Cristianini è davvero efficace:

Dopo avere cercato per anni di scoprire l’elusiva qualità che rende le cose intelligenti per implementarla nelle loro macchine, i ricercatori si sono accontentati di studiare i comportamenti intesi a perseguire uno scopo e di generarli con vari metodi. Questo ha prodotto una classe di agenti autonomi che possono apprendere e comportarsi in modo appropriato in una varietà di situazioni nuove, sfruttando relazioni statistiche nel proprio ambiente, eliminando il bisogno di regole di condotta esplicite, ma introducendo la necessità di grandi quantità di dati da cui imparare. Il nuovo paradigma, che si basa sull’apprendimento automatico, porta con sé nuove aspettative, nuovi strumenti e nuovi esempi da imitare. I sistemi di raccomandazione oggi rappresentano l’Intelligenza Artificiale meglio dei dimostratori di teoremi. La nuova scienza delle macchine intelligenti parla la lingua della probabilità e dell’ottimizzazione matematica, non più quella della logica e del ragionamento formale. (…) Per chiarire l’idea, consideriamo un esempio più semplice: il correttore ortografico o suggeritore automatico di frasi che troviamo in tutti i nostri dispositivi digitali. Dato un testo corrotto da errori di battitura, è possibile correggere gli errori semplicemente sostituendo le parole che non sono mai state viste prima (potenziali errori) con delle parole simili che sono allo stesso tempo molto frequenti, o che sono frequenti in un contesto simile. Questo approccio non conosce la grammatica né comprende l’argomento del testo: tutto ciò di cui ha bisogno sono informazioni statistiche di tipo generale che possono essere ottenute analizzando un grande corpus di documenti. Tali raccolte di dati contengono almeno decine di migliaia di documenti e milioni di parole. (…) [Le] regolarità statistiche del linguaggio si sono dimostrate sufficienti non solo per proporre trascrizioni e traduzioni plausibili, ma anche correzioni di parole digitate male o completamenti di una frase incompleta. Questi segnali sono così generali che un programmatore può usare lo stesso metodo anche per linguaggi che non comprende, dall’albanese allo zulu. (…) Quando possiamo indovinare la parola successiva in una frase, non è poi così diverso indovinare il prossimo articolo che un cliente aggiungerà al carrello della spesa. E quando possiamo fare questo, anche indovinare il prossimo film che qualcuno vorrà guardare non è più impensabile. L’idea è sempre la stessa: analizzare campioni di comportamento umano per poter fare previsioni statistiche in campi in cui non esiste alcuna teoria. (N. Cristianini, “La scorciatoia. Come le macchine sono diventate intelligenti senza pensare in modo umano”)