approfondimento

AGI – Intelligenza Artificiale Generale: cos’è, qual è il suo scopo



Indirizzo copiato

Definita come AI forte, è un tipo di intelligenza artificiale che si sviluppa in maniera molto ampia, per creare hardware o software in grado di emulare il ragionamento umano

Pubblicato il 12 giu 2022



intelligenza

Con l’acronimo AGI si fa comunemente riferimento alla cd. Intelligenza Artificiale Generale, un tipo di intelligenza artificiale che si sviluppa in maniera molto ampia, intenta, sin dall’origine dello studio dell’AI, a creare hardware o software in grado di emulare il più possibile il ragionamento umano. Nonostante l’origine dell’AGI sia da rapportare allo stesso concetto di intelligenza artificiale, vi è da rilevare che, nel tempo, questo tipo di studio è stato, però, affiancato ad altre metodiche finalizzate a risolvere singoli problemi e ad avere una portata ben più specialistica. Tutto ciò ha determinato la creazione di diverse branche dell’AI.

AGI, definizione

Definita, nel tempo, come AI forte, le sue caratteristiche si sono differenziate dall’AI debole (chiamata anche AI stretta) non essendo quest’ultima concepita per eseguire capacità cognitive e personalità simili a quelle umane, bensì limitata all’uso del software per studiare o eseguire specifici compiti di problem solving o ragionamento pre-appresi (sistemi esperti).

Allo stato, non esiste una univoca definizione, ampiamente accettata, di cosa si intenda con la locuzione Artificial General Intelligence.

Si potrebbe, tuttavia, ipotizzare una definizione alquanto ampia, declinandola nei seguenti termini: “l’abilità ipotetica di un agente intelligente di comprendere o apprendere qualsiasi compito intellettuale che un essere umano può svolgere”[1] .

La stessa ricerca di una definizione compiuta di AGI rappresenta, di per sé, un obiettivo primario e un argomento comune negli studi di fantascienza e futuro.

Nell’alea dell’AGI possono ricadere molteplici significati che fanno riferimento, tra gli altri, a:

  • la capacità di un sistema ingegnerizzato di mostrare lo stesso tipo approssimativo di intelligenza generale degli umani; oppure di mostrare una intelligenza che non è legata a un insieme di compiti altamente specifici ma che ha una portata più ampia; o di generalizzare ciò che ha appreso, compresa la generalizzazione attinente contesti qualitativamente molto diversi da quelli di cui ha avuto esperienza; o ancora di assumere una visione ampia e interpretare i suoi compiti a portata di mano nel contesto del mondo in generale e il suo rapporto con esso;
  • un sistema ingegnerizzato che mostra le proprietà dell’intelligenza artificiale generale, in misura significativa;
  • lo studio teorico e pratico dei sistemi di intelligenza artificiale generale e dei metodi per crearli.

Nonostante l’AGI faccia parte dei più ampi campi dell’intelligenza artificiale (AI) e delle scienze cognitive, essa è anche strettamente correlata ad altre aree come metalearning e neuroscienze computazionali.

Artificial General Intelligence Society, origine e obiettivi

Negli ultimi anni si sta facendo strada la tendenza ad ampliare il campo dell’AGI. Durante i primi anni 2000 l’interesse per i grandi obiettivi è iniziato a crescere in vari centri di ricerca in tutto il mondo, tra cui IDSIA in Svizzera, RPI e Carnegie Mellon negli Stati Uniti e molti altri. Dal 2017 oltre quaranta organizzazioni stanno attivamente cercando di sviluppare AGI.

Il fascino dell’AGI, e la volontà di perseguire questi grandi risultati, ha fatto sì che si creasse una Artificial General Intelligence Society, ossia una organizzazione senza scopo di lucro finalizzata al perseguimento dei seguenti obiettivi:

  • promuovere lo studio dell’intelligenza artificiale generale (AGI) e la progettazione di sistemi AGI;
  • facilitare la cooperazione e la comunicazione tra coloro che sono interessati allo studio e al proseguimento dell’AGI;
  • tenere convegni e incontri per la comunicazione delle conoscenze sull’AGI;
  • produrre pubblicazioni riguardanti la ricerca e sviluppo AGI;
  • pubblicizzare e diffondere con altri mezzi conoscenze e opinioni riguardanti AGI.

Si tratta, sostanzialmente, di una ricerca che persegue il grande obiettivo di tenere vivo il sogno originario di una AI generale e autonoma. Lo sviluppo di un’autonoma comunità incentrata sull’AGI è stato un fenomeno che si è creato gradualmente e che, in gran parte, è coinciso con un aumento della legittimità accordata alla ricerca esplicitamente focalizzata sull’AGI all’interno della comunità AI nel suo complesso.

I ricercatori coinvolti nella comunità AGI hanno sviluppato i loro studi, progetti, ipotesi costruttive seguendo diverse direzioni, tra cui alcune costruendo architetture cognitive ispirate alla psicologia cognitiva e alla neurobiologia.

In alcuni casi si sono concentrati sulla derivazione di risultati matematici riguardanti la formalizzazione dell’intelligenza generale, creando correlazioni con l’informatica teorica e la teoria delle decisioni statistiche[2].

Ben Goertzel e l’ipotesi di AGI fondamentale

L’AGI si presta a diversi approcci architettonici, teorici, tecnici e ingegneristici e siamo ancora ben lontani da una unificazione teorica dell’intera AGI sotto un unico ampio concetto.

AGI
Ben Goertzel con il robot umanoide Sofia

Si segnala, tuttavia, in questo senso, lo sforzo di Ben Goertzel, il quale ha articolato una prima e unitaria “ipotesi AGI fondamentale”, vale a dire che “la creazione e lo studio di intelligenze sintetiche con ambito sufficientemente ampio (ad esempio a livello umano) e forte capacità di generalizzazione, è in fondo qualitativamente diverso dalla creazione e lo studio di intelligenze sintetiche con un ambito significativamente più ristretto e una capacità di generalizzazione più debole.”

La cd. “ipotesi AGI fondamentale” si propone l’obiettivo di mettere d’accordo tutti i ricercatori della comunità, prescindendo dal loro intento di concettualizzare l’AGI in un settore piuttosto che in un altro.

AGI, i diversi approcci per la conferma

Al fine di comprendere e delineare il campo dell’AGI sono stati seguiti diversi approcci, in gran parte complementari, tutti volti a fornire in qualche modo una definizione chiara e universalmente accettata di AGI.

AGI
Marcus Hutter

Il fatto che non esista un consenso univoco su di una definizione è un dato che va, tuttavia, esaminato parallelamente all’assenza di univocità di definizione presente anche per altri concetti, ad esempio quello di “intelligenza”. Su questo tema, si segnala, l’esperienza di Legg e Hutter che hanno scritto un documento in grado di riassumere e organizzare oltre 70 diverse definizioni pubblicate di “intelligenza”, la maggior parte orientate all’intelligenza generale, emanate da ricercatori in una varietà di discipline (Legg e Hutter, 2007).

Di seguito sono descritti quattro approcci chiave per concettualizzare la natura di GI e AGI[3].

L’approccio pragmatico

Il presente approccio trae spunto da un articolo pubblicato su AI Magazine dal titolo: “Human Level Artificial Intelligence? Be Serious!”. L’articolo, scritto da Nils Nilsson, uno dei primi leader nel campo dell’AI, propone la seguente riflessione: “… che il raggiungimento di una vera intelligenza artificiale a livello umano implicherebbe necessariamente che la maggior parte dei compiti che gli esseri umani svolgono a pagamento potrebbero essere automatizzati. Piuttosto che lavorare verso questo obiettivo di automazione costruendo sistemi per scopi speciali, sostengo lo sviluppo di sistemi educabili per scopi generali che possono apprendere ed essere insegnati a svolgere uno qualsiasi delle migliaia di lavori che gli esseri umani possono svolgere. Unendomi ad altri che hanno fatto proposte simili, suggerisco di iniziare con un sistema che abbia capacità integrate minime, sebbene estese. Questi dovrebbero includere la capacità di migliorare attraverso l’apprendimento insieme a molte altre abilità”.

Il punto di partenza, nonché il riferimento costante della presente ricostruzione, resta l’essere umano: secondo il presente approccio è il confronto con le capacità umane che può farci capire se il sistema che stiamo esaminando possiede le caratteristiche di sistema generalmente intelligente.

L’approccio psicologico

Anche il presente approccio si concentra sull’intelligenza generale di tipo umano ma seguendo differenti modalità. In questo caso non viene dato rilievo alle capacità pratiche, quanto alle capacità sottostanti più profonde che abilitano queste capacità pratiche.

La caratteristica del presente approccio è che non tende ad una prospettiva unificata, bensì si concentra su di un’ampia gamma di approcci secondari.

I primi lavori sulla definizione e misurazione dell’intelligenza su cui poggia l’approccio psicologico sono pesantemente influenzati da Spearman, che nel 1904 propose il fattore psicologico g (il “fattore g”, per l’intelligenza generale).

Negli anni successivi, però, gli psicologi iniziarono a discostarsi da questo concetto di intelligenza come capacità unica e indifferenziata facendo emergere una serie di teorie, definizioni e approcci di misurazione alternativi, che condividono l’idea che l’intelligenza sia multiforme e variabile sia all’interno che tra gli individui.

Un esempio di tale varietà è rinvenibile nella teoria delle intelligenze multiple di Gardner, che propone otto distinte forme o tipi di intelligenza:

  1. linguistica
  2. logico-matematica
  3. musicale
  4. corporeo-cinestetica,
  5. spaziale,
  6. interpersonale
  7. intrapersonale
  8. naturalista.

L’approccio matematico

Questo tipo di formulazione dell’approccio all’intelligenza generale, a differenza dei precedenti, non pone alcun parallelismo con le competenze umane, prendendo come base per la propria elaborazione concetti ben diversi.

L’intuizione che è alla base del presente approccio si pone nell’ottica di definire l’intelligenza come la capacità media di ottenere una ricompensa di un sistema, calcolata facendo una media su tutti i possibili ambienti sommabili della ricompensa, in cui ogni ambiente è ponderato in modo tale che i programmi descrivibili in modo più compatto abbiano pesi maggiori.

Di seguito gli assunti del presente approccio:

  • in verità, un’intelligenza assolutamente generale sarebbe ottenibile solo se avesse un’abilità computazionale infinita. Per qualsiasi sistema computabile, ci saranno alcuni contesti e obiettivi per i quali non è molto intelligente.
  • tuttavia, alcuni sistemi computazionali finiti saranno più generalmente intelligenti di altri, ed è possibile quantificare questa misura

In conclusione, secondo questo tipo di misura, gli esseri umani non sono affatto vicini ad un sistema di intelligenza generale, essi al massimo, secondo gli assunti riportati, sono semplicemente definibili in generale più intelligenti di, ad esempio, rocce o vermi.

L’approccio adattativo

AGI
Pei Wang

Alla base di questo approccio vi è in pensiero di Pei Wang, il quale ha sostenuto con attenzione una concezione dell’intelligenza generale come “adattamento all’ambiente utilizzando risorse limitate”. Secondo questo assunto l’intelligenza generale sarebbe strettamente legata all’ambiente in cui esiste. Ciò comporterebbe quale corollario il seguente ulteriore assunto che un sistema ha una maggiore intelligenza generale, se può adattarsi efficacemente a una classe più generale di ambienti, entro vincoli di risorse realistici.

AGI, prospettive future

Il raggiungimento di risultati concreti in campo AGI è ancora una chimera alquanto lontana. Alle teorizzazioni sopra proposte ed esaminate non ha fatto seguito, ad oggi, la realizzazione di alcun prototipo in grado di ottenere il riconoscimento di un grado significativo di AGI. Ciò in quanto l’AGI è ancora in una fase di sviluppo relativamente recente. Ciò che si richiede, infatti, è la realizzazione di un sistema in grado di essere “flessibile” e “adattativo” al punto tale da emulare le dinamiche umane, ossia quelle che rendono l’essere umano in grado di agire in maniera “naturale” e di mettere in atto comportamenti che sono la sintesi di un proprio apprendimento.

Vi è, tuttavia, da rilevare che i ricercatori intenti a lavorare su AGI hanno una visione abbastanza ottimistica, prospettando, quanto alla tempistica, la realizzazione di una AGI a livello umano entro il 2050. Circa il contenuto, in molti sono propensi nel ritenere che i sistemi AGI probabilmente raggiungeranno l’abilità umana complessiva (definita come “capacità di svolgere la maggior parte delle professioni umane almeno così come un tipico”) intorno alla metà del 21° secolo.

Inevitabile, con l’avanzare di queste ipotesi, il sorgere di dubbi e preoccupazioni di natura etica. In particolare, la supposizione di associare all’evoluzione dello sviluppo dell’AGI, rischi esistenziali associati alla stessa.

General Theory of General Intelligence: A Pragmatic Patternist Perspective. Introduction (1/10)

Video: Ben Goertzel spiega l’AGI (in inglese)

Note

  1. Hodson, Hal (1 March 2019). “DeepMind and Google: the battle to control artificial intelligence”. 1843. Archived from the original on 7 July 2020. Retrieved 7 July 2020. “AGI stands for Artificial General Intelligence, a hypothetical computer program…”.
  2. Il lato matematico dell’AGI contemporaneo attinge pesantemente al lavoro fondamentale di Ray Solomonoff (1964) e di altri primi pionieri della teoria dell’intelligenza formale.
  3. Le indicazioni sui differenti approcci e le informazioni riportate sono stratte dal sito di Scholapedia

Articoli correlati

Articolo 1 di 4