Ok, ci ho riflettuto un pò, mi sono confrontato con alcune persone ed in verità c'è davvero tanto da dire. TANTO. Proverò a sintetizzare e offrirti ciò che è più utile, senza però semplificare come da te richiesto.
Pubblico un post al giorno riguardo al Topic altrimenti diventa pesante sia per me scrivere che per te leggere. Buona lettura
(Ho deciso che poi lo ripubblicherò come articolo sulla home del sito dopo che avrai fatto la puntata)
In più ti consiglio la visione di questo video per comprendere meglio il modus operandi di alcuni elementi e la chiave di interpretazione con cui leggere alcuni concetti esposti:
----------------------------------------
INTELLIGENZA ARTIFICIALE & SOGNI LUCIDI: L'ONIRONAUTICA SI RENDE ARTIFICIALE o LA MACCHINA SI RENDE ONIRICA?AUTORE: NeuroEngineer, con l'aiuto di esterni (tra cui Xavier)
FONTI: Vedi link inseriti nel Testo e consigli di lettura
-----------------------------------------
CAPITOLO 1: DEFINIZIONE
Bisognerebbe innanzitutto cominciare dalla definizione di "Intelligenza Artificiale" dato che si tratta di qualcosa quasi sempre male interpretato. Per farlo userò le parole di John McCarthy (
https://www.ibm.com/it-it/cloud/learn/w ... telligence), che nel documento
https://borghese.di.unimi.it/Teaching/AdvancedIntelligentSystems/Old/IntelligentSystems_2008_2009/Old/IntelligentSystems_2005_2006/Documents/Symbolic/04_McCarthy_whatisai.pdf
afferma: "
È la scienza di creare ed ingegnerizzare macchine intelligenti e in particolar modo programmi informatici intelligenti. È correlata alla capacità di utilizzare i computer per comprendere l'intelligenza umana, ma non deve limitarsi a metodi che sono biologicamente osservabili".
Come scritto nel sito di IBM (un'azienda statunitense, la più anziana e tra le maggiori al mondo nel settore informatico): "
La definizione di Alan Turing sarebbe rientrata nella categoria dei "sistemi che agiscono come gli esseri umani". Nella sua forma più semplice, l'AI è un campo che combina informatica e solidi dataset per consentire la risoluzione dei problemi. Abbraccia anche i sottocampi del machine learning e del deep learning, che vengono frequentemente citati in concomitanza con l'AI. Queste discipline sono composte da algoritmi di AI che cercano di creare sistemi esperti che facciano previsioni o classificazioni in base ai dati di input."
Potremmo quindi dire che essa è una disciplina atta a realizzare sistemi informatici intelligenti in grado di simulare la capacità e il comportamento del pensiero umano oppure persino a spingersi oltre di esso.
Utile nell'analisi e nella gestione del Big Data, presenta dei forti collegamenti di fondo con le neuroscienze, in quanto entrambe studiano concetti teoreticamente simili: non a caso, cose come le RETI NEURALI possono essere intese in uno o nell'altro senso (
https://www.ibm.com/it-it/cloud/learn/neural-networks). Ma questo lo vedremo dopo.
Per una definizione più dettagliata e "lessicalmente corretta":
https://www.treccani.it/enciclopedia/in ... ecnica%29/CAPITOLO 2: LE MACCHINE POSSONO SOGNARE?
Per approfondire vedi:
https://www.sciencedirect.com/science/a ... X-main.pdfSe abbiamo detto che le AI sono "sistemi informatici intelligenti in grado di simulare la capacità e il comportamento del pensiero umano", allora possono sognare? La risposta è sì, ma in modo diverso dal corrispettivo fenomeno naturale. Per capire cosa questo significhi, bati prendere come esempio
Deep Dream di Google, che è un programma di elaborazione delle immagini che utilizza una rete neurale "convoluzionale" (o CNN) per trovare e potenziare degli schemi all'interno di immagini tramite una
pareidolia (l'illusione subcosciente che tende a ricondurre a forme note oggetti o profili dalla forma casuale) algoritmica, creando effetti allucinogeni che richiamano le sembianze di un sogno.
Tutti lo possono usare, è disponibile a questo link:
https://deepdreamgenerator.com/@LuKe94 non è che per caso potresti creare (quando hai tempo) un topic con questo collegamento link a DeepDream? Magari lì possiamo condividere le nostre creazioni in formato immagine. Potrebbe essere un nuovo "format", se sei d'accordo.
Studio in merito a DeepDream (
https://it.wikipedia.org/wiki/Deep_Dream):
Nel 2021, uno studio pubblicato sulla rivista scientifica Entropy ha dimostrato, con prove neuroscientifiche, la similarità tra l'esperienza visiva di Deep Deam e quella derivante dall'ingestione di sostanze psichedeliche[7]. Gli autori dello studio hanno registrato il segnale elettroencefaplografico (EEG) di partecipanti umani mentre guardavano passivamente un video e lo stesso video modificato da Deep Dream. I risultati sono stati che durante la visione del video modificato da Deep Dream il segnale EEG mostrava un alto livello di entropia e di connettività funzionale tra le aree del cervello, entrambi biomarkers dell'esperienza psichedelica conosciuti nella letteratura scientifica[8].
Per vedere con i propri occhi il risultato di tale processo, basti cercare "DeepDream images" su Google immagini.
La realtà della faccenda non è molto complessa: DeepDream riceve come input (che hanno lo stesso ruolo dei PATTERN di cui ho parlato in numerosi altri post) una serie di immagini, che poi combina tra loro cercando di dare un senso e seguendo dei meccanismi prefissati. E' consapevole di questo? No. Ma la vera domanda è: noi siamo consapevoli quando sognamo (NON lucidamente)? No.
Lo stesso processo vale negli esseri umani: una rete neurale elabora input ricombinandoli in modo più o meno sensato, seguendo regole biologiche e chimiche prefissate.
Ora è ovvio che si scorge la differenza tra sogni umani e "immagini psichedeliche" di sistemi come DeepDream: ma immaginate un futuro in cui le AI saranno così sviluppate da produrre un mondo dinamico 3D e una trama onirica in modo similare; non è così impensabile.
Le macchine possono fare sogni lucidi? No. Ci sono alcuni che credono che le macchine possano avere una coscienza (clamoroso il caso di Blake Lemoine,
https://www.nytimes.com/2022/07/23/tech ... gence.html), ma finché non sapremo definire cosa si intenda davvero per "coscienza" è difficile riscontrarla in qualcosa al di fuori di sé stessi.
Come funziona nello specifico DeepDream?
Mappa concettuale di un esempio:
https://i0.wp.com/sitn.hms.harvard.edu/ ... =723&ssl=1Spiegazione della Harvard University:
https://sitn.hms.harvard.edu/flash/2017 ... am%20about.
Psicosi, sogni e memoria nell'IA (
https://sitn.hms.harvard.edu/flash/2017 ... am%20about.)
CAPITOLO 3: Deep learning e Machine learning
Illustrazione:
https://1.cms.s81c.com/sites/default/fi ... HITEBG.pngLeviamoci la parte più semplice. Machine Learning, apprendimento (automatico) della macchina (inteso come sistema informatico o dispositivo). E' molto esplicativo (
http://www.intelligenzaartificiale.it/machine-learning/):
si parla di differenti meccanismi che permettono a una macchina intelligente di migliorare le proprie capacità e prestazioni nel tempo. La macchina, quindi, sarà in grado di imparare a svolgere determinati compiti migliorando, tramite l’esperienza, le proprie capacità, le proprie risposte e funzioni. Alla base dell’apprendimento automatico ci sono una serie di differenti algoritmi che, partendo da nozioni primitive, sapranno prendere una specifica decisione piuttosto che un’altra o effettuare azioni apprese nel tempo.
Ciò che l'essere umano esterno fa è fornire alla macchina un COME, un METODO, una DIREZIONE, un FINE e i MEZZI per raggiungerlo. Se un bambino fosse una AI e volessimo insegnarli ad andare in bici, dovremmo innanzitutto FORNIRGLI la bici, poi SPIEGARGLI come si usa e infine dirgli a COSA SERVE. Per facilitare il suo apprendimento è possibile creare un esempio ad hoc e mostrarglielo, oppure spingerlo durante "le prime pedalate". Poi, affinché il bambino sappia effettivamente guidare la bici, serve ESPERIENZA. Quando si dice che "sbagliando si impara", questo è vero anche per il Machine Learning.
Il bambino potrebbe in seguito diventare un ciclista olimpionico con le sue sole forze e capacità, se avrà voglia di dedicarsi anima e corpo alla bici. Il vantaggio (triste ma utile) delle AI è che il loro tempo è da dedicarsi SOLO a quell'attività per cui sono nate. Più esperienza fa, più informazioni gli vengono aggiunte durante il processo, più simulazioni fa e più rapidamente imparerà.
Il fatto che una macchina che solo se spinta e "nutrita" ogni tanto raggiunge traguardi del genere è a dir poco impressionante e trova applicazione in innumerevoli campi.
Per Deep Learning (sottocategoria del machine) si intende invece:
l’apprendimento di dati che non sono forniti dall’uomo, ma sono appresi grazie all’utilizzo di algoritmi di calcolo statistico. Questi algoritmi hanno uno scopo: comprendere il funzionamento del cervello umano e come riesca ad interpretare le immagini e linguaggio. L’apprendimento così realizzato ha la forma di una piramide: i concetti più alti sono appresi a partire dai livelli più bassi.
Ciò che contraddistingue il Deep è che elabora dati su più livelli, strati o layer. Per comprendere il significato di questa frase (
Preferisco non dilungarmi con le parole dato che dovrei fartelo vedere visivamente con una lavagna):
CAPITOLO 4: Reti Neurali naturali e artificiali
Spesso si spiegano prima le reti neurali, ma ho preferito partire dalla fine per poi entrare nel dettaglio e farti comprendere come si arriva a quei meccanismi.
Per rete neurale, in biologia, si intende una serie di interconnessioni tra più neuroni. Per spiegazioni dettagliate su questo e altri temi (neuroscientifici), consiglio sempre il nuovo Atlante di Netter (libro).
Da lì è tratta quest'immagine:
https://neupsykey.com/wp-content/upload ... 054184.jpgIl neurone è formato (principalmente) da un Nucleo, da un Assone (con dentro microtubuli), da Dendriti e Bottoni sinaptici.
Per rete neurale, invece in informatica, si intende una serie di interconnessioni algoritmiche. Imitano, nel complesso, il funzionamento del cervello umano, in quanto tenta di riconoscere le relazioni sottostanti ad un insieme di dati.
Le reti neurali artificiali (ANN) sono costituite da strati di nodi, contenenti uno strato di input, uno o più strati nascosti e uno strato di output. Ogni nodo, o neurone artificiale, si connette a un altro e ha un peso e una soglia associati. Se l'output di un singolo nodo è superiore al valore di soglia specificato, quel nodo viene attivato, inviando i dati al livello successivo della rete. In caso contrario, nessun dato viene trasferito al livello successivo della rete.
Esistono varie tipologie di ANN, ma usualmente funzionano in un modo molto specifico:
https://www.ibm.com/cloud/learn/neural-networksCiò imita il raggiungimento della soglia del potenziale d'azione biologico (rapido cambiamento di carica tra l'interno e l'esterno della membrana cellulare).
//
Fine della prima lezione. Per adesso ti ho inserito più che altro link e fonti, con spiegazioni introduttive alla disciplina. Sono partito dalle basi ma era necessario. Da domani scenderemo nel deep...ahem volevo dire...profondo
Tieniti pronto per il vero n
€post!
