Intelligenza Artificiale PDF

Preview

Summary

Riassunto libro Intelligenza Artificiale, in Italiano...

Description

Capitolo 1 - Introduzione Homo sapiens → l'uomo ritiene che le capacità mentali siano molto importanti. L’obiettivo dell’indagine dell’AI è comprendere e costruire entità intelligenti. Il termine fu coniato nel 1956, e le sue origini risalgono alla WW2. L’IA si occupa di sistematizzare e rendere automatiche alcune attività intellettive e si può potenzialmente applicare a ogni sfera del pensiero umano, è un campo di lavoro universale. 1.1 Che cos’è l’intelligenza artificiale? Un sistema è razionale se, date le sue conoscenze, fa la cosa giusta. L’IA può essere definita come sistemi che pensano razionalmente, e che agiscono come esseri umani. Lo studio dei processi di calcolo che rendono possibile percepire, ragionare e agire, lo studio e la progettazione di agenti intelligenti. - Sistemi che pensano come esseri umani Sistemi che pensano razionalmente Sistemi che agiscono come esseri umani Sistemi che agiscono razionalmente Tensione tra approccio centrato su esseri umani e chi preferisce un approccio razionale. I caso → scienze empiriche; II caso → razionalista (matematica + ingegneria) Agire umano → Test di Turing. È stato creato nel 1950 da Alan Turing. Il computer passerà il test se, dopo una serie di domande, riuscirà ad ingannare l'essere umano. Perché il computer possa ingannare l’umano, ha bisogno di: 1. interpretazione del linguaggio naturale; 2. rappresentazione della conoscenza; 3. ragionamento automatico; 4. apprendimento. Test di Turing totale → esaminatore possa verificare le capacità percettive del soggetto, e anche passare oggetti fisici attraverso una finestrella. Per questo c’è bisogno anche di visione artificiale e robotica. Le sei discipline elencate qui sopra abbracciano gran parte dell’IA. Pensare come esseri umani: l'approccio della modellazione cognitiva Per determinare se un programma pensa come un essere umano, dobbiamo prima capire come pensano gli esseri umani → introspezione o sperimentazione psicologica. Il campo interdisciplinare delle scienze cognitive unisce modelli per computer sviluppati dall’intelligenza artificiale e tecniche di sperimentazione psicologica nel tentativo di costruire teorie precise e verificabili sul funzionamento della mente umana. Vera SC → basata su investigazione sperimentale di vere persone e animali, non solo sul comportamento di computer. Pensare razionalmente: l'approccio delle leggi del pensiero Aristotele → codifica formalmente il pensiero corretto. I sillogismi forniscono pattern di deduzione che portano sempre a conclusioni corrette quando sono corrette le premesse. → logica. 1965 → programmi che potevano risolvere problemi descritti in linguaggio logico e dotati di soluzione. La tradizione logicista spera di partire da programmi siffatti per costruire sistemi intelligenti. 2 punti deboli: la difficoltà nell’esprimere una conoscenza non formalizzata nei termini formali; differenza tra essere in grado di risolvere in linea di principio e di farlo nella pratica.

Agire razionalmente: l'approccio degli agenti razionali Un agente è qualcosa che agisce, che fa qualcosa. Gli agenti computerizzati devono avere caratteristiche particolari rispetto ai semplici agenti, per ottenere il miglior risultato possibile o atteso. Nell’approccio all’IA basato sulle leggi del pensiero, l’enfasi è posta sulla correttezza delle inferenze, nonostante il fatto che l’inferenza corretta non rappresenta tutta la razionalità, perché in molte situazioni non si può dimostrare che c’è una particolare azione giusta.

Abilità del test di Turing → agire razionalmente, dobbiamo essere in grado di rappresentare la conoscenza e applicarvi un ragionamento. L'apprendimento ci permette di generare migliori strategie per interagire con esso. Studio dell’IA come progettazione → due vantaggi. 1. l’approccio basato sulle leggi del pensiero è più generale 2. si presta meglio a recepire gli sviluppi scientifici rispetto agli approcci basati sul comportamento o sul pensiero umano, dato che la razionalità è definita chiaramente. 1.2 I fondamenti dell’IA Filosofia (428 aC - presente) Aristotele → primo a formulare un insieme preciso di leggi che governano la parte razionale della mente. Hobbes → ragionamento avesse una natura affine al calcolo numerico. da Vinci → calcolatore meccanico che pare, grazie alle ricerche odierne, funzioni. Schickard costruì la prima macchina calcolatrice nel 1623 → Pascalina costruita nel 1642 da Pascal. Leibniz costruì un dispositivo meccanico per eseguire operazioni su concetti invece che numeri Una volta acquisita l’idea che un insieme di regole possa descrivere il funzionamento della parte più formale e razionale della mente, si arriva a considerarla come un sistema puramente fisico. Cartesio → distinzione tra mente e materia e dei problemi conseguenti. Se il cervello è governato interamente da leggi fisiche, allora non ha più volontà → dualismo Materialismo → mente è costituita dal funzionamento del cervello in base alle leggi della fisica. Stabilire la fonte di tale conoscenza: empirismo → Locke “non c’è nulla nell’intelletto, che non fosse già nei sensi” Hume → induzione, ovvero che le regole generali sono dedotte da ripetute associazioni tra i loro elementi. Il Circolo di Vienna, guidato da Rudolf Carnap, sviluppando i lavori di Wittgenstein e Russell, sviluppano la dottrina del positivismo logico. Teoria che sostiene che la conoscenza può essere espressa da teorie collegate per arrivare a enunciati osservati che corrispondono alle percezioni sensoriali. → Prima teoria della mente come processo computazionale. Aristotele sostiene che le azioni sono giustificate da un collegamento logico tra gli scopi dell’agente e la conoscenza del risultato di ogni azione. L’analisi basata sugli obiettivi è utile, ma non dice cosa fare quando per raggiungere uno scopo abbiamo più vie, oppure nessuna soddisfa il fine. Stuart Mill → criteri razionali di decidere in tutte le sfere della vita nel suo libro Utilitarismo. Matematica (800- presente) Formalizzazione matematica in tre aree fondamentali: logica, computazione e probabilità. L’idea di una logica formale risale all'antica Grecia, ma il tuo sviluppo matematico comincia con Boole. Frege ha esteso la logica di Boole includendo oggetti e reazioni, creando la logica del primo ordine. Tarski → teoria del riferimento che mostra come si possono collegare gli oggetti di una logica a quelli del mondo reale. Restava delimitare i limiti di ciò che si poteva ottenere con la logica e la computazione. Il primo algoritmo non banale è quello di Euclide per calcolare il massimo comune denominatore. Boole e altri considerarono lo sviluppo di algoritmi per la deduzione logica. → Possibilità di scrivere un algoritmo per decidere il grado di verità di qualsiasi proposizione logica sui numeri naturali: problema della decisione. Godel → dimostrò che esistono dei limiti reali: il suo teorema di incompletezza stabilisce che all’interno di qualsiasi linguaggio che descrive le proprietà dei numeri esistono proposizioni vere che sono indecidibili. Questo dimostra l’incomputabilità di certe funzioni sui numeri interi che possono essere rappresentate per via algoritmica. Questo spinse Turing a cercare di definire quali sono esattamente le funzioni computabili. La macchina di Turing è in grado di calcolare ogni funzione computabile. Intrattabilità → il tempo impiegato per la soluzione di una determinata istanza cresce esponenzialmente con la dimensione della stessa. Per riconoscere un problema intrattabile si fa riferimento alla teoria del NP-completezza (Cook, Karp) → grandi classi di problemi canonici nei campi della ricerca combinatoria e del ragionamento sono NP-completi. Ogni classe di problemi riducibile a NP-completi sono intrattabili.

Teoria della probabilità → Cardano: concetto di probabilità, descrivendolo nei termini dei possibili risultati degli eventi in un gioco. Bayes propose una regola di aggiornare i valori di probabilità in base ai dati via via raccolti. La sua regola è base degli approcci moderni al ragionamento in incertezza. Economia (1776 - presente) Smith → origine alla visione scientifica dell’economia: basata sull’idea che i sistemi economici potessero essere considerati come un insieme di agenti tesi ognuno a massimizzare il proprio benessere economico. La teoria delle decisioni: teoria della probabilità + teoria dell’utilità → infrastruttura formale completa nei casi in cui l’ambiente decisionale può essere descritto in modo probabilistico. Teoria dei giochi → agente razionale deve comportarsi in modo casuale, o almeno in un modo che sembri casuale agli avversari. La ricerca è stata fatta nel campo della ricerca operativa, dopo WW2. Gli studi di Bellman portarono alla formalizzazione di problemi basati su sequenze di decisioni: processi decisionali di Markov. Faticoso intrecciare ricerca operativa e IA per la complessità nell’attività di prendere decisioni razionali. Simon → Nobel per l’economia nel 1978 dopo che ha dimostrato che modelli basati sulla soddisfazione fornivano una descrizione più accurata dell’effettivo comportamento umano. Neuroscienze (1861- presente) Neuroscienze → studio del sistema nervoso e del cervello. Fino alla metà del 1700 il cervello non era considerato la sede della coscienza, tra le varie ipotesi erano la ghiandola pineale, il cuore e la milza. 1861 → studi di Broca sulle afasie nei pazienti con danni cerebrali: esistenza di aree specifiche del cervello responsabili di precise funzioni cognitive. Broca mostrò che la produzione del linguaggio ha luogo in una porzione di cervello localizzata nell’emisfero sinistro (ora area di Broca). 1929 → prime misurazioni di un cervello integro con l’invenzione dell’elettroencefalografo. Siamo ben lontani dal comprendere come funziona veramente un qualsiasi processo cognitivo. Una collezione di semplici cellule può condurre al pensiero, all’azione e alla consapevolezza, ovvero il cervello è la causa della mente. Legge di Moore, il numero di porte logiche di un processore eguaglierà quelle dei neuroni verso il 2020 Il computer ha una velocità di commutazione in milione di volte superiore, il cervello risulta 100.000 volte più veloce nell’esecuzione delle attività.

Psicologia (1879 - presente) Helmholtz e Wundt → metodo scientifico allo studio della visione umana. Gli esperimenti attentamente controllati, contribuirono molto alla “scientificazione” della psicologia, ma la natura soggettiva dei dati non poteva dare la sicurezza necessaria. Movimento behaviorista di Watson rifiutò qualsiasi teoria riguardante i processi mentali sostenendo che l’introspezione non poteva fornire alcun dato affidabile. Credenze, conoscenze, scopi e meccanismi di ragionamento venivano liquidati come psicologia popolare. Psicologia cognitiva → cervello come un dispositivo per l’elaborazione di informazione (James). Negli Stati Uniti il punto di vista cognitivo fu eclissato da quello behavioriano. Craik ristabilì la legittimità di termini mentali come credenza e scopo, sostenendo che fossero scientifici. Tre requisiti fondamentali per un agente knowledge-based: 1. lo stimolo dev’essere tradotto in una rappresentazione interna; 2. la rappresentazione dev’essere manipolata da processi cognitivi per ottenere nuove rappresentazioni interne; 3. queste ultime devono essere a loro volta trasformate in azione. Psicologia cognitiva → nasce all'MIT nel 1956: Miller, Chomsky, Newell e Simon presentarono i libri che sono diventati lavori fondamentali per mostrare come i modelli basati su computer potevano essere usati per discutere psicologia della memoria, del linguaggio e del pensiero logico.

Ingegneria informatica (1940 - presente) Come è possibile costruire un computer efficiente? Perché l’AI funzioni sono necessarie due cose: intelligenza e un artefatto. Il computer è stato il prescelto. 1940: primo computer funzionante costruito nel dal gruppo di Turing per decifrare i messaggi tedeschi. 1941 primo computer programmabile funzionante fu lo Z-3, invenzione di Zuse in Germania 1940-42 primo computer elettronico, l’ABC, assemblato da Atanasoff e da Berry. Il più influente antenato dei computer è ENIAC. La figlia di Byron, Ada Lovelace, fu forse il primo programmatore della storia. Teoria del controllo e cibernetica (1948 - presente) Come possono degli artefatti funzionare autonomamente? Ctesibio di Alessandria → prima macchina a controllo autonomo: un orologio ad acqua. Il regolatore per motori a vapore di James Watt è un altro esempio di macchine auto-regolatrici. La figura centrale nello sviluppo della teoria del controllo fu Wiener, che sfidò l’ortodossia behaviorista. Nella loro concezione, il comportamento volontario scaturiva da un meccanismo di regolazione che cerca di minimizzare l’errore, ovvero la differenza tra lo stato corrente del sistema e quello desiderato. La moderna teoria di controllo ha come scopo la progettazione di sistemi che massimizzano nel tempo una funzione obiettivo. Linguistica (1957 - presente) Qual è il collegamento tra linguaggio e pensiero? Chomsky mostrò che la teoria behaviorista non considerava l’aspetto creativo del linguaggio. La sua teoria poteva spiegare la creatività e a differenza delle teorie precedenti era abbastanza formale per essere programmata. La linguistica moderna e l’AI sono nate insieme, mescolandosi in un campo di studi ibride che prede il nome di Linguistica computazionale. Il problema della comprensione del linguaggio naturale si rivelò presto molto più complesso di quanto sembrasse → rappresentazione della conoscenza

1.3 La storia dell’intelligenza artificiale La gestazione dell'AI (1943 - 1955) McCullogh, Pitts → basi della fisiologia e della funzione dei neuroni nel cervello. Mostrarono che ogni funzione computabile poteva essere calcolata da una rete neurale e che gli operatori logici potevano essere implementati con strutture reticolari. Una visione completa dell’IA fu espressa per la prima volta da Turing nell' articolo del 1950, che introduceva: test di Turing, apprendimento automatico, algoritmi generici e apprendimento per rinforzo. Il workshop di 1956 a Dartmouth servì per far incontrare i protagonisti, che diedero vita all’AI. Grandi aspettative (1952 – 1969) Periodo molto proficuo per l’IA, anche se i risultati erano modesti. General Problem Solver (Newell, Simon) → progettato per imitare i procedimenti umani di risoluzione. GPS quindi fu il primo programma ad adottare l’approccio del pensare umano. Il successo di questo programma portò Newell e Simon a formulare l’ipotesi del sistema fisico simbolico: un sistema fisico simbolico ha i mezzi necessari e sufficienti per agire in modo generalmente intelligente. MIT → studio sotto Minsky dei micromondi, dove testare le AI Una dose di realtà (1966 - 1973) Diversi problemi che gli ha fatto rivalutare l’ottimismo nella prognosi dello sviluppo futuro: 1. i primi sistemi contenevano poca o nessuna informazione specifica sull’argomento delle loro elaborazioni, il loro successo era basato su semplici manipolazioni sintattiche. 2. intrattabilità di molti dei problemi che l’IA cercava di risolvere. Il fatto che un programma possa, in via di principio, trovare una soluzione, non significa affatto che contenga i meccanismi necessari per poi trovarla. I primi esperimenti di evoluzione automatica erano basati sull’idea che apportando una serie di piccole modifiche a un programma, sarebbe stato possibile generarne un altro con prestazioni buone per qualsiasi attività. L’idea era di provare delle mutazioni casuali applicando poi un processo di selezione. Cosa che non ha funzionato.

3. limiti fondamentali delle strutture di base usate per generare comportamento intelligente, per esempio la scarsa efficienza dei percettroni, una forma semplice di reti neurali. Motivo per cui il finanziamento si ridusse quasi a zero. Ironicamente i nuovi algoritmi di apprendimento con retropropagazione per reti a più livelli furono scoperti inizialmente nel 1969. Perché la ricerca nell’IA non avrebbe potuto essere svolto come parte della teoria del controllo, della ricerca operativa o della teoria delle decisioni, visto che hanno obiettivi simili? Perché l’IA mira a riprodurre le facoltà umane come la creatività, il miglioramento di sé e l’uso del linguaggio, e nessuna delle discipline tratta questi argomenti. Perché L’IA non è semplicemente una branca della matematica? Perché hanno due metodologie diverse, l’IA è l’unico campo di ricerca definito come una branca di informatica, ed è l’unica scienza che si propone di costruire macchine che funzionino autonomamente. Sistemi basati sulla conoscenza: la chiave per il potere? (1969 - 1979) Gli approcci iniziali per la risoluzione dei problemi con l’IA sono ora chiamati metodi deboli, non sono in grado di risolvere problemi molto grandi o difficili. L’alternativa è usare conoscenza più potente. Il programma DENDRAL è uno delle prima applicazioni di quest’approccio. L’input del programma consisteva nella formula elementare di una molecola e uno spettro: problema se le molecole crescevano. Aiuto dei chimici analitici → potenziamento del DENDRAL: primo sistema a conoscenza intensiva di successo, la sua capacità era dovuta a un grande numero di regole speciali. Si diede vita a Heuristic Program Project, per applicare la metodologia dei sistemi esperti ad altre aree. MYCIN → diagnosi delle infezioni del sangue. 2 differenze rispetto a DENDRAL: le regole di lavoro erano acquisite dai libri e delle interviste dei medici ritenuti validi per quel progetto, l’altro aveva un modello teorico generale da cui poter dedurre le regole; incorporava un modello di calcolo di incertezza, denominato fattore di certezza. L’industria dell’IA conobbe un boom, passando da pochi milioni di dollari nel 1980 a miliardi di dollari nel 1988. Poco dopo sopravvenne il periodo denominato “inverno dell’IA”, durante il quale molte compagnie soffrirono per l’impossibilità di mantenere le promesse fatte. Il ritorno delle reti neurali fu nel 1986 quando almeno quattro gruppi differenti reinventarono l’algoritmo di apprendimento con retropropagazione. L'AI nasceva come movimento di protesta contro le limitazioni di campi di ricerca preesistenti, ma sta abbracciando quegli stessi campi. Metodologia matematica, modelli nascosti di Markov. Cosa può fare oggi l’IA? 1. Pianificazione e scheduling autonomi 2. Giochi 3. Controllo autonomo 4. Diagnosi 5. Pianificazione logistica 6. Robotica 7. Comprensione del linguaggio e risoluzione di problemi Capitolo 2 - Agenti intelligenti 2.1 Agenti e ambienti Agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori e agisce su di esso mediate attuatori. Chiameremo percezione gli input percettivi dell’agente in un dato instante, la storia percettiva essendo l’insieme delle percezioni dell’agente. La scelta dell'azione in un qualsiasi istante può dipendere dall'intera sequenza percettiva osservata fino a quel momento. → stati possibili. La funzione agente descrive il comportamento dell'agente. Programma agente è l’implementazione concreta della descrizione matematica sull’architettura dell’agente. Comportarsi correttamente: il concetto di razionalità

Un agente razionale è un agente che fa la cosa giusta, dal punto di vista teorico, ogni tabella della riga di funzione d’agente deve essere scritta correttamente, e, l’azione giusta viene intesa come l’azione che fa sì che l’agente ottenga il massimo grado di successo. Misura del successo → misura di prestazione, che è il criterio per valutare il successo. È meglio progettare le misure di prestazione in base all’effetto desiderato piuttosto che su come si pensa che debba comportarsi l’agente. Razionalità dipende da: 1. misura di prestazione che definisce il criterio di successo 2. conoscenza pregressa dell'ambiente 3. emozioni che l'agente può effettuare 4. sequenza percettiva dell'agente Agente razionale: per ogni possibile sequenza di percezioni, dovrebbe scegliere un’azione che massimizzi la sua misura di prestazione attesa, date le informazioni fornite dalla sequenza percettiva e da ogni ulteriore conoscenza dell’agente. La nostra definizione di razionalità non richiede l’onniscienza o la perfezione, perché la scelta razionale dipende solo dalla sequenza percettiva fino al momento corrente. Razionalità diversa da onniscienza → agente conosce risult...