AI: quale educazione?
Di IGOR GUIDA
Direttore scientifico di Stripes Digitus Lab
Cosa si intende per AI (Artificial Intelligence)? Intelligenza artificiale di chi? È estremamente entusiasmante sentire le risposte che danno a questa domanda sia i bambini che gli studenti di ogni ordine e grado che non abbiano avuto al riguardo una specifica formazione. Lo stesso si può dire per gli adulti che vedono questo termine mainstream invadere i notiziari da ormai più di un decennio. In realtà lo studio sull’intelligenza artificiale è riconducibile, per alcuni aspetti, a oltre settant’anni fa. John McCarthy, uno dei pionieri dell’AI, già nel 1955 definì per primo l’intelligenza artificiale come la disciplina che ha come obiettivo quello di sviluppare macchine che si comportino come se fossero intelligenti.
Per verificare questa definizione, immaginiamo uno scenario nel quale una quindicina di piccoli veicoli robotici si muovono su una superficie delimitata da quattro pareti. Si possono osservare vari modelli di comportamento che i robot sembrano attuare. Alcuni veicoli formano piccoli gruppi con movimenti relativamente ridotti mentre altri si muovono all’interno dello spazio evitando con grazia qualsiasi collisione tra loro. Altri ancora sembrano invece inseguire uno specifico robot come se fosse un leader. Quello che stiamo vedendo è un comportamento intelligente? Secondo la definizione di McCarthy, i suddetti robot possono essere descritti come intelligenti.¹
Valentino Von Braitenberg, specializzato in neuropsichiatria che ha intrapreso studi sulle strutture cerebrali e sulla teoria dell’informazione, ha dimostrato che questo comportamento apparentemente complesso può essere prodotto da circuiti elettrici molto semplici. Tra i quattordici “veicoli pensanti” descritti da Braitenberg, ve ne è ad esempio uno con due ruote, ciascuna delle quali è azionata da un motore elettrico indipendente e la velocità di ognuno è influenzata da un sensore che capta la luce, e più luce viene captata, più velocemente gira il motore. Dunque, semplicemente programmando il robot per seguire o meno la luce, si riesce a simulare un comportamento che apparentemente denota intelligenza.²
Quindi, nonostante siano passati decenni da quando è stata introdotta, l’AI come disciplina, o meglio le discipline ad essa afferibili, erano relegate solamente agli esperti di settore. Il termine fuorviante in questo scenario è sicuramente “intelligenza” perché che sia artificiale non vi è alcun dubbio, dato che qualcuno deve provvedere a realizzare artificiosamente questi sistemi. Cercando una definizione al significato del termine ‘intelligenza’ troviamo diverse espressioni dalle quali partiremo per comprendere perché fu scelto come termine da affiancare alla allora nuova branca di studio. Intelligenza dunque è, secondo l’Oxford Dictionary, la “capacità di attribuire un conveniente significato pratico o concettuale ai vari momenti dell’esperienza e della contingenza”. Intelligenza, dal latino intelligentia derivato da intelligere, cioè leggere dentro, comprendere la realtà non in maniera superficiale, ma in profondità, andando oltre per coglierne gli aspetti nascosti e non immediatamente evidenti. Treccani riporta, in maniera più completa, che l’intelligenza è il “complesso di facoltà psichiche e mentali che consentono all’uomo di pensare, comprendere o spiegare i fatti o le azioni, elaborare modelli astratti della realtà, intendere e farsi intendere dagli altri, giudicare, e lo rendono insieme capace di adattarsi a situazioni nuove e di modificare la situazione stessa quando questa presenta ostacoli all’adattamento; propria dell’uomo, in cui si sviluppa gradualmente a partire dall’infanzia e in cui è accompagnata dalla consapevolezza e dall’autoconsapevolezza, è riconosciuta anche, entro certi limiti, agli animali”.
Ecco dunque forse svelato l’arcano: si parla anche della capacità di elaborare modelli astratti della realtà, della capacità di adattarsi a nuove situazioni e di modificare la situazione stessa quando questa presenta ostacoli. Dunque l’intelligenza artificiale è quella scienza che tenta di creare delle macchine, software o hardware/software, che siano in grado di riprodurre o di simulare l’intelligenza umana. Va inteso, fin da subito, che il fatto di avere come effetto un processo umano, che normalmente ci fa presupporre intelligenza, non vuol affatto dire che chi lo attua sia riconducibile ad un umano. Quindi stiamo parlando di imitare in tutto o in parte l’intelligenza biologica e l’informatica lo fa attraverso lo studio di agenti intelligenti, o “agenti razionali”, dove per agente intelligente si intende un sistema che percepisce il suo ambiente ed attua le azioni che massimizzano le sue possibilità di successo.
Andreas Kaplan e Michael Haenlein definiscono l’intelligenza artificiale come “la capacità di un sistema di interpretare correttamente dati esterni, di capire questi dati e di utilizzare tale apprendimento per raggiungere obiettivi specifici e svolgere compiti, attraverso un adattamento flessibile”.³ Dovremmo aver compreso, quindi, che la fantasia spesso ispirata dai fumetti o da una certa fantascienza poco centra con il concetto di Artificial Intelligence e dovremmo pertanto cercare di contenere il più possibile tutti i timori che ci assalgono quando ci viene rappresentato un futuro in cui le macchine agiranno come noi, utilizzando appunto l’AI. Casomai dovremmo preoccuparci del fatto che le macchine, intese come il connubio di hardware, sensori e software, saranno in grado di prendere decisioni per conto nostro, cosa che in realtà già accade, basti pensare a quando i social media ci propinano un acquisto piuttosto che un altro, oppure la lettura di una notizia o di una fake news. Dunque l’intenzione non è ascrivibile all’algoritmo, ma casomai a chi lo ha scritto e da quali intenzioni fosse mosso.
Chiarito questo aspetto, proviamo ora a fare degli esempi pratici e semplici per cercare di capire cosa accade dietro le quinte. Diciamo che, semplificando al massimo, l’AI, simulando il funzionamento di un cervello umano, dovrebbe saper compiere funzioni e azioni tipiche dell’uomo, come agire in modo indistinguibile rispetto ad un essere umano, pensare in modo da essere in grado di risolvere un problema poggiando su funzioni cognitive, ragionare in maniera razionale utilizzando la logica come farebbe un essere umano, e infine agire in maniera razionale attraverso processi orientati ad ottenere il miglior risultato possibile in base alle informazioni ed al contesto a disposizione.
Sulla base di queste funzioni, possiamo classificare l’Intelligenza Artificiale in due grandi filoni di ricerca, quello dell’AI debole e quello dell’AI forte. Nella AI debole rientrano tutti quei sistemi che possono agire in alcune funzioni complesse umane, con applicazioni pratiche dove è richiesta la capacità da parte della macchina di comprendere e risolvere specifici problemi, come ad esempio il tradurre un testo da un’altra lingua, il gioco degli scacchi, oppure ancora la capacità di leggere una radiografia per emettere una diagnosi. Il software elaborato, in tutti questi casi, agisce come se fosse un soggetto intelligente e non ha assolutamente alcuna importanza che lo sia davvero o meno. Nell’AI debole non esiste la necessità di comprendere totalmente quali siano i processi cognitivi dell’uomo perché si occupa esclusivamente della risoluzione di problemi.
La velleità invece dell’AI forte è quella di raggiungere, se opportunamente programmata, una capacità cognitiva indistinguibile da quella umana, concentrandosi in particolare sulla logica matematica che rappresenta l’intero scibile umano, sul ragionamento e sulla dimostrazione automatica del problema, sull’analisi del linguaggio come elemento fondamentale per rendere semplice la comprensione delle espressioni linguistiche umane da parte della macchina, e sulla pianificazione tramite algoritmi.
I sostenitori della concezione debole, come Dreyfus,? affermarono un concetto semplicissimo: l’Intelligenza Artificiale non è una vera e propria intelligenza, come faceva pensare invece il test di Turing.? Dreyfus, in particolare, contestò nel corso degli anni il concetto di AI forte sostenendo che fosse completamente errato, perché un computer utilizza dati attraverso delle regole ben precise che gli permettono di considerare solo alcuni aspetti della realtà, quelli che il programmatore ha considerato, mentre la mente umana ragiona cogliendo i vari elementi nella loro totalità.
John Searle ideò un test, denominato “test della stanza cinese”, da contrapporre al rinomato test di Alan Turing. Lo studioso riuscì a dimostrare che una macchina, pur superando il test di Turing, non può essere definita intelligente. Alla base del ragionamento di Searle vi è l’idea che la sintassi non sia condizione sufficiente per la determinazione della semantica.? Il computer infatti, avvalendosi di uno specifico programma, manipola le parole ma non ne comprende assolutamente il senso, dato che si limita a svolgere un’azione su una serie di dati che gli sono stati forniti. La finalità di Searle? era chiara: senza comprensione del significato del linguaggio, una macchina non potrà mai essere definita intelligente. Una macchina potrà essere definita intelligente a prescindere dai concetti di AI debole o forte solo quando potrà riprodurre il funzionamento del cervello a livello cellulare.?
La classificazione AI debole e AI forte sta alla base della distinzione tra Machine Learning e Deep Learning, che rientrano nella più ampia disciplina dell’AI. Nel Machine Learning parliamo di apprendimento automatico, ossia l’abilità delle macchine di apprendere nell’accezione di un problem solver specifico e parzialmente intelligente, dove gli algoritmi usano metodi matematico-computazionali per apprendere informazioni direttamente dai dati, senza modelli matematici ed equazioni predeterminate, ma adattandole alla risoluzione di un problema e migliorando le loro prestazioni in modo adattivo mano a mano che gli esempi da cui apprendere aumentano, come nel riconoscimento di immagini o nel gioco degli scacchi. Il Deep Learning è invece l’apprendimento da parte delle macchine attraverso dati elaborati grazie a algoritmi prevalentemente di calcolo statistico, ed è stato applicato nella computer vision, nel riconoscimento automatico della lingua parlata, nell’elaborazione del linguaggio naturale, nel riconoscimento audio e nella bioinformatica, con applicazioni che vanno dalle sequenze di geni ai processi biochimici nelle cellule.
Dopo le opportune chiarificazioni, possiamo definire l’intelligenza artificiale come la capacità delle macchine di svolgere compiti e azioni tipici dell’intelligenza umana, distinguibile in AI debole e AI forte, dove ciò che la caratterizza da un punto di vista tecnologico e metodologico è il metodo di apprendimento con cui l’intelligenza diventa abile in un compito o azione, e questi modelli di apprendimento sono ciò che distinguono Machine Learning e Deep Learning.
Negli ultimi anni sono stati presentati diversi progetti di giocattoli basati sulle tecnologie di intelligenza artificiale, ciascuno dei quali ha avuto come obiettivo quello di dimostrare come gli algoritmi possano migliorare l’esperienza ludica del bambino in una prospettiva di crescita, e gli esempi recenti mostrano come alcuni giocattoli di nuova generazione lascino intravedere elementi senza dubbio interessanti e positivi. Importante, a mio avviso, è l’essere soggetti attivi anziché passivi, affinché i bambini possano e debbano prendere confidenza con l’AI dato che già circonda il loro mondo e sempre più lo farà in futuro.
A questo quadro si è aggiunta negli ultimi due anni, con una forza che nessuna previsione aveva del tutto anticipato, la diffusione capillare dei modelli linguistici di grandi dimensioni, quelli che il grande pubblico conosce attraverso strumenti come ChatGPT o Gemini, i quali hanno portato le potenzialità dell’AI dentro le aule scolastiche in una forma radicalmente diversa da quella della robotica educativa. Non si tratta più di programmare un robot o di addestrare un classificatore di immagini, ma di dialogare con un sistema che risponde in linguaggio naturale, che redige testi, risolve problemi di matematica, spiega concetti scientifici, e che studenti di ogni età possono interrogare liberamente. Questa novità pone agli educatori una serie di domande urgenti che non riguardano solo la prevenzione del plagio, ma investono il significato stesso dell’apprendimento: se uno strumento può svolgere un compito al posto dello studente, dobbiamo chiederci se quel compito fosse davvero al centro dell’apprendimento, oppure se fosse soltanto il mezzo attraverso cui si sviluppava una competenza più profonda che dobbiamo ora trovare altri modi di coltivare.
Esistono pertanto moltissime attività che si possono fare attraverso la robotica educativa per introdurre i concetti che stanno dietro all’intelligenza artificiale. Un esempio del tipo di attività lo potrete trovare in Pedagogika.it nell’articolo “Poppy Station: una partnership che guarda all’intelligenza artificiale”. È anche possibile ed auspicabile che si proceda per gradi, partendo da attività di tipo unplugged.
Ho citato la Computer Vision, cioè la tecnica dell’elaborazione delle immagini attraverso l’estrapolazione di caratteristiche, che è utilizzata in un’intera gamma di sistemi di intelligenza artificiale che consentono alle macchine di riconoscere gli oggetti nel mondo. Esistono centinaia di applicazioni per smartphone, tablet o computer in grado di identificare piante o animali analizzando l’immagine inquadrata e dandone tutti i dettagli, dal nome alla collocazione geografica e via dicendo. È possibile svolgere questa attività con l’obiettivo di far comprendere ai bambini le “etichette” e le “caratteristiche” che potremmo usare per addestrare un’intelligenza artificiale a vedere gli oggetti nelle immagini.
L’estrazione delle caratteristiche è la conversione dei dati nel formato originale, ad esempio un’immagine, in una serie di caratteristiche quantitative o qualitative che possono essere utilizzate per distinguere e confrontare diversi oggetti nei dati originali, come nel caso in cui diciamo che se l’animale ha le piume allora va nel gruppo degli uccelli. Nell’apprendimento automatico dell’intelligenza artificiale, questo processo di ricerca di modelli e di identificazione delle caratteristiche che emergono è ciò che è noto come tecnica di apprendimento non supervisionato. I bambini, dopo aver provveduto ad indicare etichette e caratteristiche aiutati dagli educatori e dagli insegnanti, potrebbero usarle per comprendere come funziona l’intelligenza artificiale, addestrando un sistema AI a riconoscere gli oggetti nelle immagini.
Gli umani addestrano un sistema di intelligenza artificiale utilizzando l’apprendimento supervisionato, fornendo etichette che identificano gli oggetti e contrassegnando le caratteristiche dell’oggetto stesso, mentre in alternativa un sistema di intelligenza artificiale potrebbe scoprirle da solo cercando modelli nell’immagine attraverso un approccio non supervisionato. I bambini svilupperanno in questo modo le loro abilità nelle tecnologie digitali esplorando diversi tipi di dati, ordinando i dati per scoprire pattern, seguendo e rappresentando sequenze di passaggi e decisioni necessari per risolvere semplici problemi, e acquisendo la capacità di definire problemi semplici e descrivere gli algoritmi necessari per risolverli.
In tutte queste attività, i bambini sviluppano la loro comprensione che gli esseri viventi hanno una varietà di caratteristiche esterne e che possono essere raggruppati sulla base di caratteristiche osservabili e distinti dagli esseri non viventi.
Note
1. Wolfgang Ertel. Introduction to Artificial Intelligence. Springer International Publishing AG 2017.
2. V. Braitenberg. Vehicles – Experiments in Synthetic Psychology. MIT Press, 1984.
3. Andreas Kaplan; Michael Haenlein (2019) Siri, Siri in my Hand, who’s the Fairest in the Land? On the Interpretations, Illustrations and Implications of Artificial Intelligence, Business Horizons, 62(1), 15-25, su sciencedirect.com.
4. https://www.intelligenzaartificiale.it/intelligenza-artificiale-forte-e-debole/
5. What Computers Can’t Do: The Limits of Artificial Intelligence. (revised) ISBN 0-06- 090613-8, ISBN 0-06-090624-3.
6. https://it.wikipedia.org/wiki/Test_di_Turing
7. https://it.wikipedia.org/wiki/John_Searle
8. John R. Searle, Is the Brain’s Mind a Computer Program?, in Scientific American, vol. 262, n. 1, genna Zacharias Voulgaris, Yunus Emrah Bulut, AI for Data Science: Artificial Intelligence Frameworks and Functionality for Deep Learning, Optimization, and Beyond, Technics Publications, 2018 Donald J. Norris, Beginning Artificial Intelligence with the Raspberry Pi, Apress 2017io 1990.

