Tante, tantissime parole attorno al tema dell’intelligenza artificiale (AI) con il paradosso che, spesso, non se ne comprendono le potenzialità ed i limiti.
In modo semplicistico, l’AI potrebbe essere definita come l’abilità di un sistema tecnologico di risolvere problemi o svolgere attività tipiche della mente e delle abilità umane; nel settore informatico, essa potrebbe identificarsi come la disciplina volta alla realizzazione di macchine (software ed hardware) in grado di “agire” autonomamente.
In quale ambito e come l’intelligenza artificiale viene sfruttata? Quali sono i vantaggi che se ne traggono?
Ormai la sua applicazione è all’ordine del giorno: l’AI è utilizzata in più della metà delle grandi aziende italiane con un forte impatto positivo, automatizzando processi ripetitivi e riducendo in modo consistente la probabilità di errore. A partire dalle auto senza guidatore e gli assistenti vocali (Siri, Cortana, Alexa), passando per i sistemi di riconoscimento dei volti fino ai dispositivi di lettura e analisi di immagini diagnostiche; sono tante altre le attività che possono essere basate su tecniche di apprendimento automatico.
Il contesto
Le problematiche che l’attuale mondo scientifico si trova ad affrontare devono fare i conti con la necessità di immagazzinare una sempre più grossa mole di dati, facilmente accessibile e di quasi immediata interpretazione ed analisi; ciò procede di pari passo con il bisogno di aumentare la potenza di elaborazione dei sistemi hardware che, altrimenti, risulteranno inadeguati a sostenere un’implementazione su larga scala di algoritmi di intelligenza artificiale e ci si potrà in futuro scontrare con l’incapacità di generare energia sufficiente per alimentare le esigenze computazionali.
Risulta evidente, quindi, che si dovrà ripensare gli approcci di calcolo a tutti i livelli: materiali, dispositivi e architettura.
Quale potrebbe essere un approccio alternativo?
I ricercatori della NUS Nanoscience and Nanotechnology Initiative (NUSNNI) hanno riportato l’invenzione di un dispositivo su nanoscala basato su una piattaforma materiale in grado di permettere, allo stesso tempo, un potente calcolo digitale ottimizzato in memoria ed energeticamente efficiente.
Tale dispositivo si basa su sistemi molecolari che sfruttano ligandi redox con l’obiettivo di progettare una molecola che può agire come una “spugna di elettroni”; il Professor Goswmi ha affermato che “le complesse interazioni intermolecolari e ioniche in questi sistemi molecolari offrono un meccanismo unico di sproporzione della carica” che può essere modulata utilizzando campi elettrici.
Crediamo che stiamo solo grattando la superficie di ciò che è possibile fare con questa classe di materiali (…)
Di recente, il Dott. Sreetosh ha scoperto di essere in grado di guidare questi dispositivi in modo da auto-oscillare o addirittura esibire un regime caotico e instabile. Questo è molto vicino alla replica del funzionamento del nostro cervello umano.
– Professor Venkatesan
Ed è questa la ragione per cui il team della National University of Singapore si sta sforzando di sviluppare circuiti efficienti che imitino le funzioni del cervello umano.
Le tante soluzioni
Nonostante la rinomata complessità neurale e computazionale del cervello umano, una sua parziale o completa “ricostruzione” non costituisce un’utopia e lo studio dei ricercatori della NUS Nanoscience and Nanotechnology Initiative non è stato l’unico a dimostrarlo.
I ricercatori dell’ Università della Florida stanno contribuendo a colmare il divario che separa le menti umane e quelle delle macchine, dimostrando che, combinando due promettenti nanomateriali in una nuova sovrastruttura, è possibile creare un dispositivo su nanoscala che imita i percorsi neurali delle cellule cerebrali utilizzate per la visione umana. Questo rappresenta il primo step verso lo sviluppo di computer neuromorfici: processori che, almeno potenzialmente, possono essere utilizzati per realizzare robot in grado di pensare come gli umani.
Molte delle applicazioni che vengono ideate, testate e messe a punto dai ricercatori sono bioispirate perché ciò permette di ottenere sistemi e dispositivi che si adattino alla realtà quanto più possibile.
È proprio verso questa linea che si muove il calcolo neuromorfico che risulta capace di imitare importanti funzionalità cerebrali; un’applicazione di quanto appena detto può riguardare il sistema sensoriale uditivo: in seguito ad uno stimolo sonoro, solo alcuni dei neuroni nella corteccia uditiva del cervello vengono attivati, infatti ogni neurone uditivo è sintonizzato su una determinata gamma di suoni, in modo che ogni neurone sia più sensibile a particolari tipi e livelli di suono rispetto ad altri.
In un nuovo studio, i ricercatori hanno progettato un sistema informatico neuromorfico che imita questa selettività neuronale utilizzando neuroni sintonizzati a livello artificiale che rispondono preferenzialmente a tipi specifici di stimoli; questa architettura si basa sui neuroni e sulle loro sinapsi (giunzioni, che si basano su meccanismi biochimici o elettrici, tramite cui i neuroni si scambiano segnali).
I ricercatori hanno implementato fisicamente neuroni artificiali usando materiali a cambiamento di fase che presentano due stati stabili: uno stato cristallino a bassa resistività e uno stato amorfo ad alta resistività. Proprio come nel calcolo tradizionale, gli stati possono essere commutati dall’applicazione di una tensione.
Quando la conduttanza del neurone raggiunge una certa soglia, il neurone si accende sfruttando appunto il cambiamento di fase del materiale.
In generale, qualunque cellula eccitabile, quindi anche i neuroni, in risposta ad uno stimolo (ed in particolari condizioni) variano la differenza di potenziale esistente tra il loro spazio interno e quello esterno (potenziale di membrana) e si scatena un evento, noto come potenziale d’azione, che è l’evento identificativo dello stato di attivazione.
Nella pratica, quindi, un dispositivo memristivo, che si basa sul meccanismo di cambiamento di fase proprio di alcuni materiali, può essere sfruttato per creare neuroni artificiali e sinapsi per archiviare ed elaborare dati; in particolare lo stato interno del neurone (attivo/a riposo) viene identificato dallo stato in cui si trova il materiale. Le sinapsi biologiche hanno il compito di permettere lo scambio di informazioni, sotto forma di segnali elettrici (i potenziali d’azione), tra i diversi neuroni e nelle sinapsi artificiali tale processo è messo in pratica sfruttando la conduttanza del nanodispositivo.
In questa architettura, ogni neurone sarà sintonizzato su un intervallo o livello specifico dato dal contributo cumulativo dei segnali che gli arrivano tramite le sinapsi.
Direzioni future
In futuro, i ricercatori hanno in programma di sviluppare ulteriormente il concetto di neuroni sintonizzati a livello artificiale al fine di progettare reti neurali potenziate su larga scala.
Il vantaggio di quanto detto risiede nell’elevata selettività degli input: discriminando i neuroni per livello, l’apprendimento risulta facilitato dal fatto che segnali in entrata ripetuti rafforzeranno alcune connessioni sinaptiche e saranno più facilmente riconosciute e discriminate dal rumore; questo permette al singolo neurone artificiale di separare il contributo del flusso informativo utile da quello di errore e, dunque, di rilevare dei modelli in fonti di dati randomici per permettere di scoprire, per esempio, delle tendenze in ambito di social media, oppure organizzazione e interpretazione di dati meteorologici per fare previsioni in tempo reale, piuttosto che fitting di dati sanitari per rilevare modelli di malattia.
I transistor organici che imitano le sinapsi umane
È stato realizzato un transistor a base di composti organici in grado di “imparare” a creare da sé nuove connessioni, proprio come accade nel cervello umano: il progetto è stato portato avanti da un’equipe di scienziati del Laboratory of Organic Electronics, alla Linköping University, in Svezia, coordinata dall’italiano Simone Fabiano.
Il transistor che impara a cambiare
Si tratta di un transistor organico in grado di crescere in presenza di determinati stimoli esterni tramite reazioni di polimerizzazione (reazioni che permettono il cambiamento della struttura formando catene di molecole più lunghe). Ciò che più stupisce è la capacità di “apprendere” come e quando creare nuove connessioni per memorizzare informazioni a medio e lungo termine proprio come accade nelle sinapsi.
Il progetto “The Human Brain”
Un computer potrebbe emulare il cervello umano? Se sì, fino a che punto?
Sono alcune delle domande a cui sta tentando di dare una risposta il progetto “The Human Brain” finanziato dall’UE.
Si può creare una macchina pensante?
Il primo passo di tale progetto consiste in una più approfondita conoscenza del cervello umano: nell’ambito del progetto esso viene, infatti, sezionato e poi scansionato su un supercomputer il quale ne elabora i dati ottenuti. Parallelamente al progetto “Human Brain Project”, all’Università di Berna, in Svizzera, sta lavorando a un nuovo tipo di “macchina pensante”, un computer neuromorfico, detto anche “cervello su chip”, che ha la velocità-lampo dei chip di silicio e la struttura del cervelli.
…se mai un giorno potremo ridurre tutte queste cose alla dimensione del cervello e capire l’architettura stessa del cervello, allora avremo agenti cognitivi che operano migliaia di volte più velocemente degli agenti cognitivi in carne e sangue, cioè noi”
Mihai Petrovici, Università di Berna
Fonti e approfondimenti:
- The nanoscale device that can mimic human brain – https://nano-magazine.com
- IBM scientists imitate the functionality of neurons with a phase-change device – https://phys.org/
- Researchers develop device that mimics brain cells used for human vision – https://phys.org
- An Evolvable Organic Electrochemical Transistor for Neuromorphic Applications – https://onlinelibrary.wiley.com
