma ora un nuovo studio, pubblicato su Science Advances, riferisce che un'intelligenza artificiale ha sviluppato spontaneamente un senso del numero simile a quello umano.

Perché un computer conti, dobbiamo definire chiaramente qual è la cosa che vogliamo contare. Una volta allocato un po' di memoria per mantenere il contatore, possiamo impostarlo a zero e quindi aggiungere un elemento ogni volta che troviamo qualcosa che vogliamo registrare. Ciò significa che i computer possono contare il tempo (segnali di un orologio elettronico), parole (se archiviate nella memoria del computer) e persino oggetti in un'immagine digitale.

Quest'ultimo compito, però, è un po' impegnativo, poiché dobbiamo dire al computer esattamente come sono gli oggetti prima che possa contarli. Ma gli oggetti non hanno sempre lo stesso aspetto:variazioni nell'illuminazione, posizione e posa hanno un impatto, nonché eventuali differenze di costruzione tra i singoli esempi.

Tutti gli approcci computazionali di successo per rilevare oggetti nelle immagini funzionano costruendo una sorta di quadro statistico di un oggetto da molti esempi individuali:un tipo di apprendimento. Ciò consente al computer di riconoscere nuove versioni di oggetti con un certo grado di sicurezza. La formazione prevede l'offerta di esempi che fanno, o no, contenere l'oggetto. Il computer quindi indovina se lo fa, e regola il suo modello statistico in base all'accuratezza dell'ipotesi, come giudicato da un essere umano che supervisiona l'apprendimento.

I moderni sistemi di intelligenza artificiale iniziano automaticamente a rilevare gli oggetti quando vengono forniti con milioni di immagini di addestramento di qualsiasi tipo, proprio come fanno gli umani. Questi sistemi di apprendimento non supervisionato notano gradualmente parti degli elementi nelle immagini che sono spesso presenti contemporaneamente, e costruire strati su strati di elementi comuni più complicati.

Prendiamo ad esempio il riconoscimento delle mele. Quando vengono presentate al sistema immagini contenenti tutti i tipi di forme, inizia prima a notare gruppi di pixel che compongono linee orizzontali e verticali, e curve sinistra e destra. Sono presenti nelle mele, facce, gatti e macchine, quindi i punti in comune, o astrazioni, si trovano presto. Alla fine si rende conto che certe curve e linee sono spesso presenti insieme nelle mele - e sviluppa un nuovo, astrazione di livello più profondo che rappresenta una classe di oggetti:mele, in questo caso.

Apprendimento profondo

Questo emergere naturale di astrazioni di alto livello è uno dei risultati più entusiasmanti della tecnica di apprendimento automatico chiamata reti neurali profonde, che in un certo senso funzionano in modo simile al cervello umano. La "profondità" deriva dai molti strati della rete:man mano che le informazioni penetrano più in profondità nella rete, i punti in comune trovati diventano più astratti. In questo modo, le reti sono create con elementi che sono fortemente attivi quando l'input è simile a quello che ha sperimentato prima. Le cose più astratte appaiono ai livelli più profondi:questi sono i gatti, facce e mele piuttosto che linee o cerchi verticali.

Quando un sistema di intelligenza artificiale può riconoscere le mele, puoi quindi usarlo per contare quanti ce ne sono. È fantastico, eppure non è proprio come tu o io conteremmo le mele. Abbiamo un concetto estremamente profondo di "numero":quanti di qualcosa c'è. Piuttosto che essere solo attivo quando è presente un oggetto, parti del nostro cervello si attivano a seconda della quantità di oggetti presenti. Significa che possiamo guardare un mazzo di mele e sapere che ce ne sono quattro senza contarne una.

Infatti, anche molti animali possono farlo. Questo perché questo senso di numerosità è un tratto utile per la sopravvivenza e la riproduzione in molte situazioni diverse – prendiamo ad esempio giudicare le dimensioni di gruppi di rivali o prede.

Proprietà emergenti

Nel nuovo studio, una rete neurale profonda che è stata addestrata per il semplice rilevamento visivo di oggetti ha sviluppato spontaneamente questo tipo di senso numerico. I ricercatori hanno scoperto che unità specifiche all'interno della rete si "sintonizzano" improvvisamente su un numero astratto, proprio come potrebbero rispondere i neuroni reali nel cervello. Si è reso conto che un'immagine di quattro mele è simile a un'immagine di quattro gatti, perché hanno "quattro" in comune.

Una cosa davvero entusiasmante di questa ricerca è che mostra che i nostri attuali principi di apprendimento sono piuttosto fondamentali. Alcuni degli aspetti di pensiero di più alto livello che le persone e gli animali dimostrano sono profondamente legati alla struttura del mondo, e la nostra esperienza visiva di ciò.

Suggerisce anche che potremmo essere sulla strada giusta per ottenere un approccio più completo, intelligenza artificiale di livello umano. Applicare questo tipo di apprendimento ad altre attività, magari applicandolo a segnali che si verificano in un periodo di tempo anziché sui pixel di un'immagine, potrebbe produrre macchine con qualità ancora più simili a quelle umane. Cose che una volta ritenevamo fondamentali per l'essere umano, ad esempio il ritmo musicale, o anche un senso di causalità – vengono ora esaminati da questa nuova prospettiva.

Mentre continuiamo a scoprire di più sulla costruzione di tecniche di apprendimento artificiale, e trovare nuovi modi per comprendere il cervello degli organismi viventi, sveliamo più misteri dell'intelligente, comportamento adattivo.

C'è una lunga strada da percorrere, e molte altre dimensioni che dobbiamo esplorare, ma è chiaro che la capacità di guardare il mondo e di elaborare la sua struttura dall'esperienza è una parte fondamentale di ciò che rende gli esseri umani così adattabili. Non c'è dubbio che sarà un componente necessario di qualsiasi sistema di intelligenza artificiale che abbia il potenziale per eseguire la varietà e la complessità dei compiti che gli esseri umani possono svolgere.

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