4.2 Intelligenze che imparano

Cos’hanno in comune un cane che riporta un bastone e uno chef stellato? Entrambi sanno migliorare grazie all’esperienza: provano, sbagliano, aggiustano il tiro, e pian piano affinano il proprio comportamento. Per noi animali, questo modo di imparare è automatico: se un comportamento porta un vantaggio lo ripetiamo, se non funziona lo abbandoniamo.
E le macchine? Anche loro possono imparare dall’esperienza grazie al machine learning — in italiano “apprendimento automatico” — un insieme di metodi che permettono a una macchina di migliorare in autonomia. Tra questi metodi ce n’è uno che ricorda da vicino il modo in cui imparano gli animali: l’“apprendimento per rinforzo”. Qui la macchina prova strategie diverse, sbaglia, aggiusta i parametri e riprova… finché non trova una strategia efficace.
Somiglianze ce ne sono, ma noi e le macchine non impariamo allo stesso modo.
Noi capiamo il senso delle situazioni: vediamo una stanza, un bordo, un ostacolo, e intuiamo subito cosa evitare. Una macchina, invece, non parte da concetti.
Quando un’intelligenza artificiale impara a giocare a Snake, all’inizio fa errori assurdi: ad esempio se la mela è davanti alla testa del serpente, gira a destra. Non sa — e non saprà mai — cosa sia un piano, cosa significhi “destra” o “sinistra”, o cosa voglia dire “evitare un ostacolo” o “cercare di raggiungere la mela”: esplora un’enorme quantità di scenari e seleziona il comportamento che massimizza il punteggio. Per questo le servono molti più tentativi rispetto a noi, ma può permetterselo grazie alla sua enorme potenza di calcolo.