• 19 July 2024
Memoria AI e pensiero profondo

Indice

L’intelligenza artificiale è la nostra nuova realtà. Innumerevoli e notevoli sono stati fino a questo momento progressi in diversi campi, e non possiamo non sottolineare il fatto che tutto questo abbia messo un nuovo “turbo” anche a sistemi di evoluzione professionale, ancora troppo lenti.

Pensiero ed emozioni

L’AI ci ha aiutato ad affrontare e risolvere problemi complessi e poco identificabili in precedenza, o almeno non così velocemente. Siamo però umani (per fortuna) e allora l’aspetto sul quale molti di noi continuano a ragionare, e siamo solo all’inizio, è quella possibilità se non capacità di replicare la natura olistica del nostro pensiero, con tutta la sua profondità concettuale e la ricchezza delle tante connessioni mnemoniche. Mentre gli attuali sistemi di intelligenza artificiale eccellono nell’eseguire compiti specifici, la creazione di un vero pensiero profondo e di una memoria a lungo termine coerente rimane un obiettivo ambizioso per la ricerca. E siamo solo all’inizio. Immaginare di poter avere ben presto macchine in grado di sostituirci nei più profondi ragionamenti (personalizzando i concetti e le espressioni verbali anche emotive) è ora un dictat per molti (me compresa).

Questa fondamentale memoria AI è essenziale, ma dobbiamo partire prima dall’analisi approfondita di quella umana, sistema straordinariamente complesso e dinamico. La memoria episodica, ovvero la capacità di ricordare esperienze personali vissute, determina in maniera fondamentale quella capacità di riuscire a stabilire connessioni tra eventi passati e presenti. Tutto questo genera un senso di continuità e coerenza nella nostra esperienza. E tale vorremmo che fosse la stessa esperienza per un modello di apprendimento.

Contesto e associazioni

Lo sappiamo, quello che rende la memoria umana così potente è la sua capacità di creare associazioni ricche di contesto. Le nostre esperienze non sono memorizzate come entità isolate, ma come una trama intricata di ricordi interconnessi. Questo ci consente di richiamare informazioni pertinenti in base al contesto attuale, facilitando il ragionamento e la risoluzione di quei problemi che decidiamo di analizzare e poi risolvere. Noi tendiamo a sfruttare costantemente queste connessioni mnemoniche per generare altri pensieri più profondi e ragionamenti complessi.

Allo stato attuale sono davvero incredibili i progressi che stanno avvenendo nell’apprendimento automatico e nell’elaborazione del linguaggio naturale. I modelli di intelligenza artificiale che conosciamo, sono ancora alla ricerca della modalità più opportuna per saltare quegli ostacoli che ne impediscono l’evoluzione profonda, in particolar modo nella replicazione di una memoria che possa essere ricca di contesto e associazioni, e quindi simile a quella umana.

La mancanza di esperienza incarnata

Normalmente noi esseri umani tendiamo a costruire la nostra memoria attraverso un’esperienza incarnata nel mondo fisico. Questa connessione profonda con l’ambiente circostante ci porta a creare associazioni che siano varie e soprattutto contestuali. Per contro, i modelli AI operano principalmente su dati digitali astratti, mancando di una vera esperienza sensoriale e corporea. E questo è il punto, lo snodo, il bivio di fronte al quale ci troviamo. Come potrebbe essere possibile attivare una frammentazione e adozione delle conoscenze pregresse?

Molti sistemi di AI contemporanei dipendono da set di dati frammentati, e questo può portare a una mancanza di coerenza e integrazione delle conoscenze. La nostra memoria umana invece, tende a fondere in modo olistico le diverse esperienze e informazioni in una comprensione unificata. E qui allora bisogna rifarsi al contesto. La dimensione temporale infatti ha per noi un ruolo cruciale nella formazione di connessioni mnemoniche significative. I modelli di AI al contrario, mancano spesso di una rappresentazione che sia robusta del tempo e della sequenzialità degli eventi, limitando la loro capacità di costruire una memoria coerente a lungo termine.

Verso una memoria AI contestuale

Partiamo allora dalle diverse linee di ricerca su cui ci si è attivati in diverse parti del mondo. E lo facciamo evidenziando quelle che sono i principali paradigmi di associazione e di addestramento dei modelli stessi.

Un approccio emergente prevede l’incorporazione di una memoria esterna esplicita nei modelli di intelligenza artificiale. Questi sistemi di memoria vengono alimentati con conoscenze contestuali provenienti da esperienze precedenti, consentendo ai modelli di recuperare e integrare informazioni pertinenti durante le fasi di ragionamento e generazione di output. Le architetture neurali ricorrenti e attenzionali hanno anche un’altra prospettiva interessante. Cercano di catturare e mantenere uno stato di memoria interno durante le interazioni, consentendo ai contesti precedenti di influenzare le risposte future. Attraverso meccanismi di attenzione, questi modelli possono concentrarsi selettivamente sulle informazioni più rilevanti, migliorando sia la coerenza che la pertinenza delle risposte date.

Apprendimento continuo e lifelong

Un filone di ricerca complementare è quello che si concentra sull’apprendimento continuo e lifelong per i modelli di AI. L’obiettivo è sviluppare sistemi in grado di apprendere in modo incrementale dalle esperienze successive, senza dimenticare ciò che è stato appreso in precedenza. Questo approccio mira a emulare la capacità umana di accumulare e integrare costantemente nuove conoscenze nella memoria a lungo termine. A questo punto va detto allora che l’integrazione di una memoria contestuale e di capacità di pensiero profondo nei sistemi di intelligenza artificiale potrebbe avere implicazioni davvero importanti e in diversi settori.

Assistenti virtuali dotati di una memoria ricca di contesto potrebbero offrire interazioni più naturali e coerenti, adattandosi alle preferenze e alle esperienze precedenti degli utenti. Il punto già trattato da diverse realtà (anche italiane) è quello che si concentra sui chatbot conversazionali virtuali. Un di più, ma molto importante per una modalità di interfacciarsi in un futuro molto prossimo con le tecnologie digitali, rendendo le interazioni più fluide e soprattutto sempre più simili a quelle umane.

Sistemi decisionali avanzati

Una memoria contestuale vorrebbe dire avere una reale possibilità di riuscire a migliorare (e in maniera notevole) i sistemi di supporto decisionale, consentendo così di considerare una moltitudine di fattori e di esperienze passate. Potremmo avere la possibilità evidente di generare decisioni molto più olistische, in ambiti come la pianificazione strategica, la gestione delle risorse e l’analisi dei rischi, questo ultimo punto è da ritenersi fondamentale. Avere a portata di mano, e senza troppe interferenze di carattere computazionale, sistemi di AI in grado di sostenere conversazioni basate sul pensiero profondo, darebbe una svolta a molte cose.

Soltanto il campo della ricerca ne trarrebbe un beneficio senza limiti. Accadrà presto, perchè si è capito che la strada è davvero importante. E anche se molti (e senza averne il ruolo) parlano di etica dell’AI, la rivoluzione delle menti avverrà e senza creare danno, ma solo ottimizzando le prestazioni del nostro cervello. La bellezza starà tutta nella nascita continua di nuove intuizioni e di connessioni tra diversi campi di studio. Assisteremo così ben presto ad una vera accelerazione del progresso scientifico e ad una amplificazione dei confini della conoscenza umana.

Conclusioni

Lo sviluppo di una memoria AI contestuale e di capacità di pensiero profondo in effetti esiste già, e rappresenta una frontiera molto entusiasmante per la ricerca sull’intelligenza artificiale. Ci stiamo avviando verso un’era di sistemi di AI più naturali, coerenti e simili a noi. Man mano che la ricerca avanza, ci avviciniamo da un futuro in cui le macchine non solo eseguono compiti dettagliati, ma possono anche ragionare, apprendere e pensare in modo olistico, sfruttando la ricchezza delle connessioni mnemoniche che noi gli forniamo e gli forniremo. Un processo questo che è già partito e che per fortuna nessuno potrà bloccare. Io ci credo molto e aspetto di vedere quali saranno le evoluzioni, soprattutto nel campo della ricerca.