![\"Unknown\"](\"http:\/\/www.osservatorioanalitico.com\/wp-content\/uploads\/2021\/03\/Unknown.jpeg\")
<\/p>\n<\/p>\n
L’intelligenza artificiale sta facendo progressi incredibili, ma, come \u00e8 ben detto nella lezione, l’equivalenza fra intelligenza artificiale e naturale \u00e8 ancora lontana.<\/em><\/p>\n Il Direttore Scientifico: Maria Gabriella Pasqualini<\/em><\/p>\n Gian Luca Foresti, Direttore del master in ICT all\u2019Universit\u00e0 di Udine e Presidente dell’Associazione italiana per la Ricerca in Computer Vision, Pattern Recognition e Machine Learning, ha tenuto una lezione dal titolo \u201cAlgoritmi e Sicurezza: un\u2019Analisi di Intelligence\u201d durante il Master in Intelligence dell\u2019Universit\u00e0 della Calabria , diretto da Mario Caligiuri.<\/p>\n \u201cLa storia dell’intelligenza artificiale – ha esordito Foresti – inizia con Alan Turing che negli anni Quaranta elabora il primo calcolatore artificiale. Da quel momento sembr\u00f2 che le macchine potessero, nel giro di qualche tempo, sostituire l’uomo. Lo stesso Turing, infatti, afferm\u00f2 che le macchine avrebbero potuto in un futuro sostituire totalmente la coscienza umana. Successivamente sul finire degli anni Ottanta, David E. Rumelhart ebbe l’intuizione di collegare in una rete dei neuroni artificiali (algoritmi), cercando di riprodurre quello che avviene nel cervello umano. Ma l’incapacit\u00e0 di questi primi neuroni artificiali nella risoluzione di problemi non lineari blocc\u00f2 l\u2019ambizioso progetto\u201d.<\/p>\n Foresti ha poi proseguito affermando che \u201cuna rivoluzione importante nel campo dell’intelligenza artificiale si \u00e8 verificata in anni recenti, quando sono stati elaborati sistemi di calcolo in grado di analizzare e risolvere problemi complessi che sono esclusiva prerogativa dall’uomo\u201d.<\/p>\n \u201cSappiamo – ha affermato – che il cervello umano \u00e8 costituito da circa 100 miliardi di neuroni e che in buona parte sono connessi da sinapsi: circa 100.000 per neurone. Il cervello umano funziona, dunque, attraverso una serie di collegamenti tra i neuroni. La forza cognitiva del cervello \u00e8 quindi data dal numero di connessioni tra i neuroni. Il cervello funziona allora compiendo operazioni parallele, ossia diverse zone del cervello operano contemporaneamente ed a volte collaborano per risolvere uno stesso problema. Altro aspetto importante del cervello umano \u00e8 la capacit\u00e0 di provvedere ai guasti della rete, che si auto-addestra per sopperire al mancato funzionamento di una parte dell’organo stesso. Inoltre uno degli elementi che caratterizzano maggiormente l’aspetto umano \u00e8 la capacit\u00e0, attraverso la vista, di ricevere segnali complessi, rappresentati dalle immagini del mondo reale,che vengono acquisite, analizzate e interpretate dal cervello. Attraverso le connessioni neuronali, in definitiva, avviene l\u2019apprendimento cerebrale\u201d.<\/p>\n \u201cTutte queste operazioni riportate ad una macchina \u2013 ha precisato – non sono cos\u00ec semplici da attuare. Sebbene da un punto di vista matematico il neurone sia stato riprodotto molto facilmente. Infatti, la caratteristica importante di un neurone biologico \u00e8 la capacit\u00e0 di trasmettere un segnale che, a volte, \u00e8 associato ad una informazione. Quando il neurone si accende, superando il valore soglia, trasmette energia agli altri neuroni, che formano una rete, calcolando un valore binario e trasmettendolo ad altri neuroni. Tuttavia mentre il cervello umano pu\u00f2 arrivare ad avere 125.000 miliardi di connessioni calcolato per il numero di neuroni, nel processore artificiale abbiamo un ordine di grandezza inferiore\u201d.<\/p>\n Foresti ha poi affrontato il tema del machine learning<\/em> definendolo \u201cla capacit\u00e0 di acquisire una determinata conoscenza da una serie di informazioni. Nella fase di apprendimento un aspetto fondamentale \u00e8 demandato alla supervisione umana che ha il compito di costruire base di dati in cui ci sono gli esempi che vengono utilizzati per addestrare la macchina nonch\u00e9 per addestrare il sistema, osservando la capacit\u00e0 dell’algoritmo di elaborare o meno determinate operazioni. Il sistema si addestra a classificare determinate situazioni e a riconoscerle, oppure ad identificare situazioni che non possono essere classificate sulla base dei dati con cui \u00e8 stato programmato l’algoritmo. In definitiva il machine learning<\/em> consiste nella capacit\u00e0 dell’algoritmo, partendo da un insieme limitato di esempi di generalizzare compiendo la corretta classificazione dei casi non conosciuti. L’apprendimento si trasforma, quindi, nella capacit\u00e0 di generalizzazione, ossia di trovare una funzione in grado di associare la nuova immagine come pi\u00f9 vicina alla classe studiata nella fase di addestramento\u201d.<\/p>\n \u201cUn esempio interessante di applicazione di algoritmi di machine learning<\/em> – ha affermato il docente – \u00e8 la guida autonoma, sebbene ponga dei problemi complessi su cui si sta lavorando, legati a situazioni impreviste che l’algoritmo non \u00e8 stato in grado di prevedere e di evitare e che evidenzia problemi etici non facilmente risolvibili da un sistema artificiale\u201d.<\/p>\n Foresti ha concluso rilevando che \u201cla tecnologia si sta rapidamente evolvendo ma ci sono molti problemi da risolvere. L’equivalenza fra intelligenza artificiale e naturale \u00e8 ancora lontana sebbene bisogna considerare che un sistema naturale evolve lentamente, mentre i processori artificiali possono migliorare molto rapidamente\u201d.<\/p>\n