Macchine coscienti 8

Nel 1969 Minsky e Papert conducono un'analisi matematica dei limiti, oltre che delle possibilità, di sistemi tipo-percettrone (a due strati), difendendo l'approccio dell'intelligenza artificiale, basato sulla manipolazione di simboli. Il percettrone preso in considerazione ha uno strato di unità di input, uno di unità di output ma non ha strati di unità nascoste, cioè non ha strati intermedi. Un suo limite si evidenzia nei casi in cui siano presenti problemi non linearmente separabili, i quali si possono affrontare con successo utilizzando una rete con almeno uno strato di unità nascoste (tale caratteristica fa anche la vera differenza tra reti a strati di unità nascoste e sistemi informatici convenzionali). Il valore di queste unità era già chiaro a Rosenblatt ma non si sapeva ancora come farle apprendere. Altro limite del percettrone è la capacità inferenziale. Il percettrone non inferisce da altre proprietà che sono di sua conoscenza, non fa altro che imparare una serie di associazioni dirette tra coppie di patterns di attivazione e non si costruisce nessuna rappresentazione interna di concetti. Il pattern di attivazione del percettrone è imposto dall'esterno e ciò che non gli viene direttamente insegnato non riesce ad inferirlo. Il boom del connessionismo è negli anni '70. Lo si può contrapporre al cognitivismo, che cerca di modellizzare le prestazioni umane come un “flusso informativo” (human information processing). In questo periodo si comincia a disporre di risorse di calcolo molto potenti ed emerge una matematica sperimentale che produce modelli dei sistemi dinamici non lineari (quelli caratterizzati da "caos deterministico") che vengono applicati, tra l'altro, a fenomeni complessi come la dinamica dei fluidi, fenomeni economici e reti neurali. Uno studio di Mc Clelland del 1981, illustra come si possa utilizzare un'architettura simile alla mente umana per immagazzinare le informazioni sugli abitanti di un finto quartiere americano malfamato. Caratteristica di questo sistema è la "degradazione gentile" (quando una parte dell'informazione viene cancellata, il sistema fornisce la stima migliore in quelle condizioni), inoltre se uno stimolo contiene informazioni fuorvianti ma altri tratti dell'informazione forniscono un'approssimazione allo stimolo bersaglio corretta, la giusta risposta viene emessa comunque. Se un'informazione non é direttamente specificata, il computer fornisce una stima, cioè una risposta non corretta ma che le si avvicina. E' possibile anche realizzare generalizzazioni spontanee. Con questo sistema si possono, quindi, riempire valori mancanti e formare concetti generali stereotipati. Da un punto di vista applicativo si ha, così, a disposizione un “sistema esperto” in grado di risolvere problemi che altrimenti richiederebbero persone altamente specializzate...

......