Processi di apprendimento di un computer

Il principale meccanismo di apprendimento di un computer si basa sul processo di memorizzazione delle informazioni.

Il tipo di codifica porta a stati del tipo tutto o niente, ma utilizzando una logica fuzzy si può memorizzare informazioni di tipo “sfumato” che consentono di gestire variabili soggette a incertezza e a conoscenza incompleta.

L'introduzione di algoritmi di tipo caotico consentono di rendere il sistema imprevedibile fornendo quella caratteristica tipicamente umana della contingenza e irripetibilità delle risposte. Le regole computazionali, con cui le connessioni tra i dati che costituiscono la memoria sono elaborati, potrebbero essere rafforzate o indebolite in modo da migliorare le prestazioni globali secondo criteri determinati dall'ambiente esterno.

È possibile utilizzare tecniche analoghe a quelle tipiche degli algoritmi genetici, in cui vi è una selezione naturale tra differenti procedure algoritmiche: l'algoritmo più efficace nasce per una specie di sopravvivenza del più adatto. In aggiunta vi possono essere elementi casuali incorporati nel modo in cui la macchina deve modificare le proprie prestazioni. In particolare è possibile utilizzare la variabile temporale per ottenere, tramite processi caotici, un effetto di pura casualità.

L'apprendimento può essere controllato da un esperto umano oppure basato su algoritmi di coerenza e non contraddizione. In particolare possono esistere due tipi di input: quello artificiale e quello naturale.

Per quanto riguarda l'input artificiale si immagini un insegnante che comunica alla macchina le verità matematiche e cerca di guidarlo verso l'ottenimento di un modo per distinguere le verità dalle falsità. L'insegnante può informare la macchina quando ha fatto un errore o comunicarle vari concetti matematici e differenti metodi accettabili di dimostrazione matematica. Per quanto riguarda l'input naturale dall'ambiente fisico si potrebbe avere “idee” mutuate dal comportamento degli oggetti fisici.

L'ambiente potrebbe anche offrire realizzazioni concrete di concetti matematici. Tuttavia con il passare del tempo gli insegnanti e l'ambiente fisico potrebbero essere sempre meno essenziali per la formazione dei giudizi della macchina, in particolare diverrebbe sempre più importante la potenza computazionale interna.

Il criterio di non contradditorietà diverrebbe sempre più predominante.

Se la macchina deve avere realmente le capacità di un essere umano, avrà bisogno di una specie di concetto di “verità matematica inconfutabile". Ora il concetto di “verità inconfutabile" di un matematico umano non può essere ottenuto da qualsiasi insieme di regole meccaniche che sia conoscibile e completamente credibile.

Se supponiamo che una macchina sia capace di raggiungere il livello di capacità matematica di un matematico umano, allora anche il suo concetto di verità matematica inconfutabile deve essere qualcosa che non può essere conseguito da qualsiasi insieme di regole meccaniche percepito come valido.

Questo punto mette in luce le difficoltà intrinseche nella realizzazione di un algoritmo di apprendimento che possa essere di carattere generale e nello stesso tempo efficiente.

Autore: Oscar Bettelli