Davvero impietoso il confronto tra le due citazioni seguenti…:

(..) poiché la rappresentazione della conoscenza dell’intelligenza artificiale su larga scala è molto complessa e richiede un’ontologia generale che permetta di comprendere argomenti e materie differenti, i ricercatori preferiscono lavorare sui singoli domini della conoscenza o sistemi esperti, similmente a come facciamo quando vogliamo costruire una conoscenza ampia e approfondita attraverso le discipline. (C. Panciroli – P. C. Rivoltella, “Pedagogia algoritmica. Per una riflessione educativa sull’Intelligenza Artificiale”)

(…) negli anni Ottanta (…) la competizione con il Giappone stimolò grandi investimenti in Europa e Stati Uniti in quelli che furono chiamati «sistemi informatici di quinta generazione». Questi erano essenzialmente sistemi di Intelligenza Artificiale progettati per ragionare esplicitamente su una «base di conoscenze» con regole di inferenza logica. Il loro nome commerciale era «Sistemi Esperti» e ne furono creati per diversi domini: chimica, medicina, campi petroliferi. Le conoscenze specialistiche relative a questi domini erano rappresentate in forma esplicita e comprensibile alle persone, e poi manipolate usando i metodi della logica. (…) Giunti alla metà degli anni Ottanta, i Sistemi Esperti comparivano ovunque ed erano considerati sinonimi con l’intera disciplina dell’Intelligenza Artificiale: l’attività principale in questo settore consisteva nel rappresentare problemi pratici in modo che calzassero con questo «schema», sviluppando «basi di conoscenze» che contenevano definizioni e descrizioni esplicite del dominio di applicazione, ma anche euristiche per combinare e manipolare quelle conoscenze. (…) Alla fine, i Sistemi Esperti si rivelarono troppo delicati per l’ambiguità del mondo reale, e troppo costosi da mantenere: in molti campi di applicazione sembra proprio che non esistano teorie chiare. (…) Verso la fine degli anni Novanta, mentre il lungo inverno dei finanziamenti volgeva al termine e i sistemi esperti erano ormai solo una memoria lontana, si era formata una nuova generazione di ricercatori con un arsenale completamente nuovo: uno che consentiva loro di estrarre complesse relazioni da grandi quantità di dati e misurarne rigorosamente il potere predittivo. Questi ricercatori posero le basi per la lingua franca dell’IA moderna: un linguaggio matematico creato combinando discipline diverse, e in grado di dare un nome ai molti modi in cui una macchina può fallire nel suo tentativo di imparare dagli esempi. Quella terminologia si trova ancora oggi in articoli e brevetti, anche al di fuori delle scienze informatiche. (N. Cristianini, “La scorciatoia. Come le macchine sono diventate intelligenti senza pensare in modo umano”)

Un vicolo cieco, chiamato “Sistemi Esperti”, tentava di codificare la conoscenza degli esperti sotto forma di regole “se-allora”, sul presupposto molto ragionevole che ciò che mancava nei sistemi basati sulla logica era l’uso della conoscenza accumulata. Oggi, l’approccio ai sistemi simbolici è chiamato in modo un po’ derisorio “Good Old-Fashioned AI”, o GOFAI. (J. Kaplan, “Generative Artificial Intelligence: What Everyone Needs to Know” – traduzione in proprio)