Ci sono varie forme di intelligenza artificiale (AI) là fuori oggi. È una domanda difficile anche come chiamare un’intelligenza artificiale e cosa chiamare semplicemente un programma software. C’è una tendenza nel software, dove quando qualcosa che si chiamava “AI” matura e si integra nel contesto tecnologico, non viene più chiamato AI. I programmatori degli anni ‘1950 potrebbero chiamare “intelligenza artificiale” numerosi software incorporati nel nostro mondo, ad esempio il microchip della tua auto che regola l’iniezione di carburante o il database del supermercato che memorizza i record di tutte le vendite o il motore di ricerca di Google.
Ma il campo che si chiama “Intelligenza Artificiale” tende ad essere leggermente diverso dal gruppo molto più ampio di “sviluppatori di software in generale”. I ricercatori di intelligenza artificiale tendono a guardare a forme di software più complesse, adattive, capaci o anche vagamente simili a quelle umane. I lavoratori nell’IA tendono anche ad essere interdisciplinari e ben versati in aree della scienza e della matematica estranee al tipico programmatore, inclusi ma non limitati a: statistica formale, neuroscienze, psicologia evolutiva, apprendimento automatico e teoria delle decisioni.
Nel campo dell’intelligenza artificiale, ci sono due campi principali: i Neats e gli Scruffies. La divisione ha tenuto praticamente da quando AI è stata fondata come campo nel 1956. I nets sono sostenitori di metodi formali come la statistica applicata. A loro piace che i loro programmi siano ben organizzati, dimostrabilmente validi, operino sulla base di teorie concrete e liberamente modificabili. I trasandati amano gli approcci disordinati, come le reti neurali adattive, e si considerano hacker, mettendo insieme qualsiasi cosa finché sembra funzionare. Entrambi gli approcci hanno avuto successi impressionanti in passato e ci sono anche ibridi dei due temi.
Tutti i progetti di intelligenza artificiale sono almeno superficialmente ispirati al cervello umano, poiché per definizione l’intelligenza artificiale consiste nell’imitare alcuni aspetti dell’intelligenza. Le IA devono costruire concetti delle cose che manipolano o con cui lavorano e archiviare quei concetti come blocchi di dati. A volte questi blocchi sono dinamici e aggiornati di frequente, a volte statici. Generalmente un’intelligenza artificiale si occupa di sfruttare le relazioni tra i dati per raggiungere un obiettivo.
Gli obiettivi sono spesso assegnati in base all’utilità. Quando viene presentato un obiettivo, un sistema di intelligenza artificiale può generare obiettivi secondari e assegnare a questi obiettivi secondari valori di utilità in base al loro contributo previsto all’obiettivo principale. L’IA continua a perseguire obiettivi secondari fino a quando non viene raggiunto l’obiettivo principale. Quindi è libero di passare a un nuovo obiettivo primario (ma spesso simile). Ciò che differisce ampiamente tra l’IA è il modo in cui tutte queste dinamiche vengono implementate.