• Non ci sono risultati.

Credit scoring

4.2 Storia dell’intelligenza artificiale

L’intelligenza artificiale nasce ufficialmente nel 1956, con l’organizzazione del famoso semi-nario estivo di Dartmouth, presso il Dartmouth College di Hanover, nel New Hampshire, da parte di J. McCarthy, M. L. Minsky, C. E. Shannon e N. Rochester, durante il quale per la prima volta venne fondata programmaticamente la nuova disciplina, iniziando dalla raccolta dei principali contributi sviluppati in passato fino a quel momento, proseguendo con la presentazione di alcuni studi in corso di svolgimento e terminando con l’analisi delle potenzialità più promettenti individuabili per il futuro. Questa storica conferenza, chiamata Dartmouth Summer Research Project on Artificial Intelligence (DSRPAI), aveva come obiettivo ambizioso, immaginando un grande sforzo collaborativo, quello di riunire insieme i principali esperti dell’epoca, nell’ambito dell’informatica dedicata allo sviluppo di sistemi intelligenti, per una discussione aperta e un confronto di idee e progetti. I partecipanti includevano autori molto importanti, come R. Solomonoff, O. G. Selfridge, T. More, A. L. Samuel, A. Newell e H. A. Simon, ciascuno dei quali negli anni successivi avrebbe contribuito in modo determinante alla ricerca e allo sviluppo di questa materia, svolgendo il proprio lavoro in direzione di nuove conoscenze e applicazioni.

La proposta del convegno immaginava la possibilità di creare un team di lavoro che avrebbe dovuto creare una macchina in grado di simulare ogni aspetto dell’apprendimento e dell’intelligenza umana. A questo proposito, è interessante sottolineare come la proposta includesse la seguente affermazione: «every aspect of learning or any other feature of intelligence can be so precisely described that a machine can be made to simulate it», in grado di rappresentarne in modo sintetico e, allo stesso tempo, esplicativo la finalità [94].

A differenza di quanto si possa pensare, la questione delle origini non è di semplice risoluzione, per quanto la data di nascita convenzionale, come spiegato in precedenza, rappresenta senza dubbio un punto sul quale vi è accordo unanime da parte dell’intera comunità scientifica. Infatti, sebbene per descrivere la storia dell’intelligenza artificiale si decida comunemente di cominciare con gli sviluppi successivi al 1956, è doveroso precisare come il suo percorso reale inizi decisamente prima, facendo riferimento, più correttamente, alla cibernetica e alla nascita dei primi calcolatori elettronici.

Tuttavia, l’importanza di questo evento è indescrivibile: la conferenza di Darmouth rappresenta il momento storico in cui l’intelligenza artificiale ottenne il suo nome, la sua mission, il suo primo successo e, soprattutto, i suoi principali attori. Per questo motivo, anche se esistono lavori antecedenti fondamentali, condotti da autori molto importanti, tra i quali è possibile citare W. S. McCulloch, W. H. Pitts, D. O. Hebb e A. M. Turing, che hanno lavorato sotto diverse dimensioni su problemi direttamente correlati, quest’ultima viene tradizionalmente considerata come l’origine dell’intelligenza artificiale.

L’evoluzione dell’intelligenza artificiale è estremamente peculiare, essendo contraddi-stinta fin da subito da un’alternanza spasmodica di periodi di tempo positivi, di grande

4.2 – Storia dell’intelligenza artificiale

ottimismo ed esaltazione, e periodi di tempo negativi, di grande pessimismo e depressione.

Il suo progresso, dagli inizi fino ad oggi, può essere spiegato in modo molto semplice ri-correndo a un’analogia ed evocando come paragone una “giostra di successi e fallimenti”2, all’interno della quale è possibile individuare sequenzialmente intervalli di tempo caratte-rizzati da progressi e miglioramenti, che hanno sperimentato la nascita di progetti molto ambiziosi, e intervalli di tempo caratterizzati da imprevisti e rallentamenti, che hanno rischiato di ostacolarne la diffusione. In questo contesto, i primi sono passati alla storia con il nome di “AI spring”, mentre i secondi con il nome di “AI winter”, per simboleggiare intuitivamente i relativi intervalli temporali.

Negli anni successivi al seminario, gli studi in materia di intelligenza artificiale ini-ziarono a moltiplicarsi, concentrandosi, almeno inizialmente, sull’intelligenza artificiale simbolica, un approccio di tipo knowledge-based per la creazione di modelli basati su rappresentazioni di problemi simboliche di alto livello, leggibili dall’uomo, logica e ricerca, la quale ha rappresentato il paradigma dominante delle analisi sull’intelligenza artificiale dagli anni ’50 fino agli anni ’90, con la convinzione di poter creare una macchina con intelligenza artificiale generale come obiettivo finale della ricerca.

Pertanto, gli intervalli di tempo compresi tra il 1957 e il 1974 e tra il 1980 e il 1987 sono definiti rispettivamente “1stAI spring” e “2ndAI spring”, comprendendo periodi di tempo molto favorevoli per lo sviluppo di progetti di intelligenza artificiale. In particolare, nel primo caso, la ricerca si è concentrata sullo sviluppo di macchine in grado di eseguire una quantità sempre maggiore di operazioni, come risolvere equazioni algebriche, dimostrare teoremi geometrici e svolgere dialoghi in lingua inglese, mentre, nel secondo caso, la ricerca si è dedicata al progetto di sistemi esperti, che, servendosi di regole specifiche, sono in grado di automatizzare decisioni e compiti del mondo reale, riproducendo le prestazioni di una persona esperta in un determinato dominio di conoscenza o campo di attività.

In aggiunta, è interessante evidenziare due intervalli di tempo particolarmente proble-matici: il primo, dal 1974 al 1980, e il secondo, dal 1987 al 1993, chiamati rispettivamente

“1stAI winter” e “2ndAI winter”, per simboleggiare i momenti di difficoltà ed emergenza che l’intelligenza artificiale ha dovuto superare per completare il proprio sviluppo, durante i quali gli studi non progredivano, la ricerca restituiva risultati insufficienti e i finanziatori, principalmente governi, università e grandi imprese, iniziavano a ridurre o, addirittura, annullare il loro supporto.

Durante questi anni di alti e bassi, la maggior parte delle idee che inizialmente potevano sembrare valide proposte commerciali, attirando ingenti investimenti nel settore, finivano inevitabilmente per deludere le aspettative. Le motivazioni alla base di questi fallimenti erano molteplici, ma il problema principale, accomunando praticamente tutti i progetti di intelligenza artificiale, riguardava l’ambiente economico-sociale in cui operare, in quanto, al suo interno, non si erano ancora verificate le condizioni indispensabili per una loro corretta implementazione. A questo proposito, è possibile specificare come gli ingredienti fondamentali per lo sviluppo di modelli di intelligenza artificiale efficaci ed efficienti siano sostanzialmente tre: metodi e algoritmi, dati e potenza di calcolo.

2Letteralmente, “roller coaster of success and setbacks” [9].

Intelligenza artificiale

Il percorso dell’intelligenza artificiale si è rivelato quindi essere particolarmente com-plesso, rendendo necessario non solo esplorare diverse possibilità ed effettuare numerosi tentativi, ma, soprattutto, attendere con estrema fiducia che lo scenario economico-sociale acquisisse le caratteristiche più opportune per favorirne lo sviluppo e la diffusione. Co-sì, per esempio, si è dimostrato fondamentale l’arrivo di metodi e algoritmi, in grado di risolvere alcune questioni aperte di difficile risoluzione, la crescente presenza di dati e la relativa capacità di storage, con la possibilità di immagazzinare un numero sempre mag-giore di dati a un costo sempre minore, e, infine, il continuo progresso della potenza di calcolo, sia lato CPU che lato GPU, per consentire di svolgere operazioni progressivamente più complesse riducendone contemporaneamente il tempo e il costo di esecuzione.

In questo modo, la svolta dell’intelligenza artificiale avvenne intorno agli ’90, con l’in-troduzione di un vero e proprio cambio di approccio, ovvero l’apprendimento automatico, o machine learning, che, pur rappresentando una tecnica già conosciuta e utilizzata fin dall’inizio, in quanto alcuni ricercatori si erano sempre mostrati interessati alla possibilità che le macchine imparassero dai dati, anche se, purtroppo, si erano scontrati con il fatto che all’epoca i sistemi di tipo probabilistico erano invasi da problemi sia teoretici che pratici in termini di acquisizione e rappresentazione dei dati, affrontò una nuova rinascita.

In questo periodo, il machine learning iniziò a svilupparsi come un campo separato dall’intelligenza artificiale classica, iniziando a concentrare la propria attenzione non più sulla ricerca dell’intelligenza artificiale generale, bensì sulla possibilità di risolvere problemi di natura pratica con metodi e modelli presi in prestito dalla statistica e dalla teoria della probabilità. Questo approccio non si focalizzava sul tentativo di istruire la macchina alla determinazione di regole, ma sulla determinazione della probabilità dei risultati basati sui dati, seguendo un metodo molto più vicino al processo cognitivo umano.

Da questo momento in poi, l’ascesa dell’intelligenza artificiale si è rivelata inarrestabile, sviluppandosi radicalmente a partire dagli anni ’90 e rappresentando oggi una tecnologia sostanzialmente di uso quotidiano. In definitiva, come è possibile osservare nella figura4.1, la storia dell’intelligenza artificiale risulta costellata di successi e fallimenti, definita da interessi e finanziamenti altalenanti, e, sebbene non abbia certamente seguito un viaggio facile e veloce per arrivare al punto in cui si trova oggi, l’intelligenza artificiale, data la sua importanza, è destinata a crescere sistematicamente nel prossimo futuro.

3rd AI spring?

Darmouth Conference

(DSRPAI) 1stAI winter 2ndAI winter

1stAI spring 2nd AI spring

1956 1974 1980 1987 1993 2022

Figura 4.1. Storia dell’intelligenza artificiale.