Pensiero lento e pensiero veloce
5 min read
La teoria del pensiero umano, che sembra essere la più affascinante e utile per avvicinarsi alla comprensione dell’AI, è quella proposta dal premio Nobel per l’Economia Daniel Kahneman, che suddivide le nostre attività mentali in due categorie: il pensiero lento e il pensiero veloce.
Secondo Kahneman, il pensiero veloce entra in gioco quando dobbiamo prendere decisioni immediate, basate sull’intuizione, sulle emozioni e sulla prontezza di riflessi. Ad esempio, quando dobbiamo riconoscere il viso di un amico, cogliere uno stato d’animo nell’espressione di una persona, oppure quando leggiamo un cartello stradale mentre siamo alla guida, stiamo utilizzando il pensiero veloce. In queste situazioni non abbiamo bisogno della logica e nemmeno del ragionamento complesso: agiamo quasi automaticamente.
Il pensiero lento, invece, ci aiuta a concentrarci e ragionare in modo conscio prima di arrivare ad una decisione. Ad esempio, quando focalizziamo l’attenzione sulla voce di una persona in un ambiente molto rumoroso, cerchiamo un oggetto tra tanti che abbia determinate caratteristiche, paragoniamo due prodotti per capire quale comprare o ancora, quando leggiamo un articolo scientifico, è il nostro pensiero lento ad attivarsi.
Siamo abituati ad associare l’intelligenza umana al pensiero lento, perché crediamo alla superiorità del ragionamento logico rispetto all’intuito. In realtà, secondo Kahneman, è quasi sempre il pensiero veloce a guidarci e a fornire le basi sulle quali il pensiero lento può ragionare ed attivarsi. I due tipi di pensiero interagiscono, si aiutano a vicenda, e a volte sono in conflitto. Per questo noi, fortunatamente, non siamo esseri perfettamente logici e razionali.
Ecco un esempio: “Un libro ed una penna insieme costano 11 euro, mentre il libro costa 10 euro in più rispetto alla penna. Quanto costano il libro e la penna?”. La risposta immediata, fornita dal pensiero veloce, è 10 euro per il libro e 1 euro per la penna. Si tratta, però, di una conclusione (intuitiva) sbagliata. Per rendersene conto occorre riflettere, e quindi, attivare il pensiero lento, il quale fornisce la risposta corretta: 10,5 e 0,5 euro.
Proprio come per quella umana, anche per l’AI possiamo distinguere, con grande approssimazione, un pensiero lento da un pensiero veloce. La teoria di Kahneman può servire da spunto ma dobbiamo tener presente che gli uomini e le macchine sono fondamentalmente diversi. Le macchine sono molto veloci e possono avere una memoria praticamente infinita, dunque sono molto performanti nel ragionamento logico ed ottimizzatorio. Inoltre, possono elaborare grandissime quantità di dati in modo razionale, molto più di quanto non passa fare il nostro cervello.
L’enfasi sulla razionalità ha portato allo sviluppo di un tipo di AI che viene chiamata debole (o narrow), cioè “focalizzata”: dato un problema specifico, si costruisce un sistema che sia in grado di risolverlo al meglio, facendo ricorso a tecniche come la pianificazione, l’apprendimento, l’ottimizzazione ed il trattamento dell’incertezza. Sono esempi di AI debole il gioco degli scacchi, il riconoscimento facciale o l’individuazione della categoria di appartenenza di un fiore, note le dimensioni dei petali.
La pianificazione ci consente di capire quale sia la sequenza delle azioni da eseguire per raggiungere l’obiettivo.
Le tecniche di apprendimento, invece, permettono di adattare il sistema a nuove situazioni o di risolvere un problema a partire da soluzioni di problemi simili.
L’ottimizzazione ci permette di individuare velocemente, tra tutto il ventaglio di possibili soluzioni, quella migliore per il nostro problema.
Il trattamento dell’incertezza, infine, consta di un insieme di tecniche che permettono di trovare le soluzioni migliori anche quando l’obiettivo non è definito con precisione ma in termini di probabilità.
In contrapposizione all’AI debole, alcuni gruppi di ricercatori stanno lavorando anche allo sviluppo di una AI forte o generale (strong), ovvero una AI che sarebbe in grado di effettuare le stesse attività di una persona, con la flessibilità e l’adattabilità che contraddistinguono gli stessi umani nell’affrontare e risolvere problemi nuovi senza troppe difficoltà. È bene, in questo caso, utilizzare il condizionale perché questo tipo di AI non esiste ancora. Ci stanno lavorando alcuni gruppi di ricerca universitari e aziendali, tra i quali DeepMind, azienda sotto il controllo di Google, focalizzata sullo sviluppo dell’AI generale tramite la combinazione di alcune tecniche usate anche per l’AI debole.
Uno dei fondatori di DeepMind, Demis Hassabis, neuroscienziato e ricercatore di AI, non ha dubbi che sia possibile sviluppare sistemi di AI generale e ritiene, che un buon campo di sperimentazione, sia quello dei videogiochi. L’azienda ha costruito un sistema capace di osservare partite di giochi online: dalla semplice osservazione, il sistema diventa capace di giocare al livello di un esperto, senza aver bisogno di alcun aiuto da parte degli esseri umani.
La definizione di AI proposta in questo articolo sembra indicare un sistema a sé stante, che ha una propria intelligenza (o razionalità), qualunque cosa questo voglia dire, che interagisca con sistemi digitali.
In realtà esiste un approccio alternativo all’AI che, personalmente, ritengo sia il migliore, poiché ridurrebbe il numero di professionisti potenzialmente “superflui”. Si tratta di un approccio che rileva, in questa tecnologia, un modo per aumentare la nostra intelligenza, invece che crearne una nuova. Per esempio, l’IBM, parla di augmented intelligence (intelligenza aumentata) e il MIT parla di extended intelligence con un significato molto simile. Attraverso questo approccio non si vogliono costruire macchine che sostituiscono le persone, bensì strumenti che aumentano e amplificano le nostre capacità. Un sistema che aiuta un medico a capire qual è la miglior terapia per un paziente, analizzando dati e proponendo opzioni da valutare, è un tipico esempio di un sistema di intelligenza aumentata.
Nel 2016, negli Stati Uniti, sono stati pubblicati i risultati di uno studio che mostrava l’errore nella diagnosi del cancro al seno. I migliori medici, senza l’aiuto dell’AI, sbagliavano in media 4 volte su cento; i migliori sistemi di AI, senza il supporto dei medici, sbagliavano in media 8 volte su 100. Infine, gli stessi medici ma aiutati dai sistemi AI, sbagliavano solo lo 0,5 % dei casi dimostrando che, i medici ed i sistemi di AI, portavano contributi diversi ma complementari al problema. Possiamo concludere, dunque, che per risolvere problemi complessi, le soluzioni migliori si ottengono proprio tramite l’interazione tra l’intelligenza artificiale e l’essere umano.
Link utili per approfondire:
Daniel Kahneman: The two brains running, pensiero lento e pensiero veloce
Articiall intelligence achieves near human performance Diagnosing Breast Cancer
Sono un ricercatore presso Co.Mac – CFT, un importante gruppo italiano che opera nell’ambito degli impianti industriali. Laureato in ingegneria Meccanica con specializzazione in Meccatronica al Polimi. Attualmente studio automazione con particolare focus verso gli algoritmi di intelligenza artificiale e le sue applicazioni nel mondo reale.
Comunicare significa donare parte di noi stessi, ed è questo il motivo per cui la divulgazione scientifica è una delle mie più grandi passioni.
