Sociologia77

Da Ortosociale.

Versione delle 22:33, 1 gen 2017

Robot

Questo post vuole collegare tra loro 4 temi, tre dei quali trattati dalla rivista di divulgazione scientifica "Le Scienze" (che traduce in italiano molti articoli dello statunitense "Scientific American"). Il quarto tema, l'Agricoltura Sostenibile (urbana, non-urbana nelle zone ricche del pianeta, non-urbana nelle zone povere del pianeta) è trattato in ortosociale. Che sono:

• Intelligenza Artificiale ("IA" nel seguito), Robot,
• Cultura, Comportamento, Apprendimento biologico
• Insegnamento a programmare i computer

Il punto di vista che tenta di collegare i quattro temi è sociologico. Ciò significa analizzare aspetti della realtà dal punto di vista delle azioni umane che queste informazioni sollecitano, sia come azioni singole dell'individuo sia come azioni organizzate di gruppo. Nelle azioni singole e di gruppo è centrale il ruolo delle motivazioni, o intenzioni, o fini. Purtroppo la cultura attuale, scientifica e non, non si preoccupa minimanente di collegare le scoperte, le ricerche, le acquisizioni che emergono, parcheggiando le varie teorie in limbi isolati che non si disturbino tra loro.

Intelligenza Artificiale

Dal "Dossier - Intelligenza Artificiale" di "Le Scienze", n.576, Agosto 2016. Il Dossier comprende un articolo sulle auto a guida autonoma (Google) dal Titolo "Macchine che imparano", pag. 40 che spiegano la "einascita" della IA. Poi un articolo "La Verità sulle auto che si guidano da sole", pag.50, che introduce un importante problema di teoria della conoscenza, che smentisce il marketing "facile" delle case automobilistiche e di Google. Infine "Dobbiamo aver paura di robot troppo bravi?", pag.54, che introduce il problema delle "relazioni sociali" tra noi e i robot (nonchè delle relazioni "cospecifiche" tra i robot medesimi, considerati come una nuova "specie" evolutiva). A parte, a pag.44, l'intervista a Tomaso Poggio, un fisico e informatico italiano, che lavora allo MIT americano dove dirige il "Center for Brains, Minds, and Machines". L'obiettivo di questa struttura è "capire come funziona l'intelligenza umana e definire i meccanismi della cognizione per poi trasferirli e applicarli alle macchine". Cominciamo dall'intervista a Tomaso Poggio, in assoluto il più saggio, completo, e soprattutto interdisciplinare dei tre autori degli altri articoli.

Tomaso Poggio

Cito: "Domanda: C'è stato un cambiamento nel metodo di ricerca che ha permesso di imboccare questa strada? Risposta di TP: Più che altro, la decisione del nostro centro di combinare scienze cognitive con neuroscienze e computer science. Quando si iniziò a parlare di intelligenza artificiale e si provò a fare le prime macchine intelligenti si applicavano solo computer science e buon senso, ma senza nessuna conoscenza specializzata di come funzionano mente, comportamento, evoluzione dell'intelligenza di un bambino>>". Tomaso Poggio ha vissuto le varie fasi della IA, dalla nascita alla decadenza, alla rinascita avvenuta circa dieci anni fa grazie alla "decisione del nostro centro di combinare scienze cognitive con neuroscienze e <<computer science>>". Questa "combinazione" tra discipline diverse significa non un meccanico accostamento o somma di saperi diversi e specializzati ma una vera e propria "fusione" di metodi e impostazioni radicalmente divergenti. La ricerca è ripartita dall' "Uomo" per costruire "Macchine che imparano". Quindi ha utilizzato le conoscenze acquisite sulla mente umana, sul comportamento sociale umano (e animale), sullo sviluppo e sulla evoluzione dell'intelligenza di un bambino. Importantissimo il capovolgimento di prospettiva: "Fino a quel momento gli algoritmi di visione erano programmati sulla modello dei sistemi esperti, cioè con regole precise, che permettevano per esempio di riconoscere una faccia dalla presenza nell'immagine di elementi geometrici o macchie corrispondenti alle parti caratteristiche di un volto: occhi, bocca, naso. Dagli anni novanta in poi si è però scelto un paradigma diverso: raccogliere un gran numero di esempi e mostrarli alle macchine per aiutarle a imparare". Un evento spettacolare e dai sicuri effetti su Economia, Scienza-Ideologia-Filosofia-Cultura, relazioni Politiche, che la Sociologia della Scienza e la Sociologia tout court dovrebbero registrare, studiare, implementare. Fin qui Tomaso Poggio. Io aggiungo che da una rappresentazione "Platonica" della Realtà, come una Realtà Statica, fissata in alcune forme (Eidos) astratte e irraggiungibili, che si tratta di "scoprire" come "verità" nel "disordine" della vita sensibile quotidiana, si passa ad una Realtà che non esiste a priori e che si "costruisce" pazientemente e dinamicamente nei diversi contesti in cui operiamo con tentativi di "Try&Learn" (Tenta e Impara). Questi tentativi di Try&Learn costruiscono di volta in volta "modelli operativi" di interazione con l'ambiente grazie anche alla collaborazione mutualistica dei nostri "cospecifici", siano della specie homo sapiens o, come vedremo, dei pesci arciere (Toxotes). Il processo di apprendimento, per quanto banale possa sembrare questa considerazione essenziale, è necessario in quanto non esistono e non si possono costruire "regole precise, che permettevano per esempio di riconoscere una faccia dalla presenza nell'immagine di elementi geometrici o macchie corrispondenti alle parti caratteristiche di un volto: occhi, bocca, naso". L'obiettivo di Poggio e del centro che dirige, come già detto, " è capire come funziona l'intelligenza umana e definire i meccanismi della cognizione per poi trasferirli alle macchine ". Perchè l'intelligenza umana, e quella animale e vegetale, tramite l'evoluzione ed altri meccanismi hanno elaborato la capacità di "imparare". In modo ricorsivo, la cultura umana ha la capacità di "imparare ad imparare".

Macchine che imparano

"Dopo tanti anni di delusioni, l'intelligenza artificiale comincia a mantenere le promesse, grazie ad una tecnica di apprendimento chiamata deep learning". Copiando le reti neurali del cervello umano si sono costruite reti neurali artificiali. Le prime applicazioni pratiche di queste tecnologie sono la macchina a guida autonoma di Google, la compreensione del parlato come Google Now, l'identificazione delle immagini coem Google Photo. Come si vede Google è all'avanguardia nella tecnologia IA. Le "macchine che imparano da sole" devono saper prendere delle decisioni come un essere umano, delle decisioni "buone". L'apprendimento automatico si chiama anche machine learning. Cito dall'articolo a pag.42-43: "Fin dagli anni cinquanta i ricercatori hanno tentato di affinare principi generali grazie ai quali animali [NdR: l'enfasi è di ortosociale] ed esseri umani - o anche le macchine - possono acquisire conoscenze con l'esperienza. L'apprendimento automatico mira a stabilire procedure - algoritmi di apprendimento - che permettono ad una macchina di imparare dagli esempi proposti. Questa scienza è in larga misura sperimentale, perchè non c'è un algoritmo di apprendimento universale: nessun algoritmo può abilitare un computer a imparare bene ogni compito dato. Ogni algoritmo di acquisizione di conoscenze va testato su compiti di apprendimento e dati specifici per una situzione, che si tratti di riconoscere tramonti o di tradurre dall'inglese all'urdu. Non cè modo di dimostrare che un certo algoritmo sarà costantemente migliore, in tutti i sensi e per ogni data situazione, di tutti gli altri. I ricercatori nel settore dell'intelligenza artificiale hanno dato una descrizione matematica formale di questo principio - il cosiddetto teorema <<no free lunch>> [non esiste pasto gratis, N.d.T.] - che dimostra che non c'è un algoritmo che vada bene per tutte le situazioni di apprendimento del mondo reale". Questo in "termini filosofici" significa dire che ogni apprendimento è relativizzato alle interazioni con un certo ambiente che non si può generalizzare fino al punto di permettere un modello "universale" di interazione. Come vedremo più avanti questo implica che "l'apprendimento automatico introduce a sua volta nuovi problemi, perchè è di natura non deterministica". (pag.52-53). Quello che voglio sottolineare è che l'apprendimento riguarda esseri umani, animali, e macchine.

Auto che si guidano da sole

Cito: "Stanno arrivando, ma non saranno come ci spingono ad aspettarcele", pag.49. "Ma l'apprendimento automatico introduce a sua volta nuovi problemi, perchè è di natura non deterministica. Due veicoli possono uscire identici dalla catena di montaggio, ma dopo un anno di incontri con situazioni di traffico diverse i loro sistemi di automazione saranno due software molto diversi". Questo significa in termini semplici che le auto automatiche dovranno tener conto del comportamento delle altre auto automatiche, cioè di un "ambiente" modificato dall'introduzione delle auto automatiche. In questo senso i robot dovranno imapare a "socializzare" tra di loro in un sistema complesso, non lineare e non deterministico. Oltre ovviamente a dover tener conto di esseri umani o degli animali, come quei corvi che buttano le noci sull'asfalto degli incroci e aspettano il semaforo rosso per fiondarsi a raccogliere i gherigli.

Comportamento Animale

Cito a pag.9 "Siamo animali culturali e non siamo gli unici, visto che forme avanzate di cultura si osservano anche tra altre specie di mammiferi e in specie di uccelli". Nel n.577, Settembre 2016, pag.78, articolo "Gli Einstein dei mari", si sostiene che "Alcune specie di pesci sembrano sorprendentemente abili nel risolvere i problemi. In qualche caso, usando persino strumenti". Cito a pag.78: "Alcuni ricercatori della Friedrich-Alexander-Universitat di Erlangen-Norimberga, in Germania, hanno scoperto che in cattività i pesci arciere meno esperti non riuscivano a colpire il bersaglio neanche se si muoveva ad appena un centimetro al secondo o poco più. Ma dopo aver osservato mille tentativi (riusciti e non) da parte di un altro arciere di colpire un bersaglio in movimento, i novizi erano in grado di sferrare colpi efficaci contro bersagli veloci. Gli scienziati hanno concluso che i pesci arciere possono assumere il punto di vista di un altro individuo per imparare a distanza un compito difficile . I biologi la chiamano <<presa di prospettiva>>. Ciò che un arciere fa non richiede lo stesso livello cognitivo dimostrato dallo scimpanzè in cattività che ha portato uno storno disabile su un albero per aiutarlo a lanciarsi di nuovo nell'aria, ma è comunque un modo di cogliere qualcosa partedo dal punto di vista di un altro". Ci sono due aspetti fondamentali che vanno evidenziati. Primo la capacità di animali come i pesci, ritenuti "realtivamente stupidi", di crearsi un "modello operativo" dell'ambiente nel quale vivono. Secondo la "socialità spontanea" dell'apprendimento, nel caso dei pesce arciere, limitata ai cospecifici. La capacità di costruirsi un modello operativo dell'ambiente si basa sulla capacità di "assumere il punto di vista di un altro individuo".

Pensiero Computazionale

L'apprendimento umano, organizzato nelel tradizionali scuole primarie, secondarie e superiori, cambia radicalmente con l'introduzione dell'informatica. Si parla di una "rivoluzionaria" proposta di insegnare alle scuole superiori la programmazione dei computer che è una attività ben differente dall' <<uso>> dei computer. Quella che in gergo si chiama la scrittura di codice (macchina). In pratica la scrittura del software che costituisce i vari programmi che girano all'interno dei computer e che sono il cuore della stessa IA. Su "Le SCienze", n.578, ottobre 2016, pag.71, l'articolo "Programmare computer: la rivoluzione". Il presidente USA Barack Obama ha lanciato l'iniziativa "Computer Science for All" che intende dare a un'intera generazione di studenti statunitensi abilità e competenze informatiche necessarie per prosperare in un'economia digitale. L'iniziativa comprende sia la stesura del codice attraverso l'uso di un linguaggio di programmazione sia il "pensiero computazionale" che è la capacità di scomporre e risolvere problemi complessi. Il Pensiero Computazionale è una capacità valida in qualsiasi circostanza, oltre che necessaria alla programmazione dei computer. L'insegnamento esclusiovo di linguaggi di programmazione e stesura del codice non è sufficiente. "Prima di approdare alal Excel, Sheldon è stato per quattro anni program manager di Microsoft, dove ha visto il pensiero computazionale applicato alla vita reale. <<Ogni volta ho visto gli ingegneri prendere un problema incredibilmente complesso e risolverlo con il pensiero computazionale>> racconta. <<Erano bravissimi a scomporre il problema, disporne i pezzi secondo logica e testarne un pezzo alla volta per vedere in che modo un piccolo cambiamento poteva riflettersi sui risultati. Li guardavo e pensavo: Questo dovrebbero saperlo fare tutti>>". Insegnare agli studenti "a risolvere i problemi" è una innovazione reale nell'insegnamento tradizionale, che trasmette "nozioni" o al massimo capacità di analisi. Questa capacità permetterebbe ai giovani americani un veloce inserimento nel mondo del lavoro, non solo, ma la reale capacità di interagire con la IA sempre più diffusa negli ambienti di lavoro e nella vita quotidiana. In termini semplificati e sul breve periodo, la capacità di riprogrammare la propria auto a guida completamente automatica.

Conclusioni

La cultura ed il suo potenziamento attraverso il linguaggio hanno comportato una accelerazione ed una modifica dei meccanismi evolutivi, portando alla costruzione di macchine in grado di "imparare". La capacità di imparare si basa sulla capacità di costruire dei modelli operativi dell'ambiente nel quale si opera. Tale ambiente cambia grazie alla nostra interazione con esso. Questo comporta la ricostruzione dei modelli operativi e così via. L'apprendimento nelle specie sociali è una interazione sociale, la più importante per costruire, mantenere e modificare le culture che permettono alle varie comunità di vivere e prosperare. L'ambiente con il quale interagiamo è fatto sia dal tradizionale ambiente naturale, compresi animali ed esseri umani, sia da macchine in grado di imparare. Questo significa che si pone il problema di quali "fini"o "valori" trasmettere oltre che nell'educazione dei nostri studenti anche nella educazione delle macchine. Ma l'aspetto potenzialmente più pericoloso è il ruolo sempre maggiore che hanno le macchine nel fornirci una rappresentazione della realtà, cioè la più alta sintesi dei vari "modelli operativi". La Fisica e la Biologia moderne sono mediate nei loro risultati dall'uso massiccio di supercomputer che non si limitano ad eseguire calcoli numerici ma svolgono "simulazioni" che tendenzialmente sostituiscono gli "esperimenti" veri e propri. I Robot sono già usati in modo massiccio come automazione industriale manifatturiera, grazie alla flessibilità del software che li pilota e che può sempre essere modificato, riprogrammandoli. Ma i Robot stanno entrando nella Chirurgia, nell'insegnamento, nella ricerca. Addirittura Tomaso Poggio, citato all'inizio, sostiene che la IA potrebbe in futuro aiutarci a pensare: "È con il cervello, con la mente - afferma lo scienziato - che cerchiamo di risolvere tutti gli altri problemi. Se riuscissimo a capirne il funzionamento e a trasferirlo alle macchine, anche noi ci faremmo più intelligenti perchè queste stesse macchine ci aiuterebbero a pensare e risolvere più velocemente e facilmente tutti gli altri problemi. Ecco perchè secondo me questa è la priorità massima tra tutti i grandi problemi della scienza". Quello che Tomaso Poggio non ha capito, e che le macchine difficilmente potranno aiuterlo a capire, è questo: i problemi che la nostra mente deve oggi affrontare sono eminentemente problemi di relazioni umane intraspecifiche.