Quando un “comportamento complesso” smette di essere “semplice automazione” e cominciamo a chiamarlo intelligenza!
Per provare a rispondere, partiamo da ciò che conosciamo meglio: l’intelligenza umana.
INTELLIGENZA UMANA
Charles Edward Spearman
L'intelligenza generale e il fattore g
Spearman osserva che le prestazioni in compiti cognitivi diversi tendono a essere positivamente correlate.
IDEA CHIAVE
fattore generale g + capacità cognitive specifiche
Approfondisci
Charles Spearman, psicologo e statistico britannico, all'inizio del Novecento, parte da un'osservazione empirica molto importante:
"le prestazioni delle persone in compiti cognitivi diversi tendono a essere positivamente correlate."
Chi ottiene buoni risultati in un tipo di prova tende, statisticamente, a ottenere risultati relativamente buoni anche in altre prove cognitive. Questo fenomeno viene chiamato positive manifold.
Spearman interpreta tale regolarità ipotizzando che dietro le prestazioni nei diversi compiti vi sia una componente generale comune: g accanto a componenti più specifiche, proprie delle singole abilità.
Schematicamente:
Prestazione cognitiva = g + abilità specifica
David Wechsler
L'intelligenza come capacità globale di agire efficacemente
Wechsler considera l'intelligenza una capacità globale dell'individuo:
agire intenzionalmente, pensare razionalmente e affrontare efficacemente il proprio ambiente.
IDEA CHIAVE
finalità + razionalità + rapporto efficace con l'ambiente
Approfondisci
E' stato uno psicologo rumeno naturalizzato statunitense.
Wechsler considera l'intelligenza come una capacità globale dell'individuo di agire intenzionalmente, pensare razionalmente e affrontare efficacemente il proprio ambiente.
Intelligenza = Finalità + Razionalità + Adattamento all’ambiente.
È la capacità dell'organismo di funzionare efficacemente nel mondo.
Le scale Wechsler sono diventate strumenti fondamentali nella valutazione cognitiva, ma le versioni moderne non restituiscono soltanto un singolo numero, distinguono diversi indici cognitivi.
Raymond Bernard Cattell
L'intelligenza fluida e cristallizzata
Cattell distingue la capacità di affrontare problemi nuovi e individuare relazioni dalla capacità di utilizzare conoscenze e competenze acquisite attraverso l'esperienza.
IDEA CHIAVE
intelligenza fluida (Gf) = affrontare il nuovo
intelligenza cristallizzata (Gc) = utilizzare ciò che si è appreso
Approfondisci
Raymond Cattell distingue due grandi componenti:
Gf = intelligenza fluida
Gc = intelligenza cristallizzata.
L'intelligenza fluida è la capacità di affrontare problemi nuovi, individuare relazioni, ragionare e inferire senza poter semplicemente recuperare una soluzione già appresa.
Intelligenza cristallizzata è invece l'insieme delle conoscenze e delle competenze accumulate attraverso istruzione, esperienza, linguaggio, cultura.
In forma molto schematica:
Gf ≈ capacità di affrontare il nuovo
Gc ≈ conoscenza acquisita
Un sistema può possedere una quantità enorme di informazioni apprese ma "quanto è capace di affrontare situazioni realmente nuove?"
Cattel - Horn - Carroll
Il modello gerarchico CHC
Il modello CHC organizza l'intelligenza in una struttura gerarchica di capacità cognitive: abilità specifiche, grandi domini come ragionamento, conoscenza, memoria e percezione e, in alcune formulazioni, una capacità generale.
IDEA CHIAVE
Capacità differenti, ma organizzate e correlate
Approfondisci
John Horn amplia progressivamente il modello di Cattell. Non esistono soltanto Gf e Gc ma numerose abilità cognitive ampie: ragionamento fluido; conoscenza acquisita; elaborazione visiva; elaborazione uditiva; memoria; velocità di elaborazione; recupero a lungo termine; capacità quantitative; lettura e scrittura.
John Carroll, attraverso un'enorme analisi dei dati psicometrici disponibili, propone invece un modello a tre strati.
Possiamo rappresentarlo così:
Strato III --> Capacità generale: gg
Strato II --> Grandi domini cognitivi: Gf,
Gc, Gv, Ga, Gs,…
Strato I --> Capacità molto specifiche.
Il risultato storico è ciò che oggi viene generalmente chiamato Cattell-Horn-Carroll model, o CHC.
Robert Sternberg
Intelligenza analitica, creativa e pratica
Sternberg amplia il concetto di intelligenza distinguendo la capacità di analizzare e risolvere problemi, quella di affrontare situazioni nuove e quella di adattarsi efficacemente alla realtà.
IDEA CHIAVE
analizzare + creare + adattarsi per raggiungere obiettivi
Approfondisci
Robert Sternberg nella sua teoria triarchica distingue tre dimensioni.
Intelligenza analitica: capacità di analizzare, confrontare, valutare, risolvere problemi strutturati. È quella che maggiormente si avvicina alle capacità tradizionalmente rilevate dai test. Intelligenza creativa: capacità di affrontare situazioni nuove, produrre soluzioni originali, trasferire conoscenze, vedere un problema da prospettive differenti.
Intelligenza pratica: capacità di adattarsi alle situazioni reali, modificare l'ambiente, scegliere strategie efficaci, utilizzare conoscenza tacita.
In formulazioni successive Sternberg parla più ampiamente di successful intelligence.
Una sua definizione dell'intelligenza enfatizza proprio la capacità di apprendere dall'esperienza, utilizzare processi metacognitivi e adattarsi all'ambiente sociale e culturale.
Howard Gardner
Le intelligenze multiple
Gardner propone diverse forme di intelligenza relativamente autonome, legate a differenti capacità umane. La teoria ha avuto grande influenza in ambito educativo, mentre la loro indipendenza rimane più controversa sul piano psicometrico.
IDEA CHIAVE
Molte forme di capacità, ma un'indipendenza scientificamente discussa
Approfondisci
In Frames of Mind (1983) Gardner sostiene che non sia corretto parlare semplicemente di un'intelligenza generale. Propone diverse intelligenze relativamente autonome.
Le più note sono: linguistica, logico-matematica, spaziale, musicale, corporeo-cinestetica, interpersonale, intrapersonale, naturalistica.
Gardner propone che queste intelligenze abbiano un grado significativo di indipendenza reciproca.
Ma gli studi tendono invece a trovare correlazioni tra le diverse capacità. In altre parole ritorna continuamente il fenomeno che aveva osservato Spearman: positive manifold.
Le prestazioni cognitive non risultano organizzate come otto sistemi indipendenti. Studi empirici sulle misure delle intelligenze di Gardner hanno trovato che molte di esse correlano tra loro e con misure di intelligenza generale.
Che cosa hanno in comune queste diverse concezioni?
Pur partendo da prospettive differenti, queste teorie fanno emergere alcune capacità che ricorrono quando parliamo di intelligenza.
Ragionamento
Stabilire relazioni e ricavare conclusioni
Apprendimento
Modificare conoscenze e comportamento attraverso l’esperienza
Problem solving
Individuare strategie per affrontare problemi
Adattamento
Modificare il comportamento al variare dell’ambiente
Generalizzazione
Applicare ciò che si è appreso a situazioni nuove
Perseguimento di obiettivi
Orientare le azioni verso un risultato
Se queste capacità contribuiscono a ciò che chiamiamo intelligenza, quali di esse può manifestare una macchina?
DALL'AUTOMAZIONE ALL'APPRENDIMENTO
Una macchina può eseguire regole, reagire all'ambiente e produrre comportamenti complessi. Ma che cosa cambia quando può modificare le proprie prestazioni attraverso l'esperienza?
Che cosa sa fare una macchina?
Quali capacità che associamo all'intelligenza possiamo formalizzare e realizzare artificialmente?
QUANDO PARLIAMO DI INTELLIGENZA ARTIFICIALE?
Una macchina può eseguire istruzioni, applicare regole, elaborare informazioni e produrre comportamenti complessi. Alcuni sistemi possono inoltre apprendere dai dati, generalizzare quanto appreso e adattare le proprie prestazioni a situazioni nuove.
Nessuna di queste capacità, considerata isolatamente, fornisce una definizione completa di Intelligenza Artificiale.
L'Intelligenza Artificiale comprende infatti approcci diversi: alcuni basati su regole e rappresentazioni simboliche, altri sull'apprendimento dai dati.
La domanda diventa allora:
in quale senso possiamo definire “intelligente” il comportamento di un sistema artificiale?
DALLA DOMANDA ALL'APPROFONDIMENTO
Abbiamo iniziato chiedendoci che cosa intendiamo per intelligenza, quali capacità associamo all'intelligenza umana e quali di esse possano essere formalizzate o riprodotte da una macchina.
Per proseguire il percorso, passiamo ora dalla costruzione dei concetti all'approfondimento dell'Intelligenza Artificiale, del suo funzionamento e delle sue implicazioni.
OLTRE L'ALGORITMO: L'INTELLIGENZA ARTIFICIALE ALLA PORTATA DI TUTTI
OLTRE L’ALGORITMO è un progetto di Terza Missione realizzato da Sapienza Università di Roma, in collaborazione con GRID+, startup innovativa specializzata in soluzioni di intelligenza artificiale, e Fondazione Mondo Digitale, attiva nella promozione della cultura digitale e dell’innovazione sociale.
Il progetto è coordinato scientificamente da Antonello Rosato del Dipartimento di Ingegneria dell'Informazione, Elettronica e Telecomunicazioni (DIET) ed è dedicato alla diffusione di una cultura dell'IA consapevole e accessibile.
Il percorso si sviluppa in dieci episodi, dai concetti fondamentali dell'Intelligenza Artificiale alle sue applicazioni e alle implicazioni nella scuola, nel lavoro, nella salute e nella società.
Seleziona un episodio per accedere direttamente all'approfondimento oppure prosegui nella pagina.
Il percorso in 10 episodi
CHE COS'È L'INTELLIGENZA ARTIFICIALE?
Il nostro percorso ci ha condotti dalla domanda “che cosa intendiamo per intelligenza?” all'analisi di alcune capacità che possono essere formalizzate o riprodotte artificialmente.
Possiamo ora affrontare direttamente la domanda centrale: che cos'è l'Intelligenza Artificiale?
Episodio 1 - CHE COS'È L'IA
Antonello Rosato · Sapienza Università di Roma
L'Intelligenza Artificiale non appartiene soltanto ai laboratori di ricerca: è già presente in molti strumenti e servizi che utilizziamo ogni giorno. Dove la incontriamo?
DA RICORDARE
IA: UN CAMPO, NON UNA SINGOLA TECNOLOGIA
L’Intelligenza Artificiale comprende approcci e tecniche differenti per realizzare sistemi capaci di svolgere compiti associati a forme di comportamento intelligente.
IA ≠ MACHINE LEARNING
Il Machine Learning è uno degli approcci dell’Intelligenza Artificiale, ma non coincide con l’intero campo dell’IA.
COMPORTAMENTO ≠ COMPRENSIONE
Una macchina può manifestare comportamenti che consideriamo intelligenti senza che ciò implichi necessariamente una comprensione analoga a quella umana.
CAPACITÀ E LIMITI
Più che chiederci semplicemente se una macchina sia intelligente, è utile domandarci che cosa sa fare, in quali condizioni e con quali limiti.
Episodio 2 - L'IA NELLA VITA QUOTIDIANA
Antonello Rosato · Sapienza Università di Roma
Se molti sistemi di IA funzionano elaborando grandi quantità di informazioni, che ruolo hanno gli algoritmi e i dati nel determinare ciò che apprendono e producono?
DA RICORDARE
L’IA È GIÀ PRESENTE
L’Intelligenza Artificiale è integrata in molti strumenti e servizi di uso quotidiano, spesso senza che l’utente ne percepisca direttamente la presenza.
DAI DATI ALLE RISPOSTE
Molti sistemi analizzano dati e comportamenti per riconoscere regolarità, formulare previsioni, personalizzare servizi o proporre contenuti.
AUTOMAZIONE E PERSONALIZZAZIONE
Assistenti, sistemi di raccomandazione e servizi digitali mostrano come l’IA possa automatizzare attività e adattare le risposte alle caratteristiche dell’utente.
CONSAPEVOLEZZA NELL’USO
Utilizzare sistemi basati sull’IA significa anche interrogarsi sui dati utilizzati, sulle decisioni automatizzate e sugli effetti delle tecnologie che entrano nella nostra quotidianità.
Episodio 3 - ALGORITMI E DATI
Francesco Di Luzio · Sapienza Università di Roma
DA RICORDARE
IA: UN CAMPO, NON UNA TECNOLOGIA
L’Intelligenza Artificiale comprende approcci e tecniche differenti per realizzare sistemi capaci di svolgere compiti associati a forme di comportamento intelligente.
IA ≠ MACHINE LEARNING
Il Machine Learning è uno degli approcci dell’Intelligenza Artificiale, ma non coincide con l’intero campo dell’IA.
COMPORTAMENTO ≠ COMPRENSIONE
Una macchina può manifestare comportamenti che consideriamo intelligenti senza che ciò implichi necessariamente una comprensione analoga a quella umana.
CAPACITÀ E LIMITI
Più che chiederci semplicemente se una macchina sia intelligente, è utile domandarci che cosa sa fare, in quali condizioni e con quali limiti.
Episodio 4 - CHATBOT E DEEPFAKE
Michele Scarpiniti · Sapienza Università di Roma
DA RICORDARE
IA: UN CAMPO, NON UNA TECNOLOGIA
L’Intelligenza Artificiale comprende approcci e tecniche differenti per realizzare sistemi capaci di svolgere compiti associati a forme di comportamento intelligente.
IA ≠ MACHINE LEARNING
Il Machine Learning è uno degli approcci dell’Intelligenza Artificiale, ma non coincide con l’intero campo dell’IA.
COMPORTAMENTO ≠ COMPRENSIONE
Una macchina può manifestare comportamenti che consideriamo intelligenti senza che ciò implichi necessariamente una comprensione analoga a quella umana.
CAPACITÀ E LIMITI
Più che chiederci semplicemente se una macchina sia intelligente, è utile domandarci che cosa sa fare, in quali condizioni e con quali limiti.
Episodio 5 - L'IA NEL MONDO DEL LAVORO
Raffaele Parisi · Sapienza Università di Roma
DA RICORDARE
IA: UN CAMPO, NON UNA TECNOLOGIA
L’Intelligenza Artificiale comprende approcci e tecniche differenti per realizzare sistemi capaci di svolgere compiti associati a forme di comportamento intelligente.
IA ≠ MACHINE LEARNING
Il Machine Learning è uno degli approcci dell’Intelligenza Artificiale, ma non coincide con l’intero campo dell’IA.
COMPORTAMENTO ≠ COMPRENSIONE
Una macchina può manifestare comportamenti che consideriamo intelligenti senza che ciò implichi necessariamente una comprensione analoga a quella umana.
CAPACITÀ E LIMITI
Più che chiederci semplicemente se una macchina sia intelligente, è utile domandarci che cosa sa fare, in quali condizioni e con quali limiti.
Episodio 6 - IA E SCUOLA
Raffaele Parisi · Sapienza Università di Roma
DA RICORDARE
IA: UN CAMPO, NON UNA TECNOLOGIA
L’Intelligenza Artificiale comprende approcci e tecniche differenti per realizzare sistemi capaci di svolgere compiti associati a forme di comportamento intelligente.
IA ≠ MACHINE LEARNING
Il Machine Learning è uno degli approcci dell’Intelligenza Artificiale, ma non coincide con l’intero campo dell’IA.
COMPORTAMENTO ≠ COMPRENSIONE
Una macchina può manifestare comportamenti che consideriamo intelligenti senza che ciò implichi necessariamente una comprensione analoga a quella umana.
CAPACITÀ E LIMITI
Più che chiederci semplicemente se una macchina sia intelligente, è utile domandarci che cosa sa fare, in quali condizioni e con quali limiti.
Episodio 7 - ETICA E ALGORETICA
Andrea Ceschini · Sapienza Università di Roma
DA RICORDARE
IA: UN CAMPO, NON UNA TECNOLOGIA
L’Intelligenza Artificiale comprende approcci e tecniche differenti per realizzare sistemi capaci di svolgere compiti associati a forme di comportamento intelligente.
IA ≠ MACHINE LEARNING
Il Machine Learning è uno degli approcci dell’Intelligenza Artificiale, ma non coincide con l’intero campo dell’IA.
COMPORTAMENTO ≠ COMPRENSIONE
Una macchina può manifestare comportamenti che consideriamo intelligenti senza che ciò implichi necessariamente una comprensione analoga a quella umana.
CAPACITÀ E LIMITI
Più che chiederci semplicemente se una macchina sia intelligente, è utile domandarci che cosa sa fare, in quali condizioni e con quali limiti.
Episodio 8 - IA E SALUTE
Francesco Di Luzio · Sapienza Università di Roma
DA RICORDARE
IA: UN CAMPO, NON UNA TECNOLOGIA
L’Intelligenza Artificiale comprende approcci e tecniche differenti per realizzare sistemi capaci di svolgere compiti associati a forme di comportamento intelligente.
IA ≠ MACHINE LEARNING
Il Machine Learning è uno degli approcci dell’Intelligenza Artificiale, ma non coincide con l’intero campo dell’IA.
COMPORTAMENTO ≠ COMPRENSIONE
Una macchina può manifestare comportamenti che consideriamo intelligenti senza che ciò implichi necessariamente una comprensione analoga a quella umana.
CAPACITÀ E LIMITI
Più che chiederci semplicemente se una macchina sia intelligente, è utile domandarci che cosa sa fare, in quali condizioni e con quali limiti.
Episodio 9 - L'IMPATTO DELL'IA NELLA SOCIETA'
Andrea Ceschini · Sapienza Università di Roma
DA RICORDARE
IA: UN CAMPO, NON UNA TECNOLOGIA
L’Intelligenza Artificiale comprende approcci e tecniche differenti per realizzare sistemi capaci di svolgere compiti associati a forme di comportamento intelligente.
IA ≠ MACHINE LEARNING
Il Machine Learning è uno degli approcci dell’Intelligenza Artificiale, ma non coincide con l’intero campo dell’IA.
COMPORTAMENTO ≠ COMPRENSIONE
Una macchina può manifestare comportamenti che consideriamo intelligenti senza che ciò implichi necessariamente una comprensione analoga a quella umana.
CAPACITÀ E LIMITI
Più che chiederci semplicemente se una macchina sia intelligente, è utile domandarci che cosa sa fare, in quali condizioni e con quali limiti.
Episodio 10 - UTILIZZO CONSAPEVOLE
Michele Scarpiniti · Sapienza Università di Roma
DA RICORDARE
IA: UN CAMPO, NON UNA TECNOLOGIA
L’Intelligenza Artificiale comprende approcci e tecniche differenti per realizzare sistemi capaci di svolgere compiti associati a forme di comportamento intelligente.
IA ≠ MACHINE LEARNING
Il Machine Learning è uno degli approcci dell’Intelligenza Artificiale, ma non coincide con l’intero campo dell’IA.
COMPORTAMENTO ≠ COMPRENSIONE
Una macchina può manifestare comportamenti che consideriamo intelligenti senza che ciò implichi necessariamente una comprensione analoga a quella umana.
CAPACITÀ E LIMITI
Più che chiederci semplicemente se una macchina sia intelligente, è utile domandarci che cosa sa fare, in quali condizioni e con quali limiti.