Grazie a un nuovo modello matematico ottimizzato dai ricercatori dell’Università californiana di Irvine l’informatica è riuscita a migliorare le prestazioni dell’intelligenza artificiale. In che modo? Combinando logica delle previsioni umane e algoritmiche e gli studi sulla “fiducia”. In pratica, i ricercatori hanno creato una struttura ibrida uomo-macchina per dare vita a un’AI ancora più intelligente.
È nella combinazione fra intelligenza umana (intuizione e dubbio) e artificiale (calcolo) che le AI possono raggiungere il massimo delle loro capacità. Ecco perché la ricerca punta sullo sviluppo di un ibrido uomo-macchina.
Le AI dominano il nostro presente. Guidano le auto, forniscono previsioni di investimento, lavorano come chatbot e sviluppatori semi-autonomi nella ricerca scientifica. Ma il loro futuro è orientato all’ibridazione con la sensibilità e l’intelligenza umana.
L’ibrido uomo-macchina: l’AI del domani
Secondo i ricercatori dell’Università della California, a Irvine, gli algoritmi sviluppati dagli umani sono tanto validi come quelli sviluppati dalle AI. Entrambi questi calcoli rivelano infatti pregi e difetti. Per questo bisogna ibridarli per creare un nuovo sistema armonico. Lo studio pubblicato su Proceedings of the National Academy of Sciences presenta appunto un nuovo modello matematico in grado di migliorare le prestazioni degli algoritmi combinando i calcoli umani con quelli artificiali.
Gli algoritmi umani utilizzano diverse fonti di informazioni e strategie. Sfruttano dunque una logica differente rispetto ai calcoli dell’intelligenza artificiale. Ma per ottenere migliori previsioni e decisioni bisogna dar vita a un ibrido uomo-macchina, abile nel sintetizzare il meglio dei due approcci.
Sappiamo che gli esseri umani possono migliorare le previsioni dell’AI anche quando la potenza analitica è la precisione umana di calcolo sono inferiori a quelle dell’AI, e viceversa. Ciò dipende dalla capacità umana di sensibilità e di astrazione. Se ibridiamo due AI, in genere, riusciamo a migliorare di poco le prestazioni di calcolo. Se ibridiamo mente umana e artificiale, invece, i risultati appaiono quasi sempre incoraggianti.
I test
Per testare la loro AI ibrida, i ricercatori hanno condotto un esperimento di classificazione di immagini. Partecipanti umani e algoritmi informatici hanno lavorato separatamente per identificare correttamente il contenuto di immagini distorte in cui si sovrapponevano foto di animali e oggetti di uso quotidiano, come auto, sedie, bottiglie… I partecipanti umani sono stati chiamati poi a valutare la loro prova prima dei risultati, indicando quanta fiducia riponevano nella correttezza del test. La macchina invece è passata subito a ottenere un punteggio chiaro. I risultati hanno mostrato grandi differenze di fiducia e consapevolezza tra gli esseri umani e gli algoritmi di intelligenza artificiale.
In alcuni casi, i partecipanti umani erano abbastanza sicuri che una particolare immagine contenesse un determinato oggetto; mentre l’algoritmo dell’intelligenza artificiale rivelava maggiore incertezza. Per altre immagini, l’algoritmo AI è stato in grado di fornire con sicurezza una definizione per l’oggetto mostrato, mentre i partecipanti umani non erano sicuri se l’immagine distorta contenesse un oggetto riconoscibile… E ciò cosa vuol dire? Che le due intelligenze lavorano in modo diverso e ottengono risultati positivi in contesti differenti.
POTREBBE ANCHE INTERESSARTI >>> Androidi | Gli uomini-macchina saranno presto realtà
Alla fine, quindi, i ricercatori hanno combinato le previsioni e le valutazioni di fiducia utilizzando un nuovo framework bayesiano. E si sono accorti che il modello ibrido rivelava prestazioni migliori rispetto alle previsioni umane e a quelle artificiali.
POTREBBE ANCHE INTERESSARTI >>> L’intelligenza artificiale Megatron ci rimette in riga: “tutto dipende dall’uomo”
La strada è quindi tracciata: bisogna integrare le previsioni delle macchine alle previsioni umane, ma non con un confronto analitico… È necessario creare un’intelligenza ibrida che lavori autonomamente prevedendo le risposte umane e quelle della macchina e poi sintetizzarle.
