ChatGPT e l'automazione dei processi mentali

ChatGPT rappresenta un caso di automazione dei processi mentali, sollevando questioni filosofiche sul pensiero delle macchine e la simulazione dell'intelletto…

Contenuto

ChatGPT e l'automazione dei processi mentali

Scopri anche

ChatGPT e l'automazione dei processi mentali

ChatGPT e l'automazione dei processi mentali

In questo articolo:

La sorpresa generativa

⬆ Torna su ChatGPT ha sorpreso per la sua capacità di simulare non solo le funzioni percettive, ma l'intelletto umano stesso. Mentre altre applicazioni di intelligenza artificiale ci simulano come esseri capaci di percepire, riconoscere e trasformare, ChatGPT pretende di simularci in quanto intellettuali. Questa caratteristica distingue il sistema dalle precedenti applicazioni di IA ormai di uso comune, come il riconoscimento di caratteri tipografici, scene, impronte digitali, volti, radiografie o configurazioni di cellule. La traslazione di messaggi da una forma fisica a un'altra, come da suono a scrittura e viceversa, rappresenta un ambito già consolidato.

L'antica questione del pensiero meccanico

⬆ Torna su L'idea di automatizzare i processi mentali ha radici antiche, coltivata da pensatori come Leibniz, Babbage e Ada Lovelace. La domanda fondamentale risale al saggio di Alan Turing del 1950 "Calcolatori e intelligenza", che riformulava il problema in termini empirici attraverso il "gioco dell'imitazione". Turing osservò che la domanda "Le macchine possono pensare?" è priva di senso perché rimanda alla spiegazione impossibile di cosa sia il pensiero. Propose invece di verificare se le risposte di una macchina siano distinguibili da quelle di una persona. I fondatori dell'intelligenza artificiale definirono il problema come fare in modo che "una macchina agisca con modalità che sarebbero definite intelligenti se un essere umano si comportasse allo stesso modo".

L'evoluzione degli approcci all'IA

⬆ Torna su Il progetto di intelligenza artificiale si è sviluppato in settant'anni attraverso un intricato labirinto di pratiche e paradigmi, senza giungere a una sistemazione teorica completa. Gli approcci iniziali si rivolsero alle scienze cognitive e alla linguistica formale, cercando di realizzare strutture algoritmiche per abilità linguistiche basate su grammatiche generative e reti semantiche. Parallelamente, si esplorarono algoritmi per imitare il pensiero euristico nel problem-solving, come nel General Problem Solving di Newell e Simon. La neurologia ispirò reti neuroniche realizzate con circuiti digitali o simulate nel computer, con il Perceptrone come primo prototipo nell'ambito della cibernetica. Né gli approcci teorico-formali né quelli neuronali hanno dato risultati pratici apprezzabili oltre semplici prototipi. Il successo dell'IA è derivato maggiormente dalle soluzioni ad hoc dell'ingegneria informatica, simile alla realizzazione di automi industriali che nasce dalla meccanica e dalla teoria dei controlli piuttosto che dai trattati di anatomia umana.

Machine learning e grandi dati

⬆ Torna su Due scritte si sono rivelate decisive per il progresso dell'intelligenza artificiale. Il machine learning rappresenta la risposta a un'osservazione di Turing: gli uomini non nascono con strutture cognitive già formate, ma con una struttura iniziale che permette l'apprendimento attraverso interazioni ed esperienza. La disponibilità di enormi masse di dati, creati ad hoc o disponibili in rete, ha consentito l'applicazione di algoritmi probabilistici su scala senza precedenti. La produzione di testi per mezzo di testi costituisce l'automazione di processi mentali resa possibile da queste condizioni.

ChatGPT come automazione mentale

⬆ Torna su ChatGPT è in grado di produrre, su richiesta o in contesto dialogico, risposte di vario tipo: spiegazioni, interpretazioni, illustrazioni, soluzioni di problemi. Il sistema rappresenta dunque un caso di intelligenza artificiale generativa e di automazione di processi mentali. I processi mentali guidati da uno scopo possono essere schematizzati come una catena che può essere automatizzata. Questa automazione richiede che gli atti mentali vengano materializzati e registrati sotto forma di testi nel senso più generale del termine. Gli strumenti base per l'automazione sono un computer e la rete delle informazioni come magazzino dei testi disponibili. I livelli di automazione aumentano con il crescere dei dispositivi di cui è dotato il computer. A ChatGPT si possono rivolgere richieste di varia complessità: dalla spiegazione di un concetto alla scrittura di un saggio filosofico, dalla produzione di poesie all'analisi di quadri, dalla risoluzione di problemi matematici a quesiti di fisica o meccanica.

Comprensione contestuale e limiti

⬆ Torna su ChatGPT non ripete meccanicamente come un "pappagallo", ma mostra comprensione contestualizzando le nozioni e applicando procedimenti a situazioni specifiche. Il sistema occasionalmente commette errori evidenti, caratteristica che di per sé non lo rivela come non umano, considerando che anche gli esseri umani sbagliano.

Dall'IA ristretta all'IA generale

⬆ Torna su Storicamente, la distinzione fondamentale nell'intelligenza artificiale è stata tra IA debole e IA forte, oggi più comunemente indicata come IA ristretta e IA generale. L'IA ristretta ha raggiunto risultati significativi in campi specifici dell'intelligenza umana come gli scacchi, il gioco del go, la traduzione, il riconoscimento del parlato o di oggetti visivi. Questi ambiti riguardano prevalentemente campi chiusi con regole predefinite. L'IA generale prevede invece la capacità di risolvere più problemi, connettere ambiti diversi e generalizzare conoscenze acquisite in un dominio specifico. Con il machine learning classico, un computer che gioca a scacchi deve iniziare da zero per imparare la dama, mentre oggi questo vincolo è meno stringente.

Machine consciousness e consapevolezza

⬆ Torna su Sono state individuate tre fasi evolutive dell'intelligenza artificiale: machine learning, machine intelligence e machine consciousness. Se le prime due fasi hanno visto significativi progressi, la coscienza delle macchine rimane uno stadio apparentemente al di là delle possibilità attuali. Secondo Joelle Proust, per "coscienza della macchina" si intende "una macchina non biologica, creata dall'uomo, che è consapevole della propria esistenza e può pensare come se avesse una mente". La consapevolezza rappresenta un concetto meno sfuggente della coscienza se concepita come metarappresentazione, riflessione sulle proprie azioni e monitoraggio del proprio stato in relazione al mondo.

Tipologie di consapevolezza nelle macchine

⬆ Torna su Proust identifica almeno tre tipi di consapevolezza potenzialmente realizzabili nelle macchine: consapevolezza dell'agente (essere consapevoli di un'azione eseguita), consapevolezza dell'obiettivo (il motivo che guida l'azione) e consapevolezza sensorimotoria (la conoscenza quando ci si impegna fisicamente in un'azione). Tuttavia, queste definizioni mancano di un aspetto essenziale per parlare di consapevolezza nel senso umano: la consapevolezza sentita. Possiamo quindi distinguere tra consapevolezza in senso lato del proprio agire, consapevolezza sensorimotoria e consapevolezza sentita.

LLM e automonitoraggio cognitivo

⬆ Torna su Le chatbot più avanzate, come i Large Language Model, possono essere consapevoli di ciò che fanno nel senso cognitivo del termine, cioè dei loro "pensieri", obiettivi e stato interno. Si tratta di una forma di automonitoraggio sulle proprie azioni cognitive. Questa capacità rappresenta il livello più avanzato di consapevolezza finora raggiungibile dalle macchine, anche se distante dalla piena coscienza umana caratterizzata dalla componente esperienziale e soggettiva.

Questo articolo è stato redatto esclusivamente sulla base delle fonti elencate, senza aggiunte speculative o informazioni esterne.

Fonti

⬆ Torna su

In breve

  • intelligenza
  • artificiale
  • macchine
  • consapevolezza

Link utili

Apri l'articolo su DeafNews