Il mondo biologico come fonte di ispirazione per l’IA
Ai fini della sua riproduzione tecnica, l’intelligenza in quanto tale si può considerare come un fenomeno biologico. Ne consegue che l’IA, che per l’appunto mira a riprodurre operazioni considerate intelligenti, è intrinsecamente ispirata alla biologia. Tuttavia, a partire da tale ispirazione, l’IA può riprodurre i sistemi biologici con diversi livelli di dettaglio.
In senso ampio, l’ispirazione biologica si riferisce alla compatibilità dell’IA con le attuali conoscenze in biologia, in particolare in neurobiologia. Questa definizione generale, pur utile al fine di introdurre il concetto, non è sufficientemente delimitata per essere traslata in concrete applicazioni tecniche. Più nello specifico, un sistema di IA è ispirato biologicamente quando la sua architettura e il suo funzionamento includono dei vincoli biologici che rendono delle parti specifiche del sistema biologicamente realistiche. Significativamente, un sistema di IA ispirato alla biologia non deve necessariamente emulare o replicare in modo completo il sistema biologico di riferimento, giacché sono possibili diversi livelli di realismo biologico. Anche se in teoria l’ispirazione biologica può provenire da diversi sistemi, la tendenza principale oggi è definire il realismo biologico dell’IA con riferimento specifico ai principi biologici del cervello, in particolare di quello dei mammiferi in generale e dell’uomo in particolare. Ovviamente non esiste qualcosa che si possa definire “il cervello”, dato che i cervelli cambiano in modo sostanziale sia tra le specie sia tra gli individui della stessa specie. Inoltre, livelli e regioni dello stesso cervello hanno proprietà differenti. Le differenze tra i cervelli hanno varie cause. In generale, le differenze tra le specie derivano da fattori evoluzionistici, mentre quelle tra gli individui delle stesse specie possono essere spiegate dal concorso di fattori genetici ed epigenetici, altri fattori di sviluppo, e fattori che riflettono l’interazione con l’ambiente, come apprendimento, nutrizione e malattia. Inoltre, il cervello è un organo complesso che comprende un’organizzazione multilivello, compresi i livelli molecolare, cellulare, microcircuiti, macrocircuiti, e comportamentale. È verosimile che non tutti questi livelli siano allo stesso modo rilevanti per lo sviluppo dell’IA ispirata al cervello.
Questo ha tre implicazioni in particolare: 1. ogni principio operativo generale del cervello che identifichiamo è il risultato di un’analisi o selezione statistica; 2. selezione significa scelta, e questo solleva la questione dei criteri utilizzati per fare la scelta; 3. è necessario chiarire quale livello del cervello viene assunto come riferimento per l’IA ispirata al cervello. In breve, l’ispirazione biologica intesa come un insieme di caratteristiche del cervello da imitare ha bisogno di essere contestualizzata e specificata. Per esempio, l’ispirazione biologica può essere ottenuta attraverso l’emulazione di un meccanismo particolare come la plasticità dipendente dal tempo dell’impulso osservata nelle sinapsi biologiche, oppure utilizzando un modello con vincoli biologici, come quello di Hodgkin-Huxley per i potenziali d’azione neuronale. Inoltre, è possibile che definizioni più precise e tecnicamente rilevanti di ispirazione biologica dipendano dalla specifica tecnica di IA presa in considerazione, e che ci sia un continuum di possibili tecnologie con diversi livelli di ispirazione biologica. Questi diversi livelli sono caratterizzati da limitazioni specifiche e possono sollevare diversi tipi di questioni, incluse questioni di tipo etico.
Sul piano storico, agli albori della ricerca sull’IA, nei primi anni 50, gli unici sistemi noti in grado di compiere dei calcoli complessi erano i sistemi nervosi degli organismi biologici. Per tale motivo i ricercatori di IA hanno utilizzato con ottimi risultati la conoscenza relativa al cervello come fonte di ispirazione nel loro tentativo di sviluppare dei sistemi intelligenti. Questo vale soprattutto per i paradigmi di IA alternativi al cosiddetto approccio simbolico, prevalente nella fase iniziale della disciplina. L’IA simbolica si focalizzava sulle funzioni cognitive e sugli aspetti logici dell’intelligenza, astraendo dai meccanismi alla base della loro implementazione nel cervello. Per contro, la ricerca sulle cosiddette reti artificiali neurali (Artificial Neural Networks, ANN) prese ispirazione proprio dai meccanismi del funzionamento cerebrale, inclusa la possibilità di elaborare l’informazione sulla base di molteplici unità semplici simili ai neuroni del cervello, e la loro attivazione di tipo digitale (on-off).
Significativamente, questo intreccio tra conoscenze relative al cervello e IA ha apportato benefici a entrambi i fronti, per esempio ispirando più approfondite conoscenze sulla computazione cerebrale e nuovi meccanismi per i modelli di reti neurali.
Tra i risultati più significativi di tale “connubio epistemologico”, ossia di questa sorta di alleanza conoscitiva, si segnala lo sviluppo delle reti neurali profonde (Deep Neural Networks, DNN), che includono architetture ispirate alla struttura gerarchica delle cortecce percettive, e rappresentano attualmente lo stato dell’arte in diverse aree di apprendimento automatico (Machine Learning, ML). Mentre i principi alla base delle DNN non sono affatto nuovi, ma risalenti alle origini delle ANN, ossia agli anni 50, oggi assistiamo a un loro straordinario sviluppo, sulla base di due fattori principali: grande disponibilità di dati per lo sviluppo degli algoritmi (incluso quello che tecnicamente si definisce “addestramento”), e disponibilità di hardware specializzati ad altissime prestazioni.
La collaborazione tra conoscenze relative al cervello (più nello specifico, le neuroscienze) e IA, che come visto è alla base dello sviluppo dei modelli di IA più promettenti, potrebbe permettere all’IA di superare alcune delle sue attuali limitazioni. Nel contempo, le ricerche in ambito di IA potrebbero apportare ulteriori benefici alle neuroscienze, favorendo una comprensione più approfondita del cervello, il quale ancora presenta dei “vantaggi” rispetto all’IA, inclusa una maggiore capacità di generalizzazione (ossia di astrarre da un esempio specifico per inferire dei caratteri generali validi per una classe di fenomeni/oggetti), di apprendere a partire da un numero limitato di esempi, di adattarsi in modo immediato e flessibile (on the fly) a situazioni nuove, apprendere nuove competenze senza distruggere quelle precedentemente apprese, oltreché, particolare niente affatto banale, un consumo di energia molto più basso.
L’ispirazione biologica dell’IA non si limita, ovviamente, al cervello umano e al ragionamento cognitivo: in linea di principio, essa può derivare anche da organismi, processi e fenomeni che si svolgono a diverse scale di spazio e di tempo. Come sottolineato da Floreano a Mattiussi, fonti rilevanti di ispirazione biologica includono sistemi evolutivi, cellulari, neurali, di sviluppo, immuni, comportamentali e collettivi.
Nonostante il suo grande potenziale, qui solo introdotto, l’IA ispirata alla biologia in generale e al cervello in particolare non è immune da critiche. Come mostra la storia della scienza e della tecnologia, l’utilità di trarre ispirazione dalla biologia non può essere data per scontata, ed è teoricamente possibile sviluppare l’IA in direzioni non compatibili con l’architettura e il funzionamento del cervello. In linea di principio, l’IA può ispirarsi direttamente e in modo dettagliato a un certo fenomeno biologico, oppure tentare di andare oltre gli esempi biologici di intelligenza per implementare dei meccanismi e delle tipologie di intelligenza che non sono presenti nei sistemi biologici. Di fatto, spesso gli algoritmi e le tecniche di IA vengono sviluppare con l’obiettivo di risolvere dei compiti particolari e solo successivamente essi sono paragonati al cervello.
Inoltre, chiedere all’IA di imitare il cervello rischia di essere riduttivo e limitante, a seconda dei fini perseguiti, giacché l’IA può trarre giovamento dal seguire direzioni diverse dalla biologia. Inoltre, assumere il cervello come fonte privilegiata di ispirazione per l’ulteriore sviluppo dell’IA potrebbe presentare problemi come riprodurre le stesse limitazioni e gli stessi bias del cervello nell’IA.
Per approfondire
Farisco, M., G. Baldassarre, E. Cartoni, A. Leach, M. A. Petrovici, A. Rosemann, A. Salles, B. Stahl and S. J. van Albada (2024). “A method for the ethical analysis of brain-inspired AI.” Artificial Intelligence Review 57(6): 133.
