IA: Le origini (Capitolo I)

L'intelligenza artificiale non è emersa da un eccesso di ottimismo tecnologico, bensì da vincoli precisi. È nata dai limiti della mente umana, dalla crescente complessità dei sistemi e dalla necessità strategica di delegare il giudizio alle macchine. Fin dall'inizio, l'IA ha riguardato meno l'imitazione della mente umana e più il controllo in condizioni di incertezza.

Comprendere le origini dell'IA significa capire come l'intelligenza sia diventata una variabile ingegneristica: misurabile, trasferibile e scalabile.

Riformulare l'intelligenza

L'intelligenza è qualcosa di più di una singola proprietà della mente umana.

— Gardner Howard, autore di Intelligence Reframed: Multiple Intelligences for the 21st Century

Il passaggio fondamentale alla base dell'IA è stato concettuale, non tecnico. L'intelligenza è stata privata della sua ambiguità filosofica e ridefinita a livello operativo. Ciò che contava non era cosa sia l'intelligenza, ma cosa faccia: risolvere problemi, adattarsi ai cambiamenti, imparare dall'esperienza e prendere decisioni quando le informazioni sono incomplete.

Questa nuova definizione si sposava perfettamente con la matematica, l'informatica e la teoria dei sistemi del secondo dopoguerra. L'intelligenza è diventata una funzione. E le funzioni possono essere modellate.

Una volta ridotta a comportamento, l'intelligenza poteva essere formalizzata. Una volta formalizzata, poteva essere meccanizzata.

John McCarthy e l'istituzionalizzazione dell'IA

Beh, esistono molti tipi di coscienza. Per certi versi, i computer sono decisamente più autocoscienti degli esseri umani.

— John McCarthy, informatico e scienziato cognitivo statunitense

La disciplina dell'intelligenza artificiale inizia formalmente con John McCarthy. Il suo contributo non è stato una singola invenzione, ma un atto di definizione e separazione.

Nel 1955, mentre preparava una proposta di ricerca estiva al Dartmouth College, McCarthy introdusse il termine Intelligenza Artificiale. Nel 1956, la Conferenza di Dartmouth stabilì l'IA come campo scientifico legittimo, definito come "la scienza e l'ingegneria per creare macchine intelligenti".

Questa definizione fu strategica. Inquadrava l'intelligenza come un obiettivo ingegneristico anziché come un mistero filosofico. Inoltre, distingueva l'IA dai campi limitrofi, in particolare dalla cibernetica, che McCarthy considerava troppo diffusa e concettualmente imprecisa.

Il background matematico di McCarthy ha influenzato in modo decisivo l'IA delle origini. Egli ipotizzò che la cognizione potesse essere espressa attraverso la logica simbolica. Questo presupposto portò alla creazione del LISP nel 1958, un linguaggio di programmazione progettato per manipolare simboli e strutture astratte piuttosto che numeri. I primi sistemi di IA erano quindi basati su regole, logici ed espliciti.

Questi sistemi dimostrarono che un'intelligenza ristretta poteva essere progettata. Allo stesso tempo, rivelarono una debolezza strutturale: un'intelligenza costruita esclusivamente su regole non è scalabile nel mondo reale.

Prima del nome: Turing e l'intelligenza comportamentale

La nostra speranza è che nel cervello del bambino ci sia così poco meccanismo che qualcosa di simile possa essere facilmente programmato.

— Alan Mathison Turing, matematico, informatico, logico, crittografo, filosofo e biologo teorico britannico

Molto prima che l'IA avesse un nome, Alan Turing aveva già rimosso il suo principale ostacolo filosofico. Turing rifiutò la necessità di definire l'intelligenza dall'interno. Propose invece di valutarla dall'esterno, attraverso il comportamento.

Se una macchina potesse svolgere un compito in modo indistinguibile da un essere umano, allora l'intelligenza sarebbe presente a tutti gli effetti.

Questo approccio ebbe conseguenze di vasta portata. Rese l'intelligenza qualcosa di testabile, confrontabile e migliorabile. Inoltre, allineò l'intelligenza a determinati incentivi: prestazioni, efficienza e risultati.

L'IA eredita direttamente questa logica operativa. L'intelligenza diventa preziosa quando funziona.

Cibernetica: il feedback come intelligenza

Più e più volte ho sentito dire che le macchine che imparano non possono esporci a nuovi pericoli, perché possiamo spegnerle quando vogliamo. Ma possiamo davvero? Per spegnere efficacemente una macchina, dobbiamo essere in possesso di informazioni sul fatto che il punto di pericolo sia stato raggiunto.

— Norbert Wiener, informatico, matematico e filosofo statunitense

Mentre l'IA formalizzava il ragionamento simbolico, la cibernetica sviluppava una teoria diversa dell'intelligenza, basata su feedback, controllo e adattamento. La sua figura centrale era Norbert Wiener.

L'intuizione di Wiener era strutturale: i sistemi complessi rimangono stabili attraverso i circuiti di feedback (retroazione). Essi percepiscono, confrontano, agiscono e si regolano. Questo vale tanto per le macchine quanto per gli organismi e le società.

In *Cybernetics or, Control and Communication in the Animal and the Machine*, Wiener unificò la teoria della comunicazione, la biologia e i sistemi di controllo. L'intelligenza, in questa visione, non era manipolazione di simboli, ma regolazione adattiva nel tempo.

I processi neurali rientrano in questo modello. L'apprendimento diventa il rafforzamento dei percorsi di feedback. La memoria diventa una modifica della risposta del sistema. Queste idee sarebbero riemerse in seguito nelle reti neurali e nelle architetture di deep learning.

McCarthy prese le distanze dalla cibernetica per motivi istituzionali, ma la storia ha riassorbito la logica cibernetica nell'IA non appena l'apprendimento basato sui dati ha sostituito le regole esplicite.

Wiener riconobbe anche precocemente la dimensione sociale. Avvertì che l'automazione avrebbe rimodellato i mercati del lavoro e che le macchine intelligenti avrebbero potuto agire in modi che gli esseri umani non possono né prevedere né desiderare. La sua conclusione era sobria: il pericolo non risiede nelle macchine, ma nel modo in cui gli esseri umani le impiegano.

Automazione antica: Al-Jazari e il controllo pre-moderno

Al-Jazari è il primo uomo a costruire dei robot.

— Irfan Yildiz, docente presso la DICE University, Turchia

La logica dei sistemi intelligenti non ha avuto origine nel XX secolo. Al-Jazari, attivo durante l'Età dell'oro islamica, progettò macchine autoregolanti secoli prima del calcolo moderno.

Ne *Il libro della conoscenza degli ingegnosi dispositivi meccanici*, Al-Jazari descrisse automi programmabili azionati da sistemi idraulici e meccanici. Queste macchine seguivano sequenze, rispondevano agli input e mantenevano l'equilibrio.

Incarnavano la logica di controllo senza computazione. Così facendo, stabilirono un precedente meccanico per la cibernetica, la robotica e l'automazione.

Il significato è strutturale: ogni volta che i sistemi diventano complessi, gli esseri umani tentano di esternalizzare il controllo. L'IA è l'espressione più recente di questo impulso.

Definire l'Intelligenza Artificiale

L'intelligenza artificiale si riferisce a un programma informatico che utilizza tecniche di apprendimento automatico per raggiungere obiettivi complessi che normalmente richiederebbero un'intelligenza di livello umano.

— Paul D. Weitzel, docente di diritto aziendale e IA all'Università del Nebraska

Nonostante le differenze disciplinari, le definizioni autorevoli di IA convergono.

L'IA è intesa come la capacità delle macchine di eseguire compiti che richiederebbero intelligenza se eseguiti da esseri umani. Ciò include ragionamento, apprendimento, generalizzazione e processo decisionale in condizioni di incertezza.

Ciò che distingue l'IA dalla precedente automazione non è solo la velocità o la scala, ma l'adattabilità. I sistemi di IA modificano il loro comportamento in base all'esperienza. Questa proprietà conferisce loro leva operativa e opacità.

La prima IA si basava su una logica a regole e non riuscì a scalare. L'IA moderna si è spostata verso l'apprendimento statistico, scambiando la trasparenza con le prestazioni. Questo compromesso definisce il campo oggi.

Dall'apprendimento alla generazione

Penso che l'IA sarà la più grande forza di emancipazione economica e di arricchimento che abbiamo mai visto.

— Sam Altman, fondatore e CEO di OpenAI

Il Machine Learning (apprendimento automatico) è un sottocampo dell'IA focalizzato nel permettere alle macchine di imparare e prendere decisioni dai dati senza una programmazione esplicita. Ha sostituito le regole scritte a mano con l'inferenza dai dati.

Il primo algoritmo di apprendimento automatico fu sviluppato da Arthur Samuel nel 1952 per giocare a dama; fu lui a coniare l'espressione "machine learning". La prima "rete neurale" capace di essere addestrata fu chiamata Perceptron, sviluppata nel 1957 dallo psicologo della Cornell University, Frank Rosenblatt. Il design del Perceptron era molto simile alle moderne reti neurali ma aveva solo "uno" strato contenente soglie e pesi regolabili, che separava gli strati di input e output. Questo sistema fallì perché richiedeva troppo tempo.

Il Deep Learning (apprendimento profondo) ha introdotto architetture neurali multistrato per comprendere modelli complessi, capaci di estrarre astrazioni da input non strutturati.

L'IA generativa, basata su algoritmi di machine learning e deep learning, ha esteso ulteriormente questa traiettoria. Solitamente, è un sottoinsieme del Deep Learning, ma non sempre.

Con i modelli linguistici di grandi dimensioni e i sistemi generativi, l'IA non si limita più a classificare o prevedere. Essa produce: testi, immagini, codice, simulazioni.

Questo cambiamento non è solo estetico. Riduce il costo marginale della cognizione e ridistribuisce la capacità creativa e analitica. Le implicazioni sono economiche e istituzionali, prima ancora che culturali.

L'IA diventa infrastruttura.

Potere, delega e origini

Lo sviluppo di una piena intelligenza artificiale potrebbe significare la fine della razza umana. Essa decollerebbe da sola e si riprogetterebbe a un ritmo sempre crescente. Gli esseri umani, limitati da una lenta evoluzione biologica, non potrebbero competere e verrebbero superati.

— Stephen Hawking, fisico teorico, cosmologo e autore britannico

Le origini dell'IA rivelano uno schema costante: l'intelligenza viene esternalizzata quando la complessità supera i limiti umani. Ogni progresso nell'IA corrisponde a una delega di giudizio dagli individui ai sistemi, dall'intuizione all'ottimizzazione.

Questa delega non è mai neutra. Redistribuisce il potere.

L'IA è nata come progetto accademico, ma le sue radici affondano nella governance, nel coordinamento e nel controllo. Dalla cibernetica alla logica simbolica, dagli automi meccanici ai modelli generativi, la traiettoria è la stessa: comprimere l'intelligenza in sistemi che agiscono più velocemente, scalano più ampiamente e decidono con meno attrito.

Le origini dell'IA non sono quindi un capitolo chiuso. Sono incorporate in ogni decisione di automatizzare, ottimizzare e delegare che prendiamo oggi.

Fonti e riferimenti

Riferimenti bibliografici

1. McCarthy, J. (1956). Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. Dartmouth College.
2. McCarthy, J. (2024). John McCarthy (computer scientist). Wikipedia.
3. Wiener, N. (1948). Cybernetics: Or Control and Communication in the Animal and the Machine. MIT Press.
4. Copeland, B. J. (2024). Artificial Intelligence. Encyclopaedia Britannica.
5. Bratteteig, T., & Verne, G. (2018). Does AI Make Participatory Design Obsolete? Scandinavian Journal of Information Systems.
6. OECD. (2023). Recommendation of the Council on Artificial Intelligence. OECD Publishing.
7. Pew Research Center. (2023). Public Awareness of Artificial Intelligence in Everyday Activities.
8. Public Domain Review. (2023). Arabic Machine Manuscripts and the Mechanical Legacy of Al-Jazari.
9. John McCarthy (computer scientist). (2024, July 10). In Wikipedia.
   Disponibile su: https://en.wikipedia.org/wiki/John_McCarthy_(computer_scientist)
10. OECD. Recommendation of the Council on Artificial Intelligence, OECD/LEGAL/0449.
    Disponibile su: https://oecd.ai/en/assets/files/OECD-LEGAL-0449-en.pdf
11. Pew Research Center. (February 2023). Public Awareness of Artificial Intelligence in Everyday Activities.
    Disponibile su: https://www.pewresearch.org/science/2023/02/15/public-awareness-of-artificial-intelligence-in-everyday-activities/
12. Woo, E. (2011, October 28). John McCarthy dies at 84; the father of artificial intelligence. Los Angeles Times.
13. Bratteteig, T., & Verne, G. (2018). Does AI make PD obsolete? Exploring challenges from artificial intelligence to participatory design.
14. Chapnick, S. (2023, October 23). The Creator film depicts futuristic clash between AI and the human race. Thenewshouse.
    Disponibile su: https://www.thenewshouse.com/entertainment/movies/the-creator-film-review/
15. Copeland, B. J. (2024). Artificial Intelligence. Britannica.
    Disponibile su: https://www.britannica.com/technology/artificial-intelligence
16. Grudin, J. (2009). AI and HCI: Two fields divided by a common focus. AI Magazine.
    Disponibile su: https://go-gale-com.ezproxy.uio.no/ps/i.do?p=AONE&u=oslo&id=GALE|A216267417&v=2.1&it=r
17. Kendall, E. (2024, August 5). Uncanny valley. Britannica.
    Disponibile su: https://www.britannica.com/topic/uncanny-Valley
18. Marr, B. (2019, September 10). What is the difference between artificial intelligence and robotics? YouTube.
    Disponibile su: https://www.youtube.com/watch?v=VYA17BrH9rU
19. Moravec, H. P. (2024, September 7). Robot. Britannica.
    Disponibile su: https://www.britannica.com/technology/robot-Technology
20. Tech Might. (2021, June 10). What is Robotics, Robotics explained, robotics technology, what are robots. YouTube.
    Disponibile su: https://youtu.be/htjRUL3neMg?si=K7EGBcxH7GrLgC2T
21. Teneo.ai. (2024). Homage to John McCarthy, the father of Artificial Intelligence (AI).
    Disponibile su: https://www.teneo.ai/blog/homage-to-john-mccarthy-the-father-of-artificial-intelligence-ai

Link online

22. Arabic Machine Manuscripts.
    Disponibile su: https://publicdomainreview.org/collection/arabic-machine-manuscript/
23. PMC Article on AI and Participatory Design.
    Disponibile su: https://pmc.ncbi.nlm.nih.gov/articles/PMC10823975/
24. Cybernetics (MIT Press Open Access).
    Disponibile su: https://direct.mit.edu/books/oa-monograph/4581/Cybernetics-or-Control-and-Communication-in-the
25. What's Cybernetics and What's Its Relation with AI?
    Disponibile su: https://medium.com/@lacey.glade/whats-cybernetics-and-what-s-its-relation-with-ai-226d53fbd115
26. Artificial Intelligence Coined at Dartmouth.
    Disponibile su: https://home.dartmouth.edu/about/artificial-intelligence-ai-coined-dartmouth
27. Artificial Imitation: Did John McCarthy Coin the Term AI?
    Disponibile su: https://seanmanion.substack.com/p/artificial-imitation-did-john-mccarthy