I membri dell’Accademia reale svedese delle scienze, l’8 settembre, hanno deciso di assegnare il premio Nobel per la fisica 2024 a John J. Hopfield e Geoffrey E. Hinton “per le loro scoperte e invenzioni fondamentali che hanno reso possibile l’apprendimento automatico con reti neurali artificiali”. Parole oggi di moda, soprattutto dopo che i grandi modelli di linguaggio (come ad esempio ChatGPT) sono arrivati al grande pubblico.
“Le reti neurali artificiali – ha commentato lo stesso Hinton – avranno conseguenze paragonabili alla rivoluzione industriale. Ma non possiamo escludere il rischio che sfuggano al nostro controllo”.
Una rete neurale è un modello computazionale ispirato alla struttura del cervello umano, composto da nodi (neuroni) organizzati in strati. Ogni nodo elabora informazioni ricevute dagli altri nodi e, attraverso un processo di apprendimento, la rete può riconoscere schemi e prendere decisioni.
In generale, quando si parla di intelligenza artificiale ci si riferisce quasi sempre a una serie di tecnologie basate sul cosiddetto apprendimento automatico, o machine learning, che a sua volta utilizza una struttura chiamata rete neurale artificiale, che già nel nome rimanda direttamente al funzionamento di un cervello naturale.
Con il machine learning i computer non riescono a pensare, ma sono in grado di imitare, e talvolta superare, le abilità umane di memoria e apprendimento.
A differenza degli algoritmi, che ricevono dei dati, li elaborano usando delle regole fisse e strutturate e, infine, ne producono altri in risposta, quelli basati sull’apprendimento automatico imparano per esempi e per imitazioni.
È la differenza che c’è, per esempio, tra la ricetta per preparare una pietanza dolce, che prevede ingredienti e dosi precisi e la difficoltà di riconoscere che l’animale ritratto in una foto sia proprio un cane, e non un gatto e un coniglio: riusciamo a riconoscere il cane perché abbiamo visto migliaia di cani, tutti diversi tra loro e riconducibili all’archetipo-cane.
