Intelligenza artificiale, dalla nascita ad oggi

Scritto il 13/02/2024
da Silvia Fabbri

L’intelligenza artificiale (IA) è un ramo dell’informatica che va a dotare le macchine di caratteristiche tipicamente correlate all’essere umano quali le percezioni visive, spazio-temporali e decisionali grazie alla programmazione e progettazione di sistemi. Non si tratta di mera capacità di calcolo o conoscenza di dati astratti; un sistema può essere definito intelligente se dotato di una o più delle differenti forme di intelligenza riconosciute dalla teoria di Gardner (logico-matematica, linguistica, spaziale, musicale, corporale-kinestetica, interpersonale e intrapersonale). È proprio ricreando una o più delle diverse forme di intelligenza che si realizza un sistema intelligente.

Breve storia della nascita dell’IA

L’intelligenza artificiale per come la conosciamo ad oggi nasce con l’avvento del Computer nel 1956, anno in cui si tenne la Conferenza di Darthmouth durante la quale il matematico John McCarthy, il fisico visionario Marvin Minsky, l’ingegnere di IBM Nathaniel Rochester e il padre dell’informazione Claude Shannon, proposero un vero e proprio manifesto per l’intelligenza artificiale che dichiarava ogni aspetto dell’apprendimento o di qualsiasi altra caratteristica dell’intelligenza può in linea di principio essere descritto così precisamente da farne una macchina in grado di simularlo.

Gli anni successivi alla nascita dell’IA furono una fucina di idee ed esperimenti. Aziende e Università si lanciarono nella ricerca e nello sviluppo di programmi e software in grado di agire e pensare come gli esseri umani. Nacque il Lisp, il primo linguaggio di programmazione che per oltre trent’anni fu alla base dei software di IA.

Durante la metà degli anni Sessanta la ricerca in questo settore subì un rallentamento considerevole: tutto ciò che era stato prodotto fino a quel momento non riusciva a rispondere alla necessità di realizzare macchine e programmi in grado di trovare soluzioni a problematiche vicine alla realtà umana.

La svolta avvenne grazie alla ricerca in ambito biologico

Nel 1969 alcuni ricercatori del Carnegie Institute of Technology, crearono DENDRAL, un programma in grado di ricostruire una semplice molecola dalle informazioni ottenute dallo spettrometro di massa.

Questo permise di cambiare paradigma e di basare l’intelligenza artificiale sui sistemi esperti, in grado di trovare soluzioni specifiche per particolari scenari.

Nel 1996 il computer scacchistico “Deep Blue” di IBM batte il campione del mondo di scacchi Garry Kasparov grazie ad un algoritmo in grado di apprendere per reti neurali. Anche se i primi incontri furono vinti da Kasparov, grazie alle migliorie al sistema di apprendimento di Deep Blue, le successive partite furono vinte dal computer.

Tipi di intelligenza artificiale

Le tecnologie dell’IA sono classificate in base alla capacità che hanno di imitare le caratteristiche umane e all’applicabilità nel mondo reale.

Si distinguono, generalmente, tre tipi di IA.

ANI (Artificial Narrow Intelligence)Specializzata in un’attività specifica o un compito limitato, il suo scopo è quello di svolgere efficientemente compiti specifici, non ha capacità di comprendere o effettuare attività al di fuori dell’ambito di competenza
AGI (Artificial General Intelligence)La macchina ha la capacità di formulare pensieri e prendere decisioni come noi umani, ha come obiettivo quello di svolgere compiti multifunzionali e di agire come assistente realistico, con intelligenza al pari di quella umana. Non esistono ancora esempi di IA forte, le sue fondamenta potrebbero essere costruite a partire da supercomputer, hardware quantistico e modelli di IA Generativa come ChatGPT
ASI (Artificial Super Intelligence)Stadio in cui l’IA supererà le capacità degli esseri umani. È ad oggi un concetto teorico e rappresenta il livello più elevato di IA

Intelligenza artificiale generativa in Sanità

I sistemi intelligenti in Sanità seguono un pattern tipico: essi vanno ad analizzare un massivo quantitativo di dati tramite algoritmi specifici di machine-learning devono estrapolare informazioni utili al fine di trovare una soluzione ad un problema medico di qualsiasi natura.

Il settore sanitario è un mondo estremamente complesso, diffidente nei confronti della tecnologia e con scarsa tolleranza al rischio, l’evoluzione tecnologica trova difficilmente terreno fertile. Tuttavia, l’AI generativa sta mostrando le sue possibilità nel settore sanitario con buoni risultati, essa risulta una sfida che apre a riflessioni di carattere etico, di sicurezza e di privacy.

Tramite l’approccio inferenziale dell’AI è possibile ottenere un’interpretazione dei dati clinici esistenti a supporto delle decisioni mediche (questo è già visibile nell’interpretazione dell’imaging radiologico, degli esami di laboratorio, ecc.). Un altro aspetto che può essere rivoluzionato ed ottimizzato significativamente è quello che concerne l’organizzazione ospedaliera (bed management, gestione delle operazioni, ecc.).

L’utilizzo del LLM (Large Language Model), come GPT di OpenAI, permette una semplificazione consistente del lavoro in quanto l’AI presenta in linguaggio naturale i dati clinici e ne permette l’interrogazione da parte degli operatori sanitari.

Gli LLM forniscono una riproposizione di tutta la base dati cui accedono e ristrutturano, non vanno a fornire nuove informazioni, questo permette una riduzione del tempo di analisi ed interrogazione dei dati clinici, permettendo così alla Sanità di affrontare l’aumento dei volumi e dei costi e la scarsità di personale sanitario.