intelligenza artificiale

Intelligenza artificiale forte e debole: significato e differenze

1427 0

In questo articolo ci occupiamo invece delle diverse distinzioni e tipologie che caratterizzano l’Intelligenza Artificiale. In particolare introdurremo il concetto di intelligenza artificiale forte e debole, di reti neurali artificiali e di sistemi esperti.

Qual è la differenza tra intelligenza artificiale forte e debole?

Una distinzione che occorre effettuare all’interno dei sistemi di Intelligenza Artificiale, è quella tra:

  • intelligenza artificiale forte, tesa a programmare dei sistemi che ragionano in maniera assimilabile all’uomo, fondati su black box algorithms. Istruzioni delle quali non è completamente noto e visibile il funzionamento;
  • intelligenza artificiale debole, che ricomprende quei sistemi informatici che simulano alcune funzionalità cognitive dell’uomo, senza però raggiungere le reali capacità intellettuali di quest’ultimo.

La grande differenza tra queste due tipologie di intelligenza si estrinseca nel fatto che l’intelligenza artificiale debole, rispetto a quella forte, non sviluppa dei processi di autoapprendimento e di decisione autonoma ma è solo un problem solver di processi stabiliti e ben determinati.

Intelligenza artificiale forte

All’interno dei sistemi di intelligenza artificiale forte, occorre distinguere tra i due modelli di apprendimento del Machine Learning e del Deep Learning.

Machine Learning

Per Machine Learning (apprendimento automatico) si intende quell’insieme di metodi che consentono al sistema di “allenare” l’IA in modo tale che, imparando e correggendo i propri errori, possa svolgere autonomamente un determinato compito.

Il modello di apprendimento che caratterizza il Machine Learning rispecchia, a sua volta, tre differenti tipologie di algoritmi:

Supervisione didattica

Tramite i quali il sistema apprende grazie ad esempi di input e di output ideali che vengono inizialmente forniti. Ad esempio l’identificazione vocale che si perfeziona sugli ascolti audio passati;

Senza supervisione didattica

Nei quali il sistema trova dei modelli mediante l’analisi dei risultati. Molto utilizzato nelle analisi esplorative di mercato per creare dei clusters – raggruppamenti – di consumatori;

Di semi supervisione

Che prevedono l’utilizzo di una piccola quantità di dati già classificati dall’uomo per creare una correlazione con dati non ancora analizzati. Questi algoritmi si utilizzano ad esempio per individuare la pubblicazione di messaggi inappropriati sui social network.

Queste tre tipologie si differenziano per il diverso livello di disponibilità delle regole empiriche, che costituisce la conoscenza preliminare ai fini del raggiungimento di un determinato output.

Deep Learning

Il Deep Learning, apprendimento profondo, è uno dei vari approcci dell’apprendimento automatico. E’ basato, non solo su un modello matematico, ma anche su reti neurali.

Reti neurali artificiali e sistemi esperti

All’interno della categoria di intelligenza artificiale forte rientrano le reti neurali artificiali; mentre i sistemi esperti afferiscono all’intelligenza artificiale debole.

Le reti neurali artificiali sono dei sistemi che cercano di riprodurre il funzionamento delle reti neurali biologiche, composte da unità elaborative interconnesse, strutturate su più livelli e operanti in sincrono.  

I sistemi esperti si compongono di tre elementi:

  • la base di conoscenza,
  • il motore inferenziale,
  • le interfacce che consentono l’interazione tra l’utente e il soggetto che ha programmato il sistema.

Reti neurali artificiali e sistemi esperti: differenza

Le reti neurali artificiali si differenziano dai sistemi esperti perché:

  • per funzionare non necessitano di informazioni fornite dall’inferenza bensì di regole empiriche (in quanto i propri sistemi vengono addestrati da dati di input elaborati da algoritmi di apprendimento automatico)
  • non esplicitano il processo logico che ha condotto a determinati dati di output.

Due esempi di sistemi che utilizzano le reti neurali sono quelli che effettuano le analisi del parlato e il riconoscimento vocale e quelli che vengono utilizzati per le diagnosi mediche (inclusi i referti).

Articolo tratto dal volume di EPC Editore: Manuale di Internet, di Fabrizio Corona e Michele Iaselli

Cybersecurity e sicurezza informatica: libri e corsi

EPC Editore ed Istituto Informa propongono libri di Security, I.C.T. e Privacy e corsi per i professionisti di Security e Privacy

CYBERSECURITY per tutti, EPC Editore, febbraio 2024, Castroreale Renato

CYBERSECURITY per tutti
Castroreale Renato
Libro
Edizione: febbraio 2024
Pagine: 260
Formato: 150×210 mm
€ 19,00

Disponibile in formato e-book CYBERSECURITY per tutti
Castroreale Renato
E-book

Cybersecurity e cyberwarfare, EPC Editore, gennaio 2023, Caria Giovanni Battista, Iaselli Michele

Cybersecurity e cyberwarfare

Caria Giovanni Battista, Iaselli Michele
Libro
Edizione: gennaio 2023
Pagine: 288
Formato: 150×210 mm
€ 28,50

Il sistema integrato per la SICUREZZA delle INFORMAZIONI ed il GDPR, EPC Editore, marzo 2021, Castroreale Renato, Ponti Chiara

Il sistema integrato per la SICUREZZA delle INFORMAZIONI ed il GDPR

Castroreale Renato, Ponti Chiara
Libro
Edizione: marzo 2021
Pagine: 384
Formato: 150×210 mm
€ 23,75

Manuale di diritto di INTERNET, EPC Editore, febbraio 2021, Corona Fabrizio, Iaselli Michele

Manuale di diritto di INTERNET

Corona Fabrizio, Iaselli Michele
Libro
Edizione: febbraio 2021
Pagine: 640
Formato: 170×240 mm

Una squadra di professionisti editoriali ed esperti nelle tematiche della salute e sicurezza sul lavoro, prevenzione incendi, tutela dell’ambiente, edilizia, security e privacy. Da oltre 20 anni alla guida del canale di informazione online di EPC Editore

Redazione InSic

Una squadra di professionisti editoriali ed esperti nelle tematiche della salute e sicurezza sul lavoro, prevenzione incendi, tutela dell'ambiente, edilizia, security e privacy. Da oltre 20 anni alla guida del canale di informazione online di EPC Editore