Le scienze cognitive sono alla base delle odierne scoperte e innovazioni in tema di intelligenza artificiale. Nel seguito, una breve disamina della storia di questa disciplina e del contributo che la stessa ha fornito all’informatica.
Cosa sono le scienze cognitive
Le scienze cognitive racchiudono tutte le discipline che si occupano di studiare, sia sotto il profilo strettamente medico-scientifico che sotto il profilo filosofico-psicologico, i metodi cognitivi, al fine di meglio comprendere l’esatto funzionamento del cervello e dei processi decisionali, da intendersi, questi, come i processi di elaborazione delle informazioni ricevute.
All’interno delle scienze cognitive, a titolo meramente esemplificativo, rientrano la filosofia della mente, la neurofisiologia, la neuroscienza cognitiva, la psicologia cognitiva, l’intelligenza artificiale (IA) e la linguistica cognitiva. Se ne deduce che dette scienze sono dotate di un forte carattere di interdisciplinarità, che arriva a spaziare anche nella matematica e nell’arte, essendo la stessa mente un complesso di molteplici elementi differenti.
Il punto comune delle scienze cognitive, ad ogni modo, è lo scopo: come detto, all’interno di tale branca gli studiosi si occupano di decifrare e capire secondo quali modalità si formano i pensieri, le emozioni, l’immaginazione, l’intelligenza e la creatività.
Le scienze cognitive possono occuparsi di studiare due tipologie di pensiero, quello umano e quello artificiale:
- nel primo caso, le branche interessate saranno la psicologia cognitiva o la neuroscienza cognitiva;
- nel secondo caso, avendo a che fare con dei sistemi artificiali creati dall’uomo, le branche interessate saranno l’intelligenza artificiale o la robotica.
I punti di contatto fra gli studi sulla psicologia umana e l’intelligenza artificiale sono, comunque, molteplici, come avremo modo di analizzare meglio nel seguito.
Quando sono nate le scienze cognitive
Il funzionamento della mente umana ha sempre suscitato estrema curiosità: inizialmente, di esso se ne occupavano i filosofi, dediti all’analisi dei molteplici mutamenti della mente umana; poi, con l’avvento della psicologia sperimentale nel XIX secolo, l’analisi dei processi cognitivi fu svolta in maniera maggiormente sistematica.
![scienze cognitive](https://www.ai4business.it/wp-content/uploads/sites/11/2021/03/turing-150x150.jpg)
Le origini delle scienze cognitive, così come le conosciamo oggi, ossia come rappresentazione complessa tramite simboli matematici del funzionamento della mente, tuttavia, vengono fatte risalire agli anni 50, quando matematici e ricercatori, tra cui, in particolare, Alan Turing, iniziarono a pensare al pensiero come a qualcosa di rappresentabile tramite simboli e rappresentazioni complesse, tramite l’applicazione delle leggi della matematica.
Ad Alan Turing, in special modo, si deve riconoscere l’immenso contributo di aver contribuito alla teorizzazione della macchina perfetta, ovvero una macchina che emula l’esatto funzionamento della mente umana, rendendo impossibile per l’interlocutore comprendere se si trovi o meno di fronte a un altro individuo o a una macchina (il c.d. test di Turing). Turing, infatti, riteneva che la mente fosse un vero e proprio sistema di elaborazione di informazioni (c.d. Human Information Processing o HIP), al pari di un computer, ma che funzionasse secondo regole ben più complesse rispetto a quelli che erano gli standard dell’epoca.
Le rappresentazioni mentali altro non sono da ritenersi che le regole, i concetti, le immagini e i ricordi che la mente immagazzina alla stregua di dati, organizzandone il flusso secondo veri e propri algoritmi di calcolo, al fine di risolvere una o più problematiche che gli vengono poste.
Da dette teorizzazioni sono poi nate, nel tempo, numerose branche delle scienze cognitive, che si occupano di ricondurre il funzionamento dei processi artificiali a quelli delle reti neurali umane. Tant’è che, negli anni 80, nasce un primo gruppo di ricercatori dedicati all’approfondimento delle neuroscienze presso la Harvard University, cui andrà ad affiancarsi il MIT di Boston. Il crescente interesse nella disciplina in esame porta anche alla realizzazione di numerosi convegni e riviste dedicate, oltre a corsi di studio specifici.
Cosa sono le neuroscienze
All’interno delle scienze cognitive, occorre prestare particolare attenzione alle neuroscienze, nate, come detto, all’inizio degli anni Ottanta all’interno dell’Università di Harvard e consolidatesi grazie alla pubblicazione, sempre nel medesimo periodo, del “Journal of Cognitive Neuroscience” stampato dal MIT. A detto ambito afferiscono differenti discipline, come l’anatomia, la biologia molecolare, la matematica, la medicina, la farmacologia, la fisiologia, la fisica, l’ingegneria e la psicologia.
In linea con quanto teorizzato da Turing, le neuroscienze ipotizzano che tutti i pensieri e le rappresentazioni mentali siano veri e propri modelli di attività neurale e che il ragionamento deduttivo sia, in sostanza, l’applicazione di tali modelli (simili ad algoritmi) alle diverse situazioni fattuali, per poterle affrontare e risolvere, in modo più o meno efficace, grazie all’ausilio di tutte le informazioni raccolte dall’individuo.
Per tale ragione, il compito degli studiosi è quello di indagare in che modo il sistema nervoso si sviluppa e matura nel corso degli anni, qual è la sua anatomia, quali siano le connessioni esistenti tra le diverse aree cerebrali, e altro, sia in condizioni normali che non, come ad esempio nel caso in cui il funzionamento cerebrale sia alterato dalla presenza di disturbi dello sviluppo, disturbi psichiatrici e/o neurologici.
Grazie allo sviluppo delle neuroscienze è possibile, oggi, elaborare macchine sempre più efficienti, a dimensioni sempre maggiormente ridotte, che sono entrate ormai a far parte della vita di ognuno di noi (si pensi, in primis, ai nostri smartphone ed ai moderni computer e software). Ad oggi, grazie al profondo studio della mente, è possibile addirittura simulare delle reti di neuroni artificiali, e svolgere attività computazionali quasi del tutto assimilabili a quelle umane.
Non solo: grazie alla comprensione del cervello che deriva da questi studi, è oggi consentito anche di prevenire l’insorgere di deficit di funzionamento cerebrale, provvedendo alla tempestiva diagnosi e cura degli stessi tramite farmaci e riabilitazioni specifici.
Sono due i principali strumenti di cui gli studiosi di neuroscienze si avvalgono per condurre le proprie ricerche:
- la tomografia a emissione di positroni (PET);
- la risonanza magnetica per la visualizzazione funzionale (FMRI).
Detti strumenti, consentendo di registrare le attività svolte dai singoli neuroni e di indentificare le regioni del cervello che sono coinvolte nello svolgimento delle più svariate attività, hanno permesso di indagare il cervello umano e animale nella sua integrità, senza che si rendessero necessari interventi invasivi o che potessero interferire con le fisiologiche funzioni cerebrali oltre che di mappare tutte le aree del cervello coinvolte nel ragionamento o nell’esecuzione di determinati compiti.
Qual è il ruolo delle neuroscienze cognitive nell’AI
Grazie allo studio delle modalità tramite cui il nostro cervello apprende, le neuroscienze e, in particolare, le neuroscienze cognitive e computazionali, hanno permesso agli ingegneri informatici di elaborare modelli di intelligenza artificiale sempre più complessi, che emulano precisi processi e schemi neurali.
Sono due le principali correnti di pensiero che orientano la ricerca nel campo dell’informatica neurale:
- la prima, a impostazione simbolica, prevede che, per riprodurre l’attività cognitiva, si debba partire da modelli astratti rappresentati per mezzo di simili, essendo la mente simile a una macchina, il cui comportamento può essere replicato all’interno di un computer;
- la seconda, a impostazione connessionista, e oggi maggiormente sposata, cerca di riprodurre l’intelligenza del cervello ispirandosi al funzionamento del sistema nervoso, ovvero emulando i neuroni. Tale impostazione ha consentito di addivenire alle odierne reti neurali artificiali, o Rna, programmi capaci di svolgere veri e propri ragionamenti in via del tutto autonoma. Grazie alle reti neurali artificiali è oggi possibile costruire intelligenze artificiali che, ad esempio, riconoscano delle immagini meglio di come lo farebbe un essere umano.
In poche parole, compito delle neuroscienze nello sviluppo delle intelligenze artificiali è quello di approfondire diverse aree del cervello umana:
- ragionamento;
- acquisizione della conoscenza;
- linguaggio e comunicazione;
- interazione con l’ambiente;
- memorizzazione delle informazioni;
- riconoscimento degli oggetti;
allo scopo ultimo di costruire una intelligenza artificiale “perfetta” che superi il test di Turing. I requisiti dell’intelligenza artificiale “perfetta”, per poter essere ritenuta tale, sono 4:
- riuscire a prendere decisioni e pianificare a medio/lungo termine;
- saper interagire con il mondo fisico, percependo ciò che la circonda, comprendendolo e comportandosi di conseguenza;
- riuscire a orientarsi e a muoversi nello spazio, manipolando gli oggetti sulla base dei differenti scopi da raggiungere, e interagendo con gli umani tramite la comprensione sia del linguaggio naturale che delle emozioni;
- essere in grado di adattarsi all’ambiente e di accumulare nuove conoscenze, con l’obiettivo finale di risolvere nuovi e diversi problemi.
Sulla base di tali presupposti si distingue, poi, tra un sistema di intelligenza artificiale forte (ovvero dotato di coscienza e intenzionalità) e un sistema di intelligenza artificiale debole (privo di coscienza, che simula una mente ma non ne è dotato).
Ad oggi, è stato possibile soltanto emulare il ragionamento umano all’interno di specifici ambiti, non essendo dotati di un modello unico di funzionamento della mente umana, proprio grazie all’emulazione dei neuroni.
La creazione di reti neurali multistrato ha portato al c.d. deep learning, che permette di effettuare operazioni logiche più complesse tramite l’utilizzo di algoritmi di apprendimento progettati per sfruttare le massime capacità computazioni di informazioni, in parallelo, delle reti neurali. Gli algoritmi di deep learning sono, allo stato attuale, alla base dei principali progressi compiuti dall’informatica nel settore del riconoscimento vocale e dell’elaborazione del linguaggio, nell’analisi comportamentale dei consumatori, ed altro.
Scienze cognitive e AI, cos’è il cognitive computing
Meglio compreso in che cosa consistano le scienze cognitive, e quali siano le loro applicazioni nel settore dell’intelligenza artificiale, analizziamo meglio cosa sia il c.d. cognitive computing, o informatica cognitiva, consistente nella fusione tra i punti di forza della capacità computazionale dei sistemi artificiali e le capacità cognitivo-logiche della mente umana.
Come è possibile dedurre dal nome stesso, il cognitive computing serve a trasformare i dati raccolti da uno o più fonti e sistemi (si pensi, in particolare, ai big data), in informazioni, tramite l’organizzazione, la ponderazione e la comprensione degli stessi.
I sistemi di cognitive computing, dunque, tramite l’utilizzo di tecniche miste come il natural language processing e il machine learning, si occupano di sintetizzare enormi quantità di dati, provenienti da fonti eterogenee, valutandone allo stesso tempo sia il contesto che l’evidenza secondo una serie di variabili diverse, al fine di fornire una risposta coerente con le domande a lui originariamente poste.
L’efficacia del cognitive computing deriva da diversi fattori:
- la possibilità di “apprendere”, attingendo anche dal contesto in cui si opera, permettendo l’elaborazione di informazioni e report coerenti e correlate con le specifiche necessità dell’azienda;
- andare oltre la logica binaria del sì/no, al pari del cervello umano: il risultato non sarà certo, ma sarà basato su punteggi e correlazioni;
- migliorare la propria precisione con l’aumentare del numero di informazioni e dati acquisiti;
- saper utilizzare il linguaggio naturale, comprese le capacità visive e dialettiche, per comunicare in modo efficace e dettagliato con l’utente.
Da tali elementi, è stato possibile elaborare i cinque attributi chiave dei sistemi di cognitive computing:
- adattivo;
- interattivo;
- interative e stateful (in grado di identificare i problemi);
- contestuale;
Intelligenza artificiale e intelligenza umana
![scienze cognitive](https://www.ai4business.it/wp-content/uploads/sites/11/2021/03/watson2-300x172.jpg)
Grazie a tali peculiarità, l’uso di sistemi di cognitive computing permette di automatizzare azioni di elaborazione dati particolarmente complesse, riducendo i tempi necessari alla risoluzione delle problematiche aziendali secondo i metodi tradizionali, standardizzando le modalità di comportamento della clientela, elaborando offerte personalizzate sulla base dei gusti dei consumatori, prevedere l’andamento delle vendite per pianificare la gestione del magazzino, gestire la supply chain, pianificare la manutenzione degli impianti.
Vantaggi, questi, confermati da IBM Watson, sistema che apprende in modo continuativo tramite tecniche combinate di deep learning e machine learning per risolvere svariati problemi: riconoscimento visivo, comprensione di un testo scritto, comprensione del parlato, studi sulla personalità, ecc.
È possibile implementare sistemi di cognitive computing anche nel settore sanitario: nel campo della diagnostica, in particolare, l’affiancamento di detti sistemi nell’analisi degli esami di laboratorio dei pazienti, potendo attingere alle ricerche più aggiornate sul tema, potrebbero rendere la diagnosi molto più veloce e precisa, permettendo altresì di elaborare terapie mirate.