Un neuro scienziato semisconosciuto potrebbe avere tra le mani il segreto dell’Intelligenza Artificiale perfetta

Un neuro scienziato semisconosciuto potrebbe avere tra le mani il segreto dell’Intelligenza Artificiale perfetta

Karl Friston è noto per aver creato il principio dell’energia libera, una teoria unificante su come funziona la mente umana. Il modello potrebbe rappresentare una svolta fondamentale nella creazione di un’Intelligenza Artificiale completa.

Karl Friston è un personaggio schivo. Non ha lo smartphone, non incontra quasi mai persone da solo (nemmeno per lavoro) e spesso dorme in ufficio, anc

Karl Friston è un personaggio schivo. Non ha lo smartphone, non incontra quasi mai persone da solo (nemmeno per lavoro) e spesso dorme in ufficio, anche se ha moglie e figli. Anche se non è arcinoto, in molti lo indicano come un possibile futuro premio Nobel e potrebbe aver trovato la chiave per creare la prima Intelligenza Artificiale completa della storia.

Scopriamo chi è e qual è la teoria, potenzialmente rivoluzionaria, che ha coniato.

Mappatura statistica parametrica

Karl Friston è oggi il direttore scientifico del Functional Imaging Laborator (FIL), presso lo University College di Londra. Il laboratorio si occupa di diagnostica per immagini, la branca della medicina che permette di osservare “l’interno” di un organismo: esami come l’ecografia e la radiografia rientrano in questo tipo di attività.

Friston è diventato “famoso” – almeno tra gli esperti in questo campo – per aver creato uno strumento che rende più intellegibile il funzionamento del cervello umano. Si chiama Mappatura Statistica Parametrica (anche SPM), ed è una tecnica statistica per l’analisi dei dati ricavati dalla risonanza magnetica. In pratica, questo sistema dà alle immagini del cervello una forma standardizzata, permettendo una comparazione tra diversi soggetti.

L’invenzione è arrivata nel 1990 e da allora viene impiegata praticamente dalla quasi totalità dei neuroscienziati per le proprie ricerche. Friston l’ha sviluppata soprattutto per studiare il funzionamento del cervello in casi di particolari disturbi psichici: lo scienziato ha studiato infatti psichiatria e ha lavorato a lungo in istituti specializzati nel trattamento degli schizofrenici.

Nel 2006, è stato ammesso alla Royal Society of Fellows, istituto che premia l’eccellenza scientifica, per l’impatto “rivoluzionario” dei suoi studi. Oggi ha 59 anni, lavora ogni notte e ogni fine settimana: ha pubblicato mille ricerche accademiche dall’inizio del millennio. Solo nel 2017, è stato autore principale o co-autore di 85 studi: uno ogni quattro giorni.

Due anni fa, l’Allen Institue for Artificial Intelligence ha calcolato che è Friston il neuroscienziato più citato al mondo.

Oltre al suo contributo alla diagnostica per immagini, Friston è noto per l’elaborazione del principio dell’energia libera, un concetto estremamente complesso che potrebbe però condurre a un balzo in avanti nella ricerca per l’Intelligenza Artificiale.

Il principio dell’energia libera

Il neuroscienziato ha dedicato gran parte dell’ultimo decennio all’elaborazione di questa idea innovativa. Il principio dell’energia libera risponde, in maniera ambiziosa, a una domanda: “Se sei vivo, quali comportamenti ci possiamo aspettare da te?”.

In sostanza, Friston vuole individuare il principio organizzativo della vita e della sua intelligenza. È un concetto molto complesso da definire, al punto che anche i collaboratori più stretti di Friston spesso faticano a spiegarlo. Il neuroscienziato potrebbe essere l’unico ad averlo capito fino in fondo.

Non abbiamo, in questa sede, l’ambizione di comprenderlo e spiegarlo in ogni suo aspetto. È possibile però provare a capire perché sta suscitando così grande interesse e quali potrebbero essere le sue applicazioni pratiche.

Partiamo, per capirne di più, dal secondo principio della termodinamica: l’universo tende all’entropia e quindi alla dissoluzione. Eppure, gli esseri viventi resistono fieramente a tale caos distruttivo. Come fanno?

Secondo il principio di Friston, tutte le forma di vita, a qualunque livello – dalle cellule al cervello umano – sono mosse dallo stesso principio universale, che può essere ricondotto a una funzione matematica.

Per essere vivo, un essere ha bisogno di agire in modo da ridurre il divario tra aspettative e impulsi sensoriali. Secondo quanto dice lo stesso Friston, un essere vivente sopravvive perché “minimizza l’energia libera”. Detto in altro modo, ogni essere vivente è tale perché minimizza il fattore sorpresa.

Questa è solo la “superficie” del principio dell’energia libera, che in realtà è un concetto fisico: per spiegarlo accuratamente occorrono delle complesse formule matematiche. È importante sapere però che il principio si può tradurre in una quantità misurabile, che può essere quindi usata per interpretare i dati e le immagini che riceviamo dal nostro cervello.

Quando ha cominciato a lavorare al FIL nel 1994, Friston condivideva il corridoio con il Gatsby, l’unità per la neuroscienza computazionale, diretta da Geoffrey Hinton. Il laboratorio aveva come obiettivo principale quello di applicare metodi matematici al sistema nervoso. Un lavoro che ha avuto importanti ripercussioni sulla ricerca per l’Intelligenza Artificiale.

I due si sono per anni scambiati idee sul funzionamento del cervello. Hinton ha alla fine convinto Friston che il cervello funziona come una macchina probabilistica Bayesiana. Cosa vuol dire? Che secondo lo scienziato la nostra mente computa e percepisce in maniera probabilistica: fa cioè costantemente una serie di previsioni su cosa potrebbe accadere e le aggiusta di volta in volta in base a ciò che percepisce dai propri sensi.

Su queste basi teoriche, Hinton ha inoltre suggerito a Friston una tecnica che permetterebbe a un software di emulare in maniera più efficiente il processo di decision making degli esseri umani: il processo prevede l’integrazione di una serie di input provenienti da diversi modelli probabilistici.

Nel 2001, Hinton si trasferisce all’Università di Toronto, diventando una figura prominente nell’ambito dell’Intelligenza Artificiale: il suo lavoro, per dire, è stato impiegato per buona parte delle ricerche in deep learning che vediamo oggi.

A seguito dello scambio di idee con Hinton, nel 2005 Friston ha pubblicato una serie di note, in cui per la prima volta vediamo abbozzato il principio dell’energia libera.

LEGGI ANCHE: Il Futuro del Lavoro: i robot ci ruberanno il posto (vero?)

Friston e l’Intelligenza Artificiale

Negli anni, le ricerche di Friston hanno prodotto una serie di corollari al principio dell’energia libera. Abbiamo detto che un organismo vive perché è in grado di minimizzare la sorpresa. Questo meccanismo è molto semplice in una singola cellula, che è “programmata” per reagire in maniera immediata ai relativamente pochi stimoli che riceve.

Ma come si applica il principio a un organo complesso come il cervello umano? La nostra mente è letteralmente travolta dalle informazioni che riceve dai propri recettori. Per sopravvivere, il cervello umano ha bisogno di organizzare quelle informazioni in maniera efficace, per ottenere un modello del mondo abbastanza accurato da poter agire in esso.

Friston ha coniato il termine di “interferenza attiva” per spiegare come il cervello riesce in questo compito apparentemente immane.

Il nostro cervello, abbiamo detto, fa continuamente previsioni su quanto succede. Quando però i sensi smentiscono tali previsioni, secondo Friston, il cervello agisce in due modi per minimizzare l’energia libera:

  • Rivede la propria supposizione: assorbe la sorpresa, ammette l’errore e aggiorna il proprio modello;
  • Agisce per rendere vera la sua predizione. In che modo? Se io inferisco che mi sto toccando il naso con l’indice della mano sinistra, ma in realtà i miei sensi mi dicono che il mio braccio penzola dal bracciolo della sedia, posso minimizzare la sorpresa facendo un’azione: spostando cioè la mano dove il mio cervello pensa che sia. È questo il concetto di “inferenza attiva”: agisco perché la mia predizione si “avveri”.

Come scrive lo stesso Friston in uno dei suoi paper, “noi [esseri umani] campioniamo il mondo, per essere sicuri che le nostre previsioni diventino delle profezie che si auto-avverano”.

Il modello è stato ideato da Friston principalmente per spiegare i meccanismi alla base della malattia mentale, il suo principale campo di studi. Se prendiamo per esempio un caso di schizofrenia, possiamo dire che in questi soggetti, il cervello non riesce ad aggiornare il proprio modello quando i sensi gli forniscono un input in contrasto con le sue previsioni. Se una persona vede un albero e ritiene che si tratti in realtà della Regina d’Inghilterra, è perché il suo cervello non riesce ad adeguare il proprio comportamento all’informazione ricevuta dagli occhi.

Friston e altri scienziati hanno provato negli ultimi anni a collegare il principio dell’energia libera a disturbi d’ansia, alla depressione, ad alcuni sintomi dell’autismo, al morbo di Parkinson e così via.

Negli anni, il principio dell’energia libera potrebbe diventare la teoria su cui si fonda la nostra comprensione globale del funzionamento della mente, compresi eventuali malfunzionamenti.

Non è un caso, quindi, che il principio venga applicato anche a ricerche nel mondo dell’Intelligenza Artificiale. Alcuni degli studenti di Friston oggi lavorano per esempio in aziende come DeepMind o Google Brain. Alcuni di loro hanno persino fondato l’Artificial Intelligence Theory Lab di Huawei.

Uno degli esperimenti più interessanti per l’integrazione del principio dell’energia libera nei software di AI è stato realizzato da Julie Pitt, a capo dell’infrastruttura di machine learning di Netflix.

Pitt, oltre al suo lavoro per il servizio di streaming, ha lanciato l’Order of Magnitude Labs, laboratorio applicato di intelligenza artificiale, in cui sperimenta l’applicazione del principio di Friston. Pitt sostiene che il modello del neuro scienziato consente a un agente artificiale di agire in qualsiasi tipo di ambiente, anche in quelli nuovi e sconosciuti.

Molta ricerca nel campo dell’IA è stata fondata sul modello dell’apprendimento per rinforzo positivo, in cui il software è spinto a cercare una soluzione a un problema per ricevere un premio. Come funziona? Facciamo l’esempio di un videogame. L’IA in questo caso ripete costantemente il gioco, finché non ottiene la vittoria: impara da solo quali sono le regole e ottimizza le proprie azioni fino a ottenere il successo. Questo modello è interessante, ma ha dei limiti: la vita reale non ha schemi di comportamento predefiniti come nei videogame e gli obiettivi, che vanno di volta in volta selezionati dagli esseri umani, sono molto più complessi da definire.

Un software che sfrutta invece il principio dell’inferenza attiva ha sempre un obiettivo intrinseco a cui fare riferimento: minimizzare la sorpresa. Questo imperativo renderebbe l’IA più “libera”: quando viene calata in un contesto, si muove ed esplora la situazione in maniera autonoma.

Pitt ha confrontato i due modelli nell’ambito dei videogame. Dopo una serie di test, ha scoperto che il modello di Friston riesce a ottenere risultati migliori sul lungo periodo. In un primo momento, infatti, l’IA è più lenta, perché deve esplorare al meglio l’ambiente. Una volta ottenute le informazioni necessarie, però, riesce a essere più efficiente.

Friston ha nella cura delle malattie psichiatriche il proprio obiettivo principale. Eppure, sostiene che, nel giro di un decennio, gran parte dei sistemi di machine learning potrebbe incorporare il principio della minimizzazione della libera energia.

LEGGI ANCHE: Cosa fa davvero un data-scientist (e cosa farà in futuro)?

COMMENTS

WORDPRESS: 0
DISQUS: 0

Un neuro scienziato semisconosciuto potrebbe avere tra le mani il segreto dell’Intelligenza Artificiale perfetta

di Gennaro Sannino Tempo di lettura: 7 min
0