Differenza tra intelligenza artificiale (AI) e reti neurali artificiali (ANN)

Intelligenza artificiale e Reti neurali

L’intelligenza artificiale (AI) e le reti neurali artificiali (ANN) sono due campi entusiasmanti e intrecciati nell’informatica. Ci sono, tuttavia, diverse differenze tra i due che vale la pena conoscere.

La differenza fondamentale è che le reti neurali sono un trampolino di lancio nella ricerca dell’intelligenza artificiale.

L’intelligenza artificiale è un vasto campo che ha l’obiettivo di creare macchine intelligenti, qualcosa che è stato raggiunto molte volte a seconda di come si definisce l’intelligenza. Nonostante il fatto che abbiamo computer in grado di vincere a “Jeopardy” e battere i campioni di scacchi, l’obiettivo dell’IA è generalmente visto come una ricerca di intelligenza generale , o intelligenza che può essere applicata a problemi situazionali diversi e non correlati.

Molte delle IA costruite fino a questo punto sono state costruite con uno scopo, come far funzionare un robot che gioca a ping pong o domina a “Jeopardy”. Questo è il risultato inevitabile quando gli informatici si siedono e creano qualcosa per svolgere un compito specifico: finiscono con qualcosa che può svolgere quel compito e non molto altro.

Per aggirare questo problema delle IA orientate al compito, gli informatici hanno iniziato a giocare con le reti neurali artificiali. I nostri cervelli generalmente intelligenti sono costituiti da reti neurali biologiche che creano connessioni basate sulle nostre percezioni e stimoli esterni.

Un esempio grossolanamente semplificato è il dolore derivante da ustioni. Quando ciò accade per la prima volta, viene stabilita una connessione nel tuo cervello che identifica le informazioni sensoriali note come fuoco (fiamme, odore di fumo, calore) e le mette in relazione con il dolore. È così che impari, in tenera età, come evitare di scottarti. Attraverso questa stessa rete neurale, possiamo fare un sacco di apprendimento generale come “il gelato ha un buon sapore” e persino fare salti deduttivi come “ci sono sempre nuvole prima della pioggia” o “le azioni aumentano sempre a dicembre”. Questi salti non sono sempre corretti (c’è un gelato cattivo e ci sono scorte che scendono a dicembre), ma possono essere corretti attraverso l’esperienza, consentendo così un apprendimento adattivo.

Le reti neurali artificiali cercano di ricreare questo sistema di apprendimento sui computer costruendo un semplice programma quadro per rispondere a un problema e ricevere feedback su come funziona. Un computer può ottimizzare la sua risposta ripetendo lo stesso problema migliaia di volte e regolando la sua risposta in base al feedback che riceve. Al computer può quindi essere assegnato un problema diverso, che può affrontare nello stesso modo in cui ha appreso dal precedente. Variando i problemi e il numero di approcci per risolverli che il computer ha appreso, gli informatici possono insegnare a un computer a essere un generalista.

Anche se questo evoca immagini di computer che conquistano il mondo e raccolgono esseri umani come si vede nei film di Hollywood come “The Martrix”, siamo ancora molto lontani dal networking neurale fino all’intelligenza artificiale. I problemi testati sulle reti neurali sono tutti espressi matematicamente. Non puoi tenere un fiore davanti a un computer e dirgli di indovinare il colore dall’odore, perché l’odore dovrebbe essere espresso in numeri e quindi il computer dovrebbe catalogare quei numeri in memoria, insieme alle immagini dei fiori emettendo quell’odore.

Detto questo, le reti neurali artificiali a cui possono essere forniti più input di cose come l’olfatto – e la capacità di imparare da tutti quegli input – potrebbero essere sulla buona strada per produrre la prima intelligenza artificiale che soddisfa gli standard anche degli appassionati di IA più accaniti.

In sostanza, le reti neurali artificiali sono modelli di reti neurali umane progettate per aiutare i computer ad apprendere. L’intelligenza artificiale è il Santo Graal che alcuni scienziati informatici stanno cercando di ottenere utilizzando tecniche come l’imitazione delle reti neurali.