1 • L’intelligenza nell’uomo

L’intelligenza si manifesta, in primo luogo, come fenomeno umano, e come tale viene misurata; Per definire l’intelligenza “artificiale”, cioè quella che può manifestare una macchina costruita dall’uomo, è necessario disumanizzare il concetto e questo è il primo problema metodologico che troviamo. Una definizione comune di intelligenza è la seguente: “L’intelligenza è la capacità globale o complessa dell’individuo di agire con un fine particolare, di pensare razionalmente e di avere relazioni utili con il suo ambiente“. L’esistenza di un’intelligenza definita in ogni essere umano è data per scontata; lo psicologo propone allora di stabilirne una misura, che ci permetterà di spiegare le differenze osservate nei diversi individui. Il modo in cui si ottiene questa misura costituirà una definizione implicita dell’intelligenza nell’uomo. Tutte le misurazioni proposte finora si basano sulla valutazione numerica di  attitudini o abilità speciali, e le differenze nelle procedure dipendono fortemente da ciò che è considerato essere competenze “fondamentali” o “semplici”; In definitiva, questo fa sì che la definizione di intelligenza e la sua misurazione dipendano dalla nostra teoria, sul funzionamento della mente e dal modo in cui crediamo possibile misurare le operazioni o i processi mentali. Cosa siano le abilità mentali non è del tutto chiaro ed è definito in modo operativo dalle parti dei test che vi si riferiscono. Che ciò che misurano i test di intelligenza sia ciò che ciascuno concepisce come intelligenza è evidentemente falso, se non altro perché ci sono concezioni così dissimili o vaghe dell’intelligenza; Ma che ciò che viene misurato sia importante sembra essere fuori questione. Questo perché, fin dall’inizio, la misurazione dell’intelligenza ha avuto uno scopo pratico e utilitaristico. Il primo modo di misurare l’intelligenza fu ideato dal francese Binet, e intendeva esprimere in una figura la capacità di un bambino di superare con successo le esigenze poste dalla sua educazione scolastica. I test successivi hanno avuto l’obiettivo di conoscere la capacità generale degli adulti di svolgere compiti con diversi livelli di complessità. A questo si aggiunge la possibilità data dal voto ottenuto da un individuo in un test di intelligenza di poterlo classificare come difettoso o mentalmente debole, ecc. La misurazione dell’intelligenza è stata quindi un mezzo per prendere decisioni, e in questo senso ha dimostrato la sua utilità. A causa della necessità di un criterio semplice, così come per ragioni storicamente comprensibili, la “misura” dell’intelligenza di un individuo divenne un numero razionale positivo (o frazionario) prima che potesse essere definito psicologicamente. Una volta scelta una tale “scala” per la misurazione dell’intelligenza, tuttavia, essa costituisce una limitazione inevitabile al concetto stesso. È noto che l’intelligenza non ha bisogno di essere fatta di un numero per poterla utilizzare in un processo decisionale; d’altra parte, non è necessario  a priori concepire i diversi tipi di intelligenze come ordinati linearmente. Al contrario, si vuole proporre che dare l’intelligenza di un oggetto naturale o artificiale possa costituire una certa struttura matematica, non necessariamente un numero, o più, e un ordine parziale tra queste strutture. (…)

2 – INTELLIGENZA ARTIFICIALE

Vogliamo indicare, per quanto brevemente necessario allo spazio disponibile e alle nostre conoscenze, alcuni aspetti dell’intelligenza “artificiale” che possono aiutarci a comprendere l’intelligenza “naturale”. Avevamo detto all’inizio che, per qualsiasi lavoro di definizione, è necessario lavorare su quella che chiamiamo la disumanizzazione del concetto di intelligenza. Tale disumanizzazione può essere parzialmente ottenuta, come proponiamo, definendo il “ridimensionamento” dell’intelligenza senza prendere in considerazione in modo fondamentale le distribuzioni reali di tale proprietà nelle società umane. È interessante notare che finora nessuno ha provato a misurare un’intelligenza artificiale; tra i vari fattori che si opporrebbero a tale compito, c’è il fatto che non potremmo attribuire un'”età” alla macchina (…) Il problema, ovviamente, è ancora lontano dall’essere risolto. È inoltre necessario considerare il concetto stesso di abilità specifica e le possibili correlazioni tra le competenze. E’ noto che si tratta di un problema importante e dibattuto. Tuttavia, lo studio dell’intelligenza artificiale potrebbe contribuire alla soluzione dello stesso. In effetti, non sembra esserci alcun dubbio sull’importanza dell’architettura del sistema nervoso delle dita animali superiori per la manifestazione dell’intelligenza. L’organizzazione del sistema nervoso è in unità fondamentali (…) di comportamenti, interdipendenti, mediate da connessioni (sinapsi e contiguità) alla maniera di quanto si trova nelle reti elettriche, e dalla possibilità di alcune forme di mutamenti permanenti (variazioni di proteine, RNA, ecc., e persino neurobiotassi), offrono un quadro molto suggestivo all’ingegnere e al matematico di oggi. È particolarmente plausibile che se il comportamento intelligente può essere simulato con una macchina con una costruzione interna paragonabile a quella del sistema nervoso, la conoscenza relativa all’intelligenza possa essere dedotta come una proprietà di quest’ultimo. Supponiamo, per esempio, che si possano costruire macchine che presentino abilità j e k. Se riuscissi a costruire macchine in cui le due abilità differiscano a piacimento, questo mi mostrerebbe l’indipendenza complessiva delle due abilità: potremmo quindi indagare quale struttura dovrebbe essere aggiunta alla composizione della macchina per stabilire una correlazione tra j e k, e questo ci permetterebbe di ipotizzare circa il funzionamento del sistema nervoso, se mostra la stessa correlazione. Lo studio delle macchine intelligenti ci mette anche sulla strada di semplici principi che, applicati ripetutamente in un processo, lo fanno apparire come un prodotto dell’intelligenza. (…) La nota più importante, dunque, è che l’intelligenza mostrata dalle macchine finora costruite** è costruita alla maniera della cipolla: trovare il nucleo dell’intelligenza cercando di spogliarlo dei passaggi elementari “non intelligenti” del programma equivarrebbe all’azione del filosofo della favola che sbuccia la cipolla per trovare “la cipolla stessa”. È plausibile, alla luce di quanto detto, che l’intelligenza umana non sia costruita in modo radicalmente diverso. Per arrivare a un confronto migliore tra i due tipi di intelligenza “naturale” e “artificiale” bisognerà attendere anche ulteriori ricerche psicologiche. (…) Guilford è arrivato a una teoria che discrimina 120 competenze diverse e include tutte quelle precedentemente sperimentate; queste abilità sono differenziate in base a tre caratteristiche: operazioni, prodotti e contenuti. Le operazioni compiute nell’esercizio di un’abilità sono, secondo questa teoria: valutazioni, produzioni convergenti, produzioni divergenti, memoria e cognizione; i prodotti di questo esercizio sono: unità, classi, relazioni, sistemi, trasformazioni e implicazioni; i contenuti delle informazioni date al soggetto possono essere figurativi, simbolici, semantici e comportamentali. È facile vedere che 5x6x4—120 combinazioni di feature possono essere moltiplicate semplicemente dividendo una delle forme di una di esse, ad esempio, la memoria. Una valutazione dell’abilità “produzione convergente di classi simboliche”, ad esempio, dipenderebbe da un test come il seguente: viene fornito un elenco di parole e viene spiegato al soggetto che sono selezionate in modo che possano essere suddivise in sottoinsiemi unici che corrispondono a concetti noti; Il soggetto deve effettuare questa divisione in sottoinsiemi. La produzione divergerebbe dalle classi simboliche se, per esempio, si chiedesse al soggetto di nominare il maggior numero possibile di oggetti possono essere ingeribili e bianchi; le seguenti caratteristiche del sistema Guilford sono di grande interesse per noi:

1. Guilford rifiuta l’esistenza di un unico fattore per tutte le abilità, che è stato chiamato “intelligenza generale” sulla base dell’esistenza di numerose correlazioni nulle tra le diverse abilità testate.
2. • Le sue esperienze dimostrano che una delle proprietà più universalmente riconosciute come caratteristiche dell’intelligenza, dell’invenzione e dell’originalità, non è implicita nei vari test di intelligenza di cui sopra: infatti, egli conclude addirittura che il QI “pone una sorta di limite superiore” alla produzione divergente.  che è uno dei fattori con cui misura l’originalità; tuttavia, non stabilisce un limite inferiore. Vale la pena chiarire: più alto è il QI di un individuo, così come viene attualmente misurato, minore è la sua possibilità di ottenere un buon punteggio (anche normale) nella produzione divergente. (Su questo punto, si veda anche <‘”).
3. Guilford non ritiene che l’intelligenza sia così rigorosamente determinata dalla nascita, ma pensa che “ci sono abbondanti prove che c’è una maggiore intelligenza associata a una maggiore istruzione”.
4. Secondo le sue stesse parole, “l’operazione corrispondente alla memoria comporta l’immissione di informazioni nel ‘deposito’ della memoria e deve r differenziarsi dal «deposito» stesso. Quest’ultimo costituisce la base di tutte le operazioni; Tutte le abilità dipendono da lui”.
5. Come egli stesso riconosce: “Nello sviluppo di una teoria sistematica e completa dell’intelligenza, abbiamo scoperto che uno dei suoi non meno benefici è un punto di vista completamente nuovo nella psicologia in generale, un punto di vista che è stato chiamato ‘operazione informativa”
   E ancora: “Il punto di vista ‘operativo-informativo’ considera l’organismo come un elaboratore di informazioni, di cui il moderno computer veloce è un buon analogo”.

Il primo punto è un modo di rifiutare un “nucleo” di intelligenza nell’essere umano e ci fa pensare ad esso come a ciò che Monsky esprime sull’intelligenza dei programmi. Il punto 4) ci fa pensare alle possibilità di una macchina dotata di una grande memoria artificiale e di una grande facilità per il recupero delle informazioni. Le possibilità tecniche in questo senso aumentano ogni giorno: sarebbe estremamente facile per una macchina del genere superare un test di produzione divergente come quello descritto. Il punto 3) ci ricorda la parzialità data alla definizione del quoziente di intelligenza dal fatto di voler trovare nell’uomo una facoltà che permanga per tutta la vita e che possa essere apposta su di essa come un’etichetta a tutti gli effetti pratici, nulla di tutto ciò è necessario se si tiene conto di scopi teorici più ampi. Il quinto punto è della massima importanza per chi lavora nell’intelligenza artificiale; quasi tutto il lavoro svolto in questo compito consiste nel dimostrare che il cervello umano può essere considerato come un elaboratore di informazioni, le sue facoltà possono essere simulate in macchine informatiche e quindi comprese nei loro minimi dettagli o convenientemente sostituite alla soluzione dei problemi. Nel tentativo di trovare una struttura sempre più fine nel complesso delle capacità dell’uomo, si cade naturalmente nella semplificazione dei principi primi e si verifica un approccio concomitante dello psicologo e del cibernetico, cibernetica che vede la necessità di lavorare con le organizzazioni molto più semplice (…)

3. SENSIBILITà E INTELLIGENZA

Prima di poter fare una selezione intelligente, l’individuo o la macchina devono imparare a selezionare; Quindi non c’è comportamento intelligente se non in quei sistemi capaci di apprendere. In effetti, le macchine che imparano sono considerate artificialmente intelligenti e tutte le macchine intelligenti (o programmi) costruiti sono in grado di apprendere nel corso del tempo in base alle “loro esperienze“. Cosa imparano le macchine? Nella protostoria dell’intelligenza artificiale si trovano le tartarughe Great Walter, che erano in grado di apprendere i riflessi condizionati. Al giorno d’oggi il problema di apprendimento più studiato è il “riconoscimento di schemi (o configurazioni)”. Questo è della massima importanza per coloro che desiderano vedere una macchina resa una realtà attraverso la quale l’uomo possa comprendere se stesso in modo simile a come comprende i suoi simili; Perché la prima cosa che una macchina del genere deve fare è “vedere” in una forma simile a quella dell’uomo. Ma non è un problema da poco costruire macchine che siano in grado di distinguere un triangolo o un cerchio da altre configurazioni lineari, ad esempio, perché una tale configurazione deve essere “pensata” e non solo “vista”: il cerchio potrebbe essere di infiniti raggi possibili, cadendo in infinite parti possibili del complesso che funge da rivelazione (se fosse uno schermo su cui lo proiettiamo,  ad esempio), essere di diverso spessore nel layout, ecc.; D’altra parte, se la macchina fosse equipaggiata in modo tale da poter centralizzare il cerchio e misurare i diversi raggi per vedere se sono uguali, non accetterebbe come cerchio quello disegnato dalla mano dell’uomo o che abbia lievi deviazioni della sua forma perfetta. Ma più di questo abbiamo bisogno di costruire macchine che, di fronte all’esperienza di ricevere cerchi come stimoli, possano creare il concetto di cerchio da usare. Questo non è affatto impossibile; Ci sono infatti macchine che si può dire creino concetti; Il numero e il livello di questi dipendono dall’attrezzatura di cui dispone la macchina. Bisogna tener conto che l’essere umano, nonostante l’enorme equipaggiamento di cui dispone quando emerge alla vita, impiega un tempo che sembra enormemente grande per “imparare” a distinguere un triangolo da un cerchio nel modo immediato in cui lo fanno gli adulti. Dal punto di vista scientifico, l’acquisizione di un concetto deve essere vista in modo operativo: il sistema in questione apprende concetti perché deve rispondere a stimoli esterni in qualche modo che gli permetta di mantenere una certa stabilità o, in generale, di perseguire un determinato obiettivo nel modo più economico possibile; i concetti appresi sono,  quindi, un mezzo per la risoluzione dei problemi posti dall’esperienza ambientale, che vengono ricevuti come stimoli. La sensibilità è quindi la  condizione a priori  dell’apprendimento. Un topo che non ne ha avuto bisogno non distinguerà un triangolo da un cerchio; Non appena gli sarà fatta passare una serie di prove in cui dovrà cercare il cibo attraverso una delle due aperture, una delle quali è triangolare e l’altra circolare, imparerà a distinguere; Lo sperimentatore sa che il concetto di triangolare è stato raggiunto quando il ratto smette di sbagliare; poco importa se questa acquisizione del concetto sia cosciente o no, come nell’essere umano: la coscienza, il fenomeno dell’essere che si riconosce come esistente, è in realtà l’unico di cui non si abbia al momento alcun indizio che ci permetta di ridurlo a una composizione di processi elementari; Ma vogliamo qui sottolineare che l’intelligenza non è affatto, come la vediamo noi, un fenomeno di “coscienza”. Inoltre, la sensibilità, di per sé, non implica apprendimento o intelligenza. Non appena un individuo è dotato di vista (per esempio, un uomo cieco dalla nascita) può “vedere” in senso lato, un triangolo, ma non permette che questo semplice fatto di vedere, abbia il concetto di triangolo e lo usi: per questo, come dimostra l’esperienza psicologica, ha bisogno di un lungo tempo di apprendimento. D’altra parte, una macchina può essere dotata di attrezzature sufficienti per “sentire” varie forme, senza che essa mostri alcuna intelligenza, oppure può essere dotata di un programma intelligente senza essere in grado di “sentire” più di un piccolissimo insieme di stimoli, In modo che l’intelligenza artificiale possa affrontare problemi più seri! Simili a quelli che si presentano agli esseri umani; è quindi necessario che sia in grado di simulare il comportamento dell’uomo in tre aspetti fondamentali:

a • Capacità di discriminazione e sensibilità agli stimoli tanto diversi quanto negli esseri umani.

b • Capacità di formazione e apprendimento di concetti e simboli simili a quelli dell’uomo, che implica una molteplicità di livelli di integrazione simili a quella dell’uomo.

c • Capacità di prendere decisioni in modo simile a quello umano

In tutte queste direzioni non è difficile prevedere che una macchina sarà in grado, in un futuro non troppo lontano, di superare enormemente l’uomo. In questo caso, avremo quella che Good chiama “ultraintelligenza” e “l’ultima invenzione dell’uomo”. Forse questa stessa macchina ci darà un metodo per misurare l’intelligenza che non dipende dalle statistiche delle popolazioni umane, almeno una teoria che fa dello studio dell’intelligenza un capitolo della matematica non statistica, così come la teoria genetica ha fatto dello studio dell’ereditarietà una branca deterministica della biologia in grado di spiegarci con i suoi “parametri nascosti” i fenomeni meno statistici osservati. Non abbiamo intenzione di portare avanti questo studio. In Minsky, si può vedere uno studio un po ‘dettagliato degli algoritmi che vengono utilizzati nell’intelligenza artificiale. Pask⁽⁸⁾ approfondisce l’argomento della complessità dei livelli. Alcuni dei risultati ottenuti in questo campo possono essere visti in modo ancora più dettagliato. E nella bibliografia fornita da questi autori il lettore interessato potrà continuare uno studio approfondito dell’argomento.

** Nella maggior parte dei casi queste “macchine” non sono altro che programmi per computer e non oggetti costruiti come parti materiali. Non è, d’altra parte, il computer ad essere intelligente, ma il programma stesso

(R. Rubio, “Inteligencia e inteligencia artificial”, Pensamiento Crítico, 30/1969)

n30p045Download