Inverno dell’IA
anni 1970–anni 1990 · Il divario tra promesse e realtà
Il raffreddamento del primo boom dell’IA arrivò più rapidamente del previsto. All’inizio degli anni ’70, i ricercatori di IA scoprirono di aver enormemente sottovalutato la difficoltà di realizzare l’intelligenza. La riduzione dei finanziamenti e le aspettative pubbliche disattese sprofondarono l’IA in un lungo inverno di critiche e scetticismo.
Questo periodo può essere suddiviso in due fasi principali: il primo inverno dell’IA (anni ’70-’80) e il secondo inverno dell’IA (1987–1993). Tuttavia, anche durante questo periodo difficile, vi furono sviluppi importanti — le applicazioni commerciali dei sistemi esperti, la rinascita del connessionismo e la storica vittoria a scacchi di IBM Deep Blue — che gettarono le basi per la rinascita dell’IA.
È degno di nota che, anche durante l’inverno, il governo giapponese continuò a investire nel progetto Fifth Generation Computer, dimostrando una fiducia a lungo termine nello sviluppo dell’IA.
Pietre miliari
Critica di Minsky-Papert
Marvin Minsky e Seymour Papert pubblicarono «Perceptrons», un’analisi rigorosa di ciò che i percettroni a singolo strato possono e non possono rappresentare. Il libro è spesso associato al successivo calo d’interesse per le reti neurali, ma i cambiamenti nei finanziamenti riflettevano anche limiti di calcolo, aspettative disattese e decisioni politiche più ampie.
Marvin Minsky e Seymour Papert
La nascita di Prolog
Alain Colmerauer, Philippe Roussel e i loro collaboratori svilupparono a Marsiglia la prima versione di Prolog, applicando la logica dei predicati alla programmazione e facendo avanzare la programmazione logica e l’IA simbolica.
Alain Colmerauer e Philippe Roussel
Rapporto Lighthill
Lo scienziato britannico James Lighthill presentò al governo del Regno Unito un rapporto pessimistico sulla ricerca sull’IA, portando a tagli significativi nei finanziamenti.
James Lighthill (1924–1998)
Teoria dei frame
Marvin Minsky pubblicò il «Frame Paper», proponendo la teoria dei frame per la rappresentazione della conoscenza. Questa teoria influenzò la successiva programmazione orientata agli oggetti e i metodi di rappresentazione della conoscenza.
Marvin Minsky
Sistema esperto MYCIN
La Stanford University sviluppò MYCIN, un sistema esperto per la diagnosi medica. Dimostrò la praticità dei sistemi esperti, sebbene non fu mai utilizzato clinicamente a causa di questioni di responsabilità.
Stanford University
Sistema esperto XCON
DEC implementò XCON (eXpert CONfigurer), un sistema esperto per la configurazione dei sistemi informatici VAX. Lo sviluppo iniziò nel 1978 alla Carnegie Mellon University, il primo impiego risale al 1979 e il sistema era pienamente operativo nel 1980. Fu uno dei primi sistemi esperti di successo commerciale e fece risparmiare all’azienda milioni ogni anno.
Digital Equipment Corporation
Primo inverno dell’IA
Dopo valutazioni critiche e tagli ai finanziamenti negli anni Settanta, parte della ricerca sull’IA entrò in una fase di contrazione. Il «primo inverno dell’IA» è una periodizzazione retrospettiva, variabile per paese e settore.
FGCS giapponese
Il Giappone annunciò il Fifth Generation Computer Project (FGCS) in una conferenza di JIPDEC e MITI nell’ottobre 1981, un’iniziativa nazionale decennale per sviluppare computer capaci di ragionamento logico ed elaborazione della conoscenza. Il progetto fu avviato formalmente nell’aprile 1982 con la fondazione dell’ICOT (Institute for New Generation Computer Technology).
MITI giapponese
Algoritmo di retropropagazione
David Rumelhart, Geoffrey Hinton e Ronald Williams pubblicarono i loro studi sull’algoritmo di retropropagazione, rendendo possibile l’addestramento di reti neurali multilivello.
David Rumelhart e Geoffrey Hinton
Inizio del secondo inverno dell’IA
Alla fine degli anni Ottanta, aspettative che avevano superato i risultati andarono deluse. I produttori di macchine Lisp persero terreno rispetto alle workstation generiche, diverse aziende di IA chiusero e i finanziamenti della DARPA alla ricerca di base sull’IA diminuirono tra il 1987 e il 1989.
IA nella Guerra del Golfo
L’esercito statunitense utilizzò sistemi di pianificazione e logistica basati sull’IA nella Guerra del Golfo, dimostrando il potenziale dell’IA nelle applicazioni reali.
Esercito degli Stati Uniti
Fine del secondo inverno
La crisi si attenuò gradualmente anziché finire in una data precisa. Molti ricercatori si orientarono verso obiettivi più modesti e raggiungibili, mentre la ripresa delle reti neurali e dei metodi probabilistici gettò le basi per una nuova era.
Deep Blue contro Kasparov
Deep Blue di IBM sconfisse il campione mondiale di scacchi Garry Kasparov, dimostrando la capacità dell’IA di superare le capacità umane in compiti ben definiti.
IBM Deep Blue
Personaggi importanti
Geoffrey Hinton
Padre del deep learning
Hinton è un pioniere delle reti neurali e del deep learning. I suoi contributi alla retropropagazione, alle macchine di Boltzmann e alle capsule network sono stati rivoluzionari. Anche durante l’inverno dell’IA, persistette nella ricerca sulle reti neurali e ricevette il premio Turing nel 2018.
Garry Kasparov
Campione mondiale di scacchi
Nel 1997, Kasparov fu sconfitto da Deep Blue di IBM. Questo evento non solo dimostrò le capacità dell’IA, ma suscitò anche riflessioni filosofiche. In seguito divenne un attivo sostenitore dell’IA.
James Lighthill
Critico dell’IA
Il rapporto di Lighthill ebbe un impatto profondo sulla ricerca britannica sull’IA, portando a un decennio di tagli ai finanziamenti. Tuttavia, le sue critiche spinsero anche i ricercatori di IA a essere più pragmatici.
Karen Spärck Jones
Pioniera del reperimento dell’informazione
Nel 1972 Spärck Jones pubblicò sul Journal of Documentation la frequenza inversa di documento, che pesa un termine in base a quanto raramente compare in una collezione. L’idea sorregge l’ordinamento dei risultati e vive ancora dentro i sistemi di ricerca odierni. Lavorò a Cambridge negli anni in cui i fondi per l’IA erano scarsi e sosteneva che l’informatica fosse troppo importante per essere lasciata agli uomini.
Citazioni celebri
In nessuna parte del campo le scoperte fatte finora hanno prodotto l’impatto rilevante che era stato allora promesso.
Artificial Intelligence: A General Survey · Science Research Council, 1973, §3 · Chilton Computing
Deep Blue era la prova conclusiva che le macchine potevano superare gli esseri umani in compiti cognitivi complessi che avevamo a lungo ritenuto essere unici dei nostri cervelli sviluppati.
There’s No Shame in Losing to a Machine · Fortune, 2017