AES_1 2022

tecnica 93 CONTROLLO Automazione e Strumentazione n Gennaio - Febbraio 2022 Ma davvero sappiamo parlarne con cognizione di causa? Cos’è che può definirsi ‘intelligente’? E da quale pulpito possiamo noi giudicare? Una prima classificazione Se andiamo sulle enciclopedie troviamo che l’ intel- ligenza è associata alla capacità di apprendere, adat- tarsi, astrarre e inferire, agire autonomamente per raggiungere gli obiettivi che ci si è posti. Da qui i vari approcci per ottenere l’intelligenza artificiale: da quello ‘debole’ che mira alla realizzazione di automi (macchine o sistemi) che agiscono some se fossero intelligenti (ma in realtà eseguono programmi) a quello ‘forte’ che aspira a realizzare automi (mec- canici e/o biochimici) realmente dotati di coscienza e in grado di avere volontà e sentimenti propri. La distinzione potrebbe in futuro non essere facile da cogliere, richiedendo specifici test come nei film di fantascienza (ad esempio quello di Voight-Kampff che l’agente Deckard fa alla replicante Rachael nell’indi- menticabile Blade Runner di Ridely Scott tratto dal romanzo di Philip Dick) per capire se chi abbiamo di fronte è naturale o artificiale (sempre ammesso di volerci trovare una intrinseca differenza); nell’ambito dell’automazione potremo chiederci se il nostro col- lega di lavoro è umano o un androide collaborativo. Approcci e metodologie Si va così dalla implementazione di tecniche com- putazionali non tradizionali allo studio di metodo- logie sul modello delle facoltà cognitive umane. Mentre un approccio top-down (simbolico) fa uso di logica, regole, ontologie e architetture dichia- rative, un approccio bottom-up (connessionista) produce conoscenze e inferenze sulla base dell’ap- prendimento e della esperienza; nel primo caso è chiave il tipo di ragionamento (deduttivo, induttivo, abduttivo, analogico) mentre nel secondo lo sono le tecniche di apprendimento (supervisionato attra- verso il confronto o non supervisionato per finalità di classificazione). Tra apprendimento ed inferenza trovano posto anche l’impiego di alberi decisionali, i calcoli di probabilità condizionata (teorema di Bayes) e le basi di regole in logica fuzzy, che con i suoi quantificatori linguistici consente di rappre- sentare inferenze non lineari in modo robusto; nel caso di quest’ultima numerose sono già da anni le sue applicazioni nell’ambito del controllo multiva- riabile in retroazione o in avanti (es. elaborazione di setpoint) di sistemi meccanici o processi chimico/ fisici, oppure nella taratura dei parametri di algo- ritmi più semplici come ad esempio quelli di tipo PID (Proporzionale-Integrale-Derivativo). Ispirarsi alla natura Ciò che forse più si avvicina alla nostra idea di intel- ligenza sono però le reti neuronali artificiali , che in effetti si ispirano al funzionamento dei neuroni ani- mali. Dal punto di vista matematico un neurone è una semplice funzione non lineare che ha come variabile Un fattore determinante per lo sviluppo dell’IA è stata la rapida evoluzione della comunicazione digitale che ha permesso di realizzare reti sempre più estese e interconnesse