fonte:visionari.org

I ricercatori di DeepMind hanno progettato un nuovo algoritmo in grado di apprendere con efficacia l’intelligenza di tipo relazionale, colmando un divario rilevante che ha caratterizzato l’intelligenza artificiale (AI).

Quanti parchi ci sono vicino alla nuova casa che pensate di acquistare? Qual è il miglior abbinamento di vini al ristorante? Per trovare le risposte a queste due domande è necessario fare leva sul ragionamento relazionale, una componente importante del pensiero superiore, difficile da padroneggiare soprattutto da parte di un’intelligenza artificiale. Almeno fino ad ora.

Recentemente, infatti, i ricercatori di DeepMind di Google hanno sviluppato un semplice algoritmo in grado gestire tale ragionamento con risultati promettenti: esso ha già battuto gli esseri umani in un test complesso di comprensione delle immagini.

Gli esseri umani sono in genere abbastanza portati per il ragionamento relazionale, e si servono della logica per creare connessioni e confronti tra luoghi, sequenze ed altre entità. Ciò nonostante, le due principali tipologie di AI, quella statistica e quella simbolica, si sono rivelate lente nello sviluppo di simili capacità. L’AI statistica, nota anche con la definizione inglese di machine learning, è molto efficace nel riconoscimento di un pattern, ma non lo è altrettanto nell’utilizzo della logica. E l’AI simbolica può spiegare i rapporti che sono alla base di regole predeterminate, ma non è grande di apprendere nuove informazioni in corso d’opera.

Il nuovo studio propone una soluzione per colmare questo divario, che consiste in una rete neurale artificiale progettata per il ragionamento relazionale. Similmente al modo in cui i neuroni sono connessi tra loro nel cervello, le reti neurali mettono assieme piccoli programmi che, collaborando tra loro, trovano assieme modelli di dati.

Tali reti possono avere architetture specializzate appositamente per elaborare immagini, analizzare il linguaggio o apprendere giochi. In questo caso, la nuova “rete relazionale” va a confrontare ogni coppia di oggetti presenti individualmente in un dato scenario.

“Stiamo esplicitamente forzando la rete a scoprire le relazioni che esistono tra gli oggetti”, afferma Timothy Lillicrap, un ricercatore informatico al DeepMind di Londra, coautore del paper scientifico.

Lui e il suo team hanno messo alla prova la loro rete relazionale affidandole diversi compiti. Il primo è consistito nel rispondere alle domande sulle relazioni tra oggetti in un’unica immagine, come cubi, sfere e cilindri.

Per citareun esempio: “Di fronte all’oggetto blu ce n’è un altro; ha la stessa forma del piccolo oggetto azzurro che si trova a destra della palla metallica grigia?”

Per questo compito, la rete relazionale è stata combinata con altri due tipi di reti neurali: una predisposta al riconoscimento degli oggetti nell’immagine e una predisposta all’interpretazione della domanda. In molte immagini e domande, altri algoritmi di machine learning hanno risposto correttamente dal 42% al 77% delle volte. Gli umani hanno raggiunto un rispettabile 92%. Il nuovo network combinato di reti relazionali ha raggiunto una precisione del 96%, un punteggio super-umano, come hanno riportato i ricercatori in un articolo pubblicato la scorsa settimana su arXiv.

Il team di DeepMind ha testato la sua rete neurale anche in un compito basato su linguaggio, raccogliendo risultati quasi paragonabili agli altri algoritmi di AI concorrenti; i risultati migliori sono stati ottenuti sulle cosiddette domande inferenziali, come ad esempio: “Lily è un cigno. Lily è bianca. Greg è un cigno. Di che colore è Greg? ” (Bianco).

Su queste domande, la rete relazionale ha risposto correttamente nel 98% dei casi, mentre altri algoritmi concorrenti hanno indovinato solo nel 45% dei casi. Infine, l’algoritmo ha analizzato animazioni in cui 10 palline rimbalzavano, alcune delle quali connesse a molle o a barre invisibili. Utilizzando solo i modelli relativi al movimento, l’algoritmo è stato in grado di identificare più del 90% dei collegamenti. Ha quindi utilizzato la stessa modalità per identificare le sembianze umane rappresentate da semplici punti in movimento.

I futuri sviluppi delle reti relazionali potranno servire nello studio delle reti sociali, performando azioni molto complesse come l’analisi dei filmati di sorveglianza o la guida autonoma di automobili in mezzo al traffico.

Per avvicinarsi alla flessibilità umana, tuttavia, questo innovativo modello di rete relazionale dovrà rispondere a domande più impegnative.

Non sarà più sufficiente accoppiare oggetti, ma considerare insiemi complessi con più di due oggetti. Il percorso è tracciato e porterà allo sviluppo di un’intelligenza artificiale relazionale più efficiente e complessa.


Tradotto in Italiano. Articolo originale: Science


VISIONARI è un network di imprenditori, scienziati, artisti, scrittori e changemakers che pensano e agiscono al di fuori degli schemi.
Puoi fare domanda per entrare qui: https://bit.ly/visionari-entra