Da un tasso considerevole di tempo si sta “allevando” l’IA artificiale a essere simile al cervello umano, utilizzando un enorme inventario di dati etichettati per aiutare una rete neurale artificiale a riconoscere e distinguere le varie cose che circondando il nostro mondo.
Questa miriade di dati però conduce l’intelligenza artificiale a prendere delle scorciatoie e quindi, ad esempio, quest’ultima tramite una foto dell’erba potrebbe riconoscere anche la presenza di una mucca, visto che gli animali solitamente sono fotografati appunto sui prati, o almeno nella maggior parte delle volte è così. A tal proposito Alexei Efros, informatico dell’Università della California, Berkeley ha dichiarato:
“Stiamo crescendo una generazione di algoritmi che sono come studenti universitari [che] non sono venuti a lezione per tutto il semestre e poi la sera prima dell’esame finale fanno i compiti. Non imparano davvero la materia, ma vanno bene all’esame”.
Ora alcuni neuroscienziati computazionali hanno iniziato a esplorare le reti neurali che sono state addestrate con pochi o nessun dato etichettato dall’uomo. Questi algoritmi di “apprendimento auto-supervisionato” hanno avuto un enorme successo nella modellazione del linguaggio umano e, più recentemente, nel riconoscimento delle immagini.
L’IA da autodidatta può essere accomunata al cervello umano!
In un lavoro recente, i modelli computazionali dei sistemi visivi e uditivi dei mammiferi costruiti con modelli di apprendimento auto-supervisionato hanno mostrato una corrispondenza più stretta con il funzionamento del cervello rispetto alle loro controparti ad apprendimento supervisionato. Per alcuni neuroscienziati, sembra che le reti artificiali stiano iniziando a rivelare alcuni dei metodi reali che il nostro cervello utilizza per apprendere.
I modelli cerebrali ispirati alle reti neurali artificiali sono nati circa 10 anni fa, nello stesso periodo in cui una rete neurale chiamata AlexNet ha rivoluzionato il compito di classificare immagini sconosciute. Questa rete, come tutte le reti neurali, era composta da strati di neuroni artificiali, unità di calcolo che formano connessioni tra loro che possono variare in forza, o “peso”.
Se una rete neurale non riesce a classificare correttamente un’immagine, l’algoritmo di apprendimento aggiorna i pesi delle connessioni tra i neuroni per rendere meno probabile l’errore di classificazione nel ciclo di addestramento successivo. L’algoritmo ripete questo processo molte volte con tutte le immagini di addestramento, modificando i pesi, finché il tasso di errore della rete non è accettabilmente basso.
Da come avete capito l’intelligenza artificiale ragione quasi come un cervello umano e usa quasi le stesse basi per apprendere, riconoscere e via discorrendo.
