AES_1 2023

FOCUS Approfondimenti 53 INDAGINE Automazione e Strumentazione n Gennaio - Febbraio 2023 Macchine a memoria limitata Le macchine a memoria limitata sono in grado di imparare dai dati storici per prendere decisioni. La gran parte delle applicazioni esistenti rientrano in questa categoria di AI, dai chatbot agli assistenti virtuali fino ai veicoli a guida autonoma. Gli attuali sistemi a memoria limitata che utilizzano il Deep Learning, apprendono da grandi volumi di dati memorizzati per formare un modello di rife- rimento e risolvere problemi con precisione cre- scente. Ad esempio, un’Intelligenza Artificiale per il riconoscimento delle immagini viene istruita uti- lizzando migliaia di immagini e tag associate agli oggetti scansionati. Teoria della mente La teoria della mente è un modello di AI che attual- mente esiste solo in termini concettuali. Sarà in grado di comprendere approfonditamente le entità con cui interagisce, discernendone i bisogni, le emozioni, le convinzioni e i processi di pensiero. Lo sviluppo di un’AI di questo tipo richiederà il pro- gresso di molte discipline correlate a partire dall’in- telligenza emotiva artificiale. Per comprendere a fondo le esigenze umane, le macchine AI di questo tipo dovranno percepire gli esseri umani come indi- vidui la cui mente può essere influenzata da molte- plici fattori. Autocoscienza L’autocoscienza è lo stadio finale dello sviluppo dell’AI. Anche questa forma di intelligenza esiste solo in via ipotetica. L’AI autocosciente sarà evo- luta al punto di diventare assimilabile al cervello umano. Questo tipo di AI non solo sarà in grado di comprendere ed evocare emozioni in coloro con cui interagisce, ma potrà avere anche emozioni, bisogni, convinzioni e desideri propri. È questo il tipo di AI più inquietante. Una volta raggiunta l’au- tocoscienza, l’AI potrebbe essere in grado di svi- luppare idee come l’autoconservazione che potreb- bero direttamente o indirettamente minacciare l’u- manità. La classificazione OCSE Altro tipo di classificazione è quella promossa dall’ OCSE con l’espressione “Framework for the Classification of AI Systems”. Questa tassonomia valuta opportunità e sfide dell’Intelligenza Arti- ficiale in relazione agli impatti che l’AI può avere sull’attività e sui comportamenti delle persone. Il Framework OCSE classifica sistemi e applicazioni dell’Intelligenza Artificiale secondo cinque modelli o dimensioni: ‘People & Planet’, ‘Economic Con- text’, ‘Data & Input’, ‘AI Model’ e ‘Task & Output’. ‘People & Planet’ è un modello di AI in cui viene esaminato il possibile impatto di un sistema AI su benessere sociale, ambiente e diritti umani, discrimi- nando situazioni di alto o basso rischio. Secondo il framework ‘Economic Context’, la dimensione chiave da considerare è l’ambiente socioeconomico, naturale e fisico in cui si svilup- pano applicazioni specifiche di AI. Nella dimensione ‘Data & Input’ dell’AI, dati e input sono considerati in base alla provenienza, al metodo di raccolta e alla loro origine. Contano anche la strut- tura, il formato e la proprietà dei dati così come qua- lità, adeguatezza e caratteristiche tecniche. ‘AI model’ è equiparabile a un insieme di componenti tecnici multipli e fondamentali. Questa dimensione assume importanza in quanto le proprietà strategi- che dei modelli di intelligenza dipendono dal tipo di modello, dalla sua costruzione e dai processi di infe- renza. Infine, ‘Task & Output’ è una dimensione che appro- fondisce i compiti che un sistema AI esegue con- giuntamente ai risultati e alle azioni che ne derivano. Con il Deep Learning, le reti neurali artificiali sono diventate capaci di elaborare enormi quantità di dati utilizzando parametri modificabili automaticamente