Recentemente tutti parlano di Intelligenza Artificiale, di tecnologie e di differenza di genere in relazione alle discipline: i ragazzi per quelle tecniche, le ragazze per quelle umanistiche. La realtà è più complessa, ma cambiando punto di vista diventa semplicissima. Tutti capiscono che l’Intelligenza Artificiale è utile ma spesso non sanno dire perché.

Marvin Minsky (MIT), pioniere dell'intelligenza artificiale, visita il Laboratorio di Ricerca e Sviluppo Didalab (1989)

Marvin Minsky (MIT), pioniere dell’intelligenza artificiale, visita il Laboratorio di Ricerca e Sviluppo Didalab (1989)

Anche quelli che con grande impegno avevano accettato e capito i temi della computer science: algoritmi, strutture dati, complessità, calcolabilità, logica, linguaggi, basi di dati e sistemi informativi, architetture, interfacce…; raramente sanno che l’Intelligenza Artificiale fa uso di tutto questo per la rappresentazione della conoscenza, la pianificazione, la ricerca fra spazi di stati, l’analisi e la sintesi di linguaggio naturale, parlato compreso, l’analisi e la sintesi di immagini, la robotica…: tutte questioni complementari e diverse da quelle della computer science. In mezzo c’è la cognizione, cioè l’intelligenza, che per farla breve è (negli esseri animati): percezione + calcolo + comunicazione + emozioni + pianificazione ed azione. Un mondo molto strano, oggi di moda grazie a qualche successo clamoroso che descriviamo di seguito.

Quando si desidera migliorare una situazione, ci si pone tre quesiti: quale è il problema? Perché questo è il problema? Come risolverlo? Ora, le tecnologie (informatiche, biomediche, chimiche, …) possono rispondere alla domanda: Come?; al contrario la filosofia – in generale le scienze umane, includendo economia, psicologia, … – rispondono alla domanda: Quale? E Perché? 

Se consideriamo gli stereotipi di genere, oggi le scienze umane contano di più di anni fa perché ci permettono di interpretare e prevedere la realtà con occhi più “intelligenti” perché abituati a porsi domande sulla natura dei fenomeni e non solo sulla loro struttura ed eventualmente sulle modalità per controllarli (questioni tipicamente tecnico-scientifiche). Dunque le donne (spesso depositarie delle eredità “scienze umane”) acquistano importanza.

Naturalmente il genere non influisce sulle capacità di apprendimento delle discipline: le donne “tecnico-scientifiche” sono altamente competitive anche se sono in percentuali ridotte. Due diversi motivi per considerarle molto importanti: sanno certamente rispondere alla domanda: Cosa fare? Perché farlo? e anche (con numeri minori) Come farlo?

Le interazioni tecnologie-filosofia non si limitano tuttavia al livello altissimo del cosa, perché e come. Sono anche nei livelli concreti, tecnico-scientifici del come fare. Ad esempio, nei sistemi multi-agenti (una branca importante dell’Intelligenza Artificiale distribuita, oggi alla base dell’intelligenza collettiva) uno dei modelli fondamentali era e resta quello dei linguaggi basati sulla teoria degli atti linguistici, nata da Austin e Searle, due filosofi del linguaggio. Nell’analisi sia del linguaggio naturale che delle immagini i modelli di partenza nascono da riflessioni filosofiche. La psicologia cognitiva pervade gli studi sulla pianificazione e sulla ricerca “opportunistica”.

Marvin Minsky (MIT), pioniere dell'intelligenza artificiale, visita il Laboratorio di Ricerca e Sviluppo Didalab (1989). Nella foto, al centro, Stefano A. Cerri.

Marvin Minsky (MIT), pioniere dell’intelligenza artificiale, visita il Laboratorio di Ricerca e Sviluppo Didalab (1989). Nella foto, al centro, Stefano A. Cerri.

Nel caso dell’attuale successo dell’apprendimento profondo, una conseguenza di ricerche sul potenziale di calcolo delle reti neurali, l’origine veniva dagli studi di neurofisiologi come Mc Culloch e Pitts che molti decenni fa adottarono la cibernetica di Wiener come paradigma per i loro studi. Tecnica? Scienza? Filosofia? Difficile dirlo, di fatto dopo 50 anni i risultati sono straordinari: l’apprendimento profondo (deep learning) scopre le cause di tumori meglio dei medici (https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6356431/). Anche se non riesce a darne una ragione. Per ora ci basta avere la diagnosi!

Dunque: impossibile non adottare una visione olistica quando si tratta di progresso: soltanto la cultura sia umanistica che tecnico-scientifica ci permette di crescere. Le donne sono molto capaci di mettere insieme diverse esigenze, diversi paradigmi, diversi punti di vista. L’hanno fatto nella storia molto spesso, proprio perché sono sempre state socialmente considerate una minoranza. Come tali, hanno dovuto affinare capacità non banali come l’integrazione dei diversi modi di vedere le cose, per esempio il cosa, perché e come risolvere un problema, non teorico ma reale, non effimero ma cruciale per la sopravvivenza.

Nasce il Laboratorio di Ricerca Didalab: 1985

Nasce il Laboratorio di Ricerca Didalab: 1985

Gianna Martinengo


Inspired by users, driven by science
www.didaelkts.it – www.didaelkts.com