Fabio Ruini’s blog

(continua da un post precedente)

Gli scienziati però non si rassegnarono. La sfida di capire in che modo funzionasse la mente umana rimaneva aperta. Nel mentre, i progressi ottenuti nel campo della neurobiologia e dei settori ad essa collegati fornirono l’ispirazione necessaria per la creazione di un nuovo modello computazionale, che negli anni successivi avrebbe riscosso un grandissimo successo: le reti neurali. I primi modelli di questo tipo, in realtà, nacquero già negli anni ’40, grazie ai lavori pionieristici di McCulloch e Pitts, che concettualizzarono il “neurone artificiale”, per poi rafforzarsi negli anni ’50 con il “percettrone” di Rosenblatt. Le precise critiche avanzate da Minsky e Papert nel 1969 provocarono però un brusco raffreddarsi degli entusiasmi sorti attorno al campo delle neural networks, che si riaccesero soltanto negli anni ’80, grazie ai lavori di Rumelhart ed Hopfield.

Le reti neurali fornivano un nuovo modo di guardare all’interno delle scatole nere dei modelli comportamentisti, alternativo rispetto al rigido schema algoritmico sponsorizzato dagli esperti dell’artificial intelligence. Il meccanismo di base rimaneva quello dello stimolo→elaborazione→risposta, con la differenza che, in una neural network, ad essere manipolati non sono dei simboli ma bensì delle “rappresentazioni” ancor più astratte . Ai fini pratici, soprattutto se consideriamo che anche una rete neurale, per poter essere implementata all’interno di un calcolatore, deve essere ricondotta ad un algoritmo, la differenza potrebbe apparire insignificante. Ma così non è. Una rete neurale è infatti formata da un certo numero di neuroni, connessi tra loro secondo una particolare topologia, ciascuno dei quali caratterizzato da un particolare livello di attivazione che nei sistemi nervosi reali corrisponde alla frequenza con cui questo neurone si attiva, “sparando” impulsi ai neuroni vicini. Al variare dell’input sensoriale percepito in un dato momento, i vari strati di neuroni che compongono la rete si attivano in maniera differente. Le cosiddette “rappresentazioni” sono dunque stati di attivazione delle varie unità neurali, caratterizzati anche da una certa dimensione spaziale. Esattamente come le “attivazioni” che si hanno nel cervello quando un organismo è sottoposto a determinati stimoli. Diventa chiaro, a questo punto, come le reti neurali, pur con tutte le loro limitazioni, possano vantare un livello di plausibilità biologica di almeno un ordine di grandezza superiore rispetto a quello dei modelli cognitivisti dell’intelligenza artificiale. Sebbene alcuni studiosi, come ad esempio Harnad , abbiano sostenuto che l’approccio neural network based possa essere visto come complementare, piuttosto che alternativo, a quello simbolico, le reti neurali ed il concetto di “rappresentazione distribuita” segnarono un profondo punto di rottura rispetto alla tradizione corrente.

Il modo di studiare i processi cognitivi basandosi su reti neurali divenne in seguito noto come “approccio connessionista”. A differenza delle scienze cognitive “tradizionali”, nei confronti delle quali l’intelligenza artificiale potrebbe essere vista soltanto come un relativamente poco utile corollario applicativo, il nuovo cognitivismo connessionista non può prescindere dall’utilizzo del calcolatore. Le reti neurali sono infatti strumenti che, per quanto deterministici, hanno un livello di complessità tale da non poter, di fatto, essere simulati al di fuori di un computer. I ricercatori del settore iniziarono dunque a familiarizzare con uno strumento relativamente nuovo: le simulazioni. Ciò aveva forti implicazioni per un settore, quello della psicologia, storicamente poco propenso a formulare le proprie teorie in maniera rigorosa. Il computer, da questo punto di vista, non perdona. Tra le altre cose, elaborare una simulazione significa infatti, per il ricercatore, eliminare qualsiasi possibile fonte di ambiguità dai suoi modelli teorici di riferimento. E’ questo l’unico modo possibile per poterli far “girare” con successo all’interno di un calcolatore.

Da quanto abbiamo appena sottolineato, potrebbe sembrare che l’avvento del connessionismo abbia semplicemente coinciso con un aggiornamento dei metodi computazionali precedentemente utilizzati (basati su un rigido formalismo logico) con altri, le reti neurali, biologicamente più plausibili. In realtà, il salto è stato più radicale. A mutare è stato anche l’approccio alla creazione di artefatti in grado di esibire comportamenti di carattere cognitivo. Se l’intelligenza artificiale è solita seguire metodologie di progettazione di tipo top-down, studiando le manifestazioni del fenomeno che si intende riprodurre e quindi scomponendole in una sequenza di sotto-processi implementabili in un computer o in un robot, i connessionisti fanno invece affidamento su un approccio di tipo bottom-up. Sia per esigenze pratiche (una rete neurale, d’altronde, non è “programmabile” secondo le modalità tradizionali), sia per aggiungere un’ulteriore dose di “realismo” ai propri modelli. Non è infatti un azzardo (a patto di non parlarne con le sempreverdi lobbies creazioniste ) ipotizzare che la “mente”, così come gli altri prodotti dell’evoluzione, sia emersa dalla progressiva complessificazione del sistema nervoso dell’homo sapien avvenuta nel corso dei millenni. Con le reti neurali, così come dimostrato in maniera esemplare da Elmann , è possibile riprodurre questo processo di crescita e di continua complicazione dell’architettura neurale, facendo emergere fenomeni cognitivi via via più complessi.

L’approccio connessionista si basa sull’assunto secondo il quale l’intelligenza è un processo astratto e può pertanto essere studiata “in isolamento”, senza dover necessariamente prendere in considerazione le caratteristiche fisiche dei sistemi naturali all’interno dei quali i fenomeni cognitivi hanno luogo. Diffuso ancora oggi, il connessionismo ha prodotto (e continua a produrre) risultati estremamente interessanti nella direzione di ricreare artificialmente processi mentali di alto livello. Come sempre accade quando si tratta di scienza, però, anche questa particolare visione, ad un certo punto, iniziò ad andare troppo stretta ad alcuni ricercatori. Nacque così la cosiddetta “embodied cognitive science”, un nuovo modo di approcciarsi allo studio della mente cercando di ancorarla alla sua dimensione fisica.

Comments(2)