Il linguaggio dei simboli, nell'Intelligenza Artificiale

L’uso dei simboli è una questione fondamentale per la scienza dei calcolatori.

Tutte le informazioni elaborate da un calcolatore sono finalizzate al raggiungimento di uno scopo e l’intelligenza di un sistema è data dall’abilità, mostrata dalla macchina, nel perseguire un dato obiettivo nonostante le variazioni e le complessità che il percorso intelligente presenta.

La questione di fondo è rappresentata dalla natura del simbolo.

Si definisce sistema simbolico – fisico un sistema i cui simboli sono caratterizzati da due aspetti fondamentali.

Un primo aspetto è quello che tali sistemi seguono le leggi della fisica e sono realizzati con strutture meccaniche che fanno uso di componenti meccaniche, inoltre l’uso simbolico non è ristretto ai soli sistemi simbolici umani.

Il sistema fisico dei simboli consiste in un insieme di entità, chiamate simboliche sono configurazioni fisiche che a volte sono parte di espressioni simboliche o strutture simboliche.

La struttura simbolica è composta da un insieme di segni (simboli) collegati in modo fisico (segni disposti uno accanto all’altro).

Il sistema oltre a possedere queste strutture simboliche possiede anche un insieme di processi che permettono di ottenere altre espressioni; sono processi di creazione, di modificazione, di riproduzione e di distribuzione.

Una macchina, quindi, è un sistema simbolico in grado di promuovere l’evoluzione strutture simboliche.

La struttura simbolica è caratterizzata da due concetti fondamentali: la designazione e l’interpretazione.

La designazione esprime la capacità di designare un oggetto e di intervenire su di esso, usando una data espressione, modificando il suo comportamento in funzione dell’oggetto stesso.

L’interpretazione rappresenta la capacità di un sistema di interpretare una data espressione seguendo un processo che dipende dalla espressione seguendo un processo che dipende dall’espressione stessa.

Le espressioni sono designate dai simboli, ma mentre i simboli caratterizzano qualsiasi espressione, le sequenze simboliche sono strettamente relative all’oggetto designato dell’espressione data.

Esistono processi che permetto di creare o di modificare qualsiasi espressione.

Una volta create le espressioni, rimangono finché non vengono cancellate o modificate.

In un sistema il numero di espressioni ottenibili è sostanzialmente innato.

l’intelligenza di un sistema ha come indice l’abilità a risolvere i problemi.

Infatti il cammino storico dell’intelligenza artificiale ha avuto come obiettivo primario quello di costruire e comprendere sistemi in grado di risolvere dati problemi.

Filosofi e psicologi per due milioni hanno discusso il problem solving.

Oggigiorno l’uso di sistemi simbolici è alla base della risoluzione dei problemi.

Per risolvere i problemi bisogna, però, prima formularli; e formularli comporta quanto segue:

1. Designare un test per stabilire una classe di strutture simboliche (soluzioni dei problemi):
2. Definire un generatore di strutture simboliche (soluzioni potenziali).

La soluzione comporta, inoltre, la generazione di una struttura che utilizzando i simboli pervenga alla formazione del test.

Un sistema di simboli può formulare e risolvere problemi poiché è in grado di generare ed applicare test.

Per esempio uno dei problemi può essere quello di giocare a scacchi in maniera vincente; in questo caso il test è rappresentato dalla capacità di individuare le posizioni vincenti, quale quella di dare scacco al re avversario.

Idealmente per vincere sarebbe sufficiente generare una strategia in grado di pervenire allo scacco matto per ogni contro – strategia dell’avversario.

I sistemi simbolici esistenti non sono in grado di fare questo.

Al contrario, negli scacchi, le buone mosse sono schierate valutando le varie alternative e possono condurre con una buona probabilità ad effettuare la mossa vincente,

questo perché le alternative presentano, comunque, un certo margine di imprevedibilità che conduce all’errore e può deviare dal percorso vincente.

In sintesi c’è da dire che esistono generatori di mosse ma non generatori di mosse vincenti.

La soluzione del problema comporta, quindi, uno spazio entro il quale vanno elaborate le mosse.

Il problema più grosso legato all’elaborazione delle mosse è dato dalle limitate capacità di elaborare processi in grado di generare una soluzione dopo l’altra fino a pervenire a quella adatta alla risoluzione del problema.

Infatti il sistema non possiede alcun controllo sull’ordine in base al quale vengono elaborate tali mosse e se così fosse si potrebbe disporre di una sequenza che ci permetterebbe di far comparire, prima, le soluzioni vere e proprie del problema.

Un sistema di simboli, così strutturato, mostrerebbe un comportamento intelligente in quanto sarebbe in grado di effettuare una scelta riguardo alle operazioni da fare dopo.

l’ipotesi che l’uomo manifesta un comportamento simbolico è plausibile se si assume che egli possiede le caratteristiche di un sistema simbolico fisico.

Per dimostrare questa ipotesi sono state fatte sforzi congiunti sia da parte della ricerca psicologica, il cui intendo è quello di stabilire come avviene l’elaborazione dell’informazione, sia da parte dei ricercatori impegnati nel campo dell’intelligenza artificiale i cui sforzi sono volti a costruire modelli del comportamento umano mediante sistemi di simboli.

La ricerca nella psicologia dell’elaborazione dell’informazione implica due tipi di attività empiriche.

La prima consiste nell’osservare e sperimentare i comportamenti umani che richiedono intelligenza.

La seconda consiste nel programmare sistemi di simboli che riproducono il comportamento umano osservato.

Queste attività portano alla formulazione di ipotesi sui processi simbolici utilizzati dai soggetti osservati, queste idee, di seguito, vengono utilizzate nella costruzione di programmi.

La maggior parte dei tentativi di costruire tali ipotesi sono avvenuti nel campo della psicologia, dove si è assistito ad una serie continua di teorie del “Comportamentismo” e quello della “Gestalt”.

Il sistema simbolico risolve i problemi mediante un processo di ricerca euristico, cioè basandosi su procedimenti realmente verificabili.

Il successo di un tale processo, nel campo dell’intelligenza artificiale, è strettamente dipendente dal criterio di adeguatezza che si adatta e del livello a cui si ispira; infatti il successo, è garantito se il livello, a cui si ispira, è basso mentre è destinato a fallimento se il livello è alto.

Nonostante numerosi tentativi i livelli umani non sono stati ancora raggiunti neanche da quei programmi che hanno un “fronte” percettivo complesso, come ad esempio i sistemi di riconoscimento di scene visive, di comprensione del discorso o sistemi che consentono a particolari robot di operare in spazio e tempi reali.

A che cosa siano dovute tali interazioni, ancora oggi, non è chiaro perché se cosi fosse si potrebbe tentare di trovare una soluzione al problema.

Da quanto si è appreso sulla prestazione umana, esperta di particolari compiti quali quello di giocare a scacchi è emerso che per avere successo e raggiungere livelli comparabili a quelli umani, il sistema deve avere accesso a registri molto ampli di informazioni semantiche.

Ma ciò non basta a garantire il successo della macchina sull’uomo infatti, spesso, la superiorità dell’uomo è prevalente e ciò sicuramente è da attribuire alla componente percettiva dell’uomo.

Infatti l’azione intelligente, nell’uomo, è parallela all’elaborazione visiva, fornita dall’occhio, ed a quella uditiva fornita dall’orecchio.

In ogni caso, però, la qualità della prestazione deve necessariamente dipendere dalle caratteristiche sia delle classi di problemi che dei sistemi simbolici impiegati per affrontarli.

Gran parte dei problemi della vita reale, che ci interessano, non si sono mostrati avere una struttura sufficientemente semplice da produrre teoremi sulla complessità, ne hanno permesso di capire quanto ampi siano i problemi della vita reale e quali siano le capacità, dei nostri sistemi simbolici, di risolverli.

Da sempre l’intelligenza è stata considerata l’abilità di estrarre ed utilizzare le informazioni relative alla struttura di un dato problema, allo scopo di elaborare una strategia per produrre una soluzione il più in fretta possibile e nella maniera più immediata e diretta.

Utilizzare l’informazioni, in maniera adeguata, rappresenta la chiave di volta nella risoluzione dei sistemi simbolici.

I metodi utilizzabili possono essere differenziati come segue:

1. Uso non locale dell’informazione.

L’informazione viene utilizzata solo localmente.

Ad esempio, se si considera l’informazione relativa ad una posizione di scacchi, di solito quella che viene utilizzata serve esclusivamente a valutare quella data posizione e no per valutare altre posizioni che potrebbero presentare molte caratteristiche identiche.

Perciò una stessa situazione porta ad adoperare soluzioni, di volta in volta, differenti e ciò non permette di utilizzare l’informazione, sorta in dato contesto particolare, in maniera generale, infatti una informazione, ottenuta da un caso particolare, può essere utilizzata solo per un ambito ristretto di casi.

Negli ultimi anni sono stati prodotti notevoli sforzi per trasportare l’informazione dal suo contesto d’origine ad altri contesti appropriati.

Berliner (1975) ha impiegato l’analisi causale per determinare l’impiego di un particolare pezzo di informazione nel campo degli scacchi, studiando la causalità di una data mossa, si può far risalire la sua debolezza alla mossa che la prodotta ed inoltre si è in grado di prevedere le debolezze delle altre posizioni che dipendono dalla stessa mossa.

Il percorso logico, seguito da questo processo, è quello di acquisire l’informazione e di passarla su di una “lavagna” comune che può essere letta da tutte le fonti, ciò consente, ad esempio, di chiamare ipotesi che altrimenti dovrebbero essere espanse da un dato processo.

La capacità di non utilizzare localmente l’informazione rappresenta, quindi, una possibilità di aumento dell’intelligenza dei sistemi di risoluzione dei problemi.

2. Sistemi di riconoscimento semantico.

Un’altra possibilità per aumentare l’intelligenza è quella di fornire un sistema simbolico di un elevato numero di informazioni semantiche relative alla classe di compiti in esame.

Per esempio le ricerche empiriche, sull’abilità mostrata dai maestri di scacchi, ha evidenziato che la reale abilità consiste nel riconoscere configurazioni caratteristiche sulle macchine in base alla grande quantità di informazioni accumulate relative alle varie configurazioni.

La quantità di configurazioni da immagazzinare per permettere un gioco a livello dei grandi maestri è dell’ordine di 50.000.

Questo significa riconoscere una configurazione particolare ed associare ad essa la soluzione più appropriata.

Sostituire il riconoscimento alla ricerca di una data configurazione significa avere una maggiore immediatezza della soluzione ed una maggiore specificità.

Infatti una configurazione particolare, soprattutto se rara può contenere un elevato numero di informazioni.

La conoscenza di un grosso numero di configurazioni rilevati potrebbe essere la chiave del comportamento intelligente.

3. Selezione delle rappresentazioni efficaci.

I sistemi simbolici sono insiemi di configurazioni e di processi.

I processi sono in grado di produrre, distruggere e modificare le configurazioni.

Le configurazioni possono designare (indicare) oggetti, processi ed altre configurazioni.

Quando descrivono processi, questi devono essere interpretati; e per interpretazione si intende l’esecuzione dei processi designati.

I sistemi simbolici più studiati sono gli esseri umani ed i calcolatori.

La comprensione che attualmente si ha dei sistemi simbolici è avvenuta attraverso stadi successivi.

Inizialmente la logica formale, ci ha permesso di familiarizzare con i simboli che venivano considerati come l’essenza del pensiero e potevano essere utilizzati seguendo dei processi formali ben definiti.

Successivamente la macchina di Turing consentì di effettuare meccanicamente l’elaborazione sintattica dei simboli e attribuì ai sistemi simbolici, rigorosamente definiti, il carattere di universalità-

La capacità di interpretare i simboli, già consentita dalla macchina di Turing, divenne maggiormente possibile con l’avvento del concetto di programma memorizzato per calcolatori

Intorno al 1956 ha avuto inizio lo studio dell’intelligenza dei sistemi simbolici, oggetto di studio dell’intelligenza artificiale.

Nell’intelligenza artificiale una legge di natura qualitativa, asserisce che i sistemi simbolici sono in grado di risolvere problemi generando soluzioni possibili che vengono analizzate e valutate attraverso un attento processo di ricerca.

Questa ricerca è mirata a produrre espressioni simboliche che vengono, di volta in volta, modificate in modo sequenziale fino a che non soddisfano le condizioni per una soluzioni.

La ricerca è quindi, la base del processo utilizzato dai sistemi simbolici.

Poiché questi sistemi hanno delle risorse finite, la ricerca deve essere condotta in maniera sequenziale, tale percorso può essere effettuato o generando un solo cammino, che va dallo stato iniziale alla metà, oppure un intero albero di cammini dato dalle continue correzioni necessarie e dalle procedure di ritorno via via effettuate.

In queste condizioni di caos i sistemi simbolici non possono apparire intelligenti.

La reale intelligenza di tali sistemi consiste nella capacità che hanno di estrarre le informazioni da un area problematica e di utilizzare per guidare la ricerca evitando svolte sbagliate e cammini secondari indiretti.

Perché il metodo possa funzionare è necessario che l’area problematica contenga informazioni ordinate con una precisa struttura.

Nello studio di sistemi simbolici è importantissimo il concetto di struttura poiché è proprio questa caratteristica che consente, a tali sistemi, di esplicare un comportamento intelligente.

Lo studio condotto in venti anni di lavoro ha permesso di accumulare una grossa mole di conoscenze sul comportamento di classi specifiche di sistemi simbolici da utilizzare in aree ben definite.

Nonostante tutto ciò, però, ancora oggi permangono indissolti nodi relativi alle caratteristiche generali dell’intelligenza e i suoi metodi di implementazione.

S. G. – Ricercatore