Adesso anche l’intelligenza artificiale è in grado di imparare dai propri errori

Adesso anche l’intelligenza artificiale è in grado di imparare dai propri errori
169 Condivisioni
Tempo di lettura: 2 minuti

Con grande velocità si sta sviluppando il mondo dell’Intelligenza Artificiale (AI), ora un gruppo di ricercatori è riuscito addirittura a creare un sistema artificiale in grado di imparare dai propri errori. Macchine sempre più simili a uomini? Come sarà il nostro prossimo futuro?

Negli ultimi mesi, i ricercatori di OpenAI si sono concentrati sullo sviluppo dell’intelligenza artificiale (AI) in grado di imparare meglio.

I loro algoritmi di apprendimento automatico sono ora in grado di allenarsi, per così dire, grazie ai metodi di apprendimento e di rinforzo.

Questo nuovo algoritmo consente così all’Intelligenza Artificiale di imparare dai propri errori, quasi come fanno gli esseri umani.

Lo sviluppo proviene da un nuovo algoritmo open source chiamato Hindsight Experience Replay (HER), che i ricercatori di OpenAI hanno recentemente rilasciato.

L’algoritmo che “guarda indietro” ed impara dai propri errori

Come suggerisce il nome, HER aiuta un l’intelligenza artificiale a “guardare indietro” a ben vedere, per così dire, mentre completa un compito. Nello specifico, l’AI ridefinisce i fallimenti come successi.

“L’intuizione chiave che HER formalizza è ciò che gli umani fanno intuitivamente: anche se non siamo riusciti a raggiungere un obiettivo specifico, ne abbiamo raggiunto almeno uno diverso”, hanno scritto i ricercatori.

In parole povere, questo significa che per l’AI ora ogni tentativo fallito nel raggiungere un certo obiettivo conta e si trasforma come un altro obiettivo “virtuale” non intenzionale.

Macchine sempre più simili agli uomini

E’ lo stesso principio che ci guidava quando imparavamo ad andare in bicicletta: nei primi tentativi, non si riusciva a bilanciarsi correttamente ma questi quei tentativi ci hanno insegnato cosa dobbiamo evitare di fare quando ci si bilancia su una bicicletta. Ogni fallimento ci ha avvicinato all’obiettivo finale.

E’ questo il meccanismo con cui gli esseri umani imparano.

Implementare questi sistemi sui robot “è ancora difficile, dal momento che richiede ancora una quantità significativa di campioni”, ha dichiarato Matthias Plappert di OpenAI.

 

Quali differenze rimarranno tra uomini e macchine?

In ogni caso, come dimostrano le simulazioni di OpenAI, può essere molto utile per “incoraggiare” l’intelligenza artificiale ad imparare anche dai propri errori, praticamente come facciamo tutti noi: la differenza principale è che le IA non si sentono frustrate come il resto di noi gente debole ma anche che, una volta impostata, non può che imparare dai propri errori, a differenza del resto di noi gente libera che può anche (voler) dimenticare o reinterpretare in nuovi scenari. Da molti ‘errori’ sono nate infatti scoperte importanti per cui vale la pena domandarsi se in fondo rimane un’ineludibile differenza tra l’A.I. e Cristoforo Colombo o di Alexander Fleming.

Fonti:
https://blog.openai.com/openai-baselines-dqn/
https://arxiv.org/abs/1707.01495
https://spectrum.ieee.org/automaton/robotics/artificial-intelligence/openai-releases-algorithm-that-helps-robots-learn-from-hindsight

The following two tabs change content below.
Marta Bertolaso

Marta Bertolaso

Marta Bertolaso è Professore Associato di Filosofia della Scienza presso la Facoltà di Ingegneria e l'Istituto di Filosofia dell'Agire Scientifico e Tecnologico dell'Università Campus Bio-medico di Roma. I suoi progetti di ricerca si concentrano sulle attuali sfide epistemologiche e filosofiche nell'ambito della biologia, della bio-medicina, della medicina in silico e dei processi di modellizzazione e validazione mediante le nuove tecnologie applicate al vivente. È stata docente di filosofia della scienza e di bioetica in diverse università italiane, nonché a Monaco e a St. Louis (USA). Tra le sue ultime pubblicazioni, Philosophy of Cancer – A Dynamic and Relational View. Springer Series in “History, Philosophy & Theory of the Life Sciences”, 2016, e The Future of Scientific Practice: ‘Bio-Techno-Logos’, Pickering & Chatto Publishers, London, 2015.
169 Condivisioni