L'intelligenza artificiale (IA) è la capacità dei computer di acquisire conoscenza e prendere decisioni autonome, e si distingue in IA debole e IA forte, con quest'ultima che è ancora in fase di sviluppo. La storia dell'IA inizia negli anni '50 con contributi significativi da parte di pionieri come Alan Turing e John McCarthy, portando a progressi in aree come il machine learning e i sistemi esperti. Oggi, l'IA trova applicazione in molti campi, dalla medicina al gaming, e presenta sfide e opportunità per il futuro delle interazioni umane e tecnologiche.

1. INTELLIGENZA
ARTIFICIALE

2. INTELLIGENZA ARTIFICIALE
L'intelligenza artificiale è l'abilità di un computer ad acquisire e rappresentare la conoscenza, apprendere e sviluppare una
capacità decisionale autonoma che gli consenta di risolvere i problemi e affrontare i fenomeni di un ambiente operativo
complesso. Lo studio dell'intelligenza artificiale nacque negli anni '50 con la pubblicazione dell'articolo "Computing
Machinery and Intelligence"
La differenza tra AI debole e forte
Attualmente esistono due visioni distinte dell'AI.
Si parla di AI debole se la macchina simula il ragionamento e i processi cognitivi umani senza eguagliare le capacità
intellettive umane.
Si parla di AI forte se la macchina possiede una propria intelligenza, autonoma e indipendente, pari o superiore a quella
umana. Attualmente l'intelligenza artificiale ha raggiunto soltanto il primo livello ( IA debole ). Per la I.A. forte saranno
necessari ancora molti anni, almeno altri venti o trent'anni.
Negli ultimi anni si è sviluppata soprattutto la disciplina dell'apprendimento automatico ( machine learning ). E' una delle
prime applicazioni pratiche dell'intelligenza artificiale.
Cos'è un agente razionale? Un agente razionale è un sistema intelligente in grado di elaborare i segnali di input
provenienti dai suoi sensori per tradurli in simboli logici e rappresentare la conoscenza dell'ambiente esterno.

3. STORIA IA
>1943-1955: Albori dell’IA moderna
L’IA come è oggi è nata nel secondo dopoguerra, grazie soprattutto all’avvento dei calcolatori.
--Fra i primi lavori in questo ambito di ricerca spicca quello di Mcculloch e Pitts : proposero un modello di rete neurale
ispirato al funzionamento del cervello umano.
Ogni neurone, poteva rappresentare uno stato binario: “on” o “off”
--Importante fu anche il primo computer a rete neurale, sviluppato da Marvin Minsky nel 1950, detto SNARC, che simulava
una rete di 40 neuroni.
--Sempre nel 1950 Turing scrisse “Computing machinery and intelligence” che portò rilievo a questo campo nascente.
>1956: Nascita dell’IA
Nell’anno 1956 la AI viene considerata una vera e propria disciplina scientifica. Nel 1956 si tiene infatti la conferenza del
Dartmouth College organizzata dal ricercatore McCarthy.
McCarthy nella conferenza esprime l’opinione che “ogni aspetto dell’intelligenza può essere descritto in termini tanto
rigorosi da rendere possibile programmare una macchina in grado di simularli.” È proprio nel manifesto della
conferenza, fra l’altro, che McCarthy propone per la prima volta il nome di “intelligenza artificiale”
il primo programma di IA: Logic Theorist, ideato dai due già nel 1955.

4. STORIA IA
>1952-1969: I successi e l’entusiasmo dei primi anni :
--i primi anni dell’IA furono segnati da una serie di grandi successi.
Nel 1957 il General Problem Solver (GPS), ispirato al modo di ragionare della mente umana. Il GPS poteva agire e manipolare
oggetti all’interno della rappresentazione di una stanza.
-- Oliver Selfridge implementa il Pandemonium, un programma, basato su una serie di “demoni” (per intenderci lavoravano
come piccole funzioni richiamate dal programma) addestrati a riconoscere determinati elementi di una lettera scritta.
--Nel 1958 McCarthy pubblica “Programs with common sense” in cui descrive il primo esempio di intelligenza artificiale
completa: Advice Taker.
Advice Taker doveva essere in grado di percepire la realtà circostante e rappresentarla al proprio interno, in modo da interagire
con essa e rispondere agli stimoli provenienti dall’esterno.
>1966-1973: Una battuta d’arresto
Nella traduzione automatica l’IA soffre i primi fallimenti e delusioni.
Si pensava che fosse possibile realizzare traduzioni automatizzate , cosa che si rivelò essere sbagliata. Il fallimento di questi
tentativi iniziali costò a molti progetti di ricerca sull’IA il taglio dei fondi.

5. STORIA IA
>1969-1986: I primi sistemi esperti e la nascita dell’IA come applicazione industriale
i primi programmi di IA erano scritti per giungere alla soluzione di un problema “ragionando” tramite una serie di
proposizioni logiche. In questi anni emerge invece un secondo approccio: un esempio è il DENDRAL,
- veniva fornita a DENDRAL l’analisi della molecola e su una base di regole il programma definiva un insieme di possibili
strutture.
-In seguito fu implementarono il primo esempio un sistema esperto: MYCIN; a differenza di DENDRAL, la conoscenza
(regole) era separata dalla logica necessaria ad applicarle. MYCIN era pensato come uno strumento di aiuto per i medici
nella diagnosi di malattia infettive del sangue. A partire dal 1981 i sistemi esperti si rivelarono degli ottimi strumenti per
applicazioni industriali, vivendo così un intenso periodo di sviluppo.
>1987-Oggi: Verso l’IA moderna
Nei primi anni del 2000 la disponibilità di vastissimi database ha portato un grande contributo a molti ambiti dell’IA,
infatti non è più necessario, (per realizzare sistemi basati sulla conoscenza), inserire manualmente i dati necessari.

6. IL TEST DI TURING
>IL TEST DI TURING
Il test di Turing è uno dei primi tentativi dell'uomo di misurare il grado di intelligenza artificiale
di un computer. E' stato ideato da Alan Turing nel 1950. Il principale scopo del test è
determinare se una macchina può dirsi intelligente oppure no.
La prima fase del test
Nella prima sessione partecipano tre persone: un uomo, una donna e un intervistatore. Le tre
persone si trovano in stanze separate e comunicano tra loro tramite una telescrivente.
L'intervistatore formula delle domande scritte alle altre due persone. Non le vede, quindi, non sa
se si sta rivolgendo alla donna o all'uomo. Lo scopo delle domande è di capire quale sia l'uomo
e quale sia una donna.
I partecipanti al gioco possono anche mentire.
Il primo partecipante è sincero nelle sue risposte.
Il secondo partecipante, invece, fornisce risposte non veritiere. L'intervistatore non sa chi mente
e chi è sincero. Deve riuscire a capirlo da sé.
Al termine del gioco l'intervistatore deve decidere chi dei due partecipanti è l'uomo e chi la
donna. Ripetendo il gioco N volte, l'intervistatore sbaglia il sesso dei partecipanti per X volte. Il
suo tasso di errore è pari a X/N.

7. IL TEST DI TURING
>La seconda fase del test
Nella seconda fase del test sostituiamo uno dei due partecipanti con un computer. Ora
l'intervistatore deve capire se a rispondere è un uomo oppure una macchina.
Il processo è sempre lo stesso.
quando il Test di Turing è superato? Se la percentuale di errore nel gioco in cui partecipa la
macchina è simile o inferiore a quella del gioco per individuare l'uomo e la donna, allora il Test
di Turing viene superato e la macchina può dirsi intelligente
>La versione semplificata del test
In quella più semplice l'intervistatore umano dialoga tramite telescrivente con un altro
soggetto posto in un'altra stanza. Potrebbe trattarsi di una persona oppure di una macchina. La
macchina deve convincere l'intervistatore che anch'essa è umana.
Questa versione semplificata del test di Turing è la più nota al grande pubblico e ai mass
media, ma anche quella meno efficace.
>Il test di Turing è stato superato la prima volta (con un piccolo trucco) nel 2014, quando
un’intelligenza artificiale, che si è finta un 13enne ucraino con scarse abilità nella lingua inglese,
è stata ritenuta dai giudici un essere umano. Il “piccolo trucco” consisteva proprio nell’usare la
scarsa dimestichezza con l’inglese del presunto ragazzino ucraino per ammorbidire il
sospetto dei giudici. Il test è stato poi superato altre due volte: l’ultima nel 2016, quando un
algoritmo ha aggiunto suoni credibili a un video privo di audio.

8. IL TEST DI TURING
>Multimodal Turing Test
Con l’evoluzione delle intelligenze artificiali, anche il test di Turing si è dovuto evolvere. Un gruppo di
ricercatori ha ideato il "Multimodal Turing Test" perché, per superarlo, l’intelligenza artificiale deve apparire
come un essere umano, e deve potersi muovere in un modo che sembri naturale. Quando parla, deve
simulare realisticamente il linguaggio umano e, infine, deve essere in grado di esprimere realisticamente le
emozioni in risposta al mondo che lo circonda.
È chiaro che il nuovo test proposto abbandona l’indagine dell’intelligenza in sé ed entra nel territorio
dell’aspetto fisico e delle emozioni, anche perché la proposta indica chiaramente che il test vuole verificare
l’intelligenza di un "robot umanoide".

9. IL TEST DI TURING
>CAPTCHA
Molto spesso ci viene chiesto di digitare qualche carattere per poter
inserire un contenuto su Internet, ricopiandoli da un’immagine.
Lettere e numeri possono essere casuali o avere un senso compiuto, ma
in tutti i casi sono distorte e spesso sono presenti linee e colori fatti
apposta per ostacolarne la lettura. Quello che stiamo facendo è in realtà
un vero e proprio test per distinguere esseri umani e computer,
CAPTCHA, Completely Automated Public Turing test to tell Computers
and Humans Apart.
Si tratta di una delle più familiari procedure antispam, che sfrutta una
delle peculiarità proprie del cervello umano di riconoscere
istantaneamente i simboli a differenza di un computer , che per farlo ha
bisogno di un software OCR.

10. SOFTWARE ORC
Sono sistemi di riconoscimento ottico dei caratteri, detti anche OCR (optical character recognition),
programmi dedicati al rilevamento dei caratteri contenuti in un documento e al loro trasferimento in testo
digitale leggibile da una macchina. La conversione viene effettuata solitamente tramite uno scanner.
L'OCR è un campo di ricerca dell'intelligenza artifciale, infatti Il riconoscimento esatto di un testo scritto
in alfabeto latino è considerato un problema risolto, con tassi di riconoscimento superiori al 99%. Il
riconoscimento della scrittura a mano libera e il riconoscimento degli alfabeti non latini è un problema che
ancora non ha trovato delle soluzioni realmente soddisfacenti ed è tuttora oggetto di studi e ricerche.

11. ISAAC ASIMOV
>Isaac Asimov, il “profeta” della robotica
Isaac Asimov, il “profeta” della robotica, è uno dei più grandi romanzieri del Novecento.
Inizia a scrivere di robot giovanissimo. Con lui la fantascienza diventa un genere letterario.
Nel 1942 è il primo a utilizzare la parola robotica. Asimov ha intuito da subito opportunità e rischi
che può comportare il vivere accanto a un androide, infatti in una delle sue opere definisce le 3 leggi
della robotica
>LEGGI DELLA ROBOTICA
• Prima Legge: “Un robot non può recar danno a un essere umano né può permettere che a
causa del proprio mancato intervento un essere umano riceva danno”.
• Seconda legge: “Un robot deve obbedire agli ordini impartiti dagli esseri umani purché tali
ordini non contravvengano alla prima legge”.
• Terza legge: “Un robot deve proteggere la propria esistenza purché questo non contrasti con
la prima e la seconda legge”.
>Ai tempi di Asimov tuttavia, quelle leggi erano solo fantascienza , oggi è realtà, infatti l’unione
europea definisce una legge sui robot.

12. MACHINE LEARNING
>Machine Learning: cos’è, a cosa serve e dove si impara
Ha fatto scalpore, a inizio 2018, la notizia che due intelligenze artificiali avevano battuto un essere umano in un test di lettura e
comprensione svolto dall’Università di Stanford.
>Che cos’è il Machine Learning
Questo termine fu coniato nel 1959 dallo scienziato americano Arthur Lee Samuel. Si tratta, in sostanza, dell’apprendimento automatico:
“il Machine Learning permette ai computer di imparare dall’esperienza, come gli esseri umani, anche le macchine diventano capaci di
imparare dai propri errori.
Lo utilizzano, per esempio, i motori di ricerca su Internet, lo utilizza Amazon , e Saranno sempre più importanti anche le applicazioni nel
campo della sanità, per ottenere diagnosi più accurate.
>FASI PROCESSO MACHINE LEARNING
Le fasi del machine learning sono le seguenti:
-Pre-Processing : E' la fase in cui analizzo i dati nel dataset di apprendimento.
-Apprendimento: E' la fase in cui l'algoritmo apprende automaticamente dai dati presenti nel dataset di apprendimento per elaborare
un modello previsionale.
-Valutazione: E' la fase in cui valuto se il modello creato dall'algoritmo è accurato oppure no. Per valutare la qualità predittiva fisso una
percentuale T di risposte esatte come parametro di riferimento. Provo il modello e analizzo i risultati.
R≥T : Se la percentuale di risposte esatte R supera la soglia T, il modello predittivo viene promosso.
R<T :Se la percentuale di risposte esatte R non supera la soglia T, il processo riparte dalla fase pre-processing perché la qualità
previsionale non è sufficientemente efficace.
-Predizione: E' la fase finale di applicazione, quella in cui il modello è usato per risolvere dei problemi pratici.

13. VARI APPRENDIMENTI
APPRENDIMENTO SUPERVISIONATO E NON SUPERVISIONATO; PARZIALMENTE SUPERVISIONATO E APPRENDIMENTO CON RINFORZO
Apprendimento supervisionato
si possono dividere in problemi di:
1) Classificazione: è il processo dove una macchina è in grado di riconoscere e categorizzare oggetti visivi e dimensionali da un set di dati.
2) Regressione: studia la relazione tra due o più variabili una indipendente dall’altra.
Apprendimento non supervisionato
L’apprendimento senza supervisore è dove si ha una variabile di input (X), rappresentata dai dati, e nessuna variabile di output corrispondente.
Si pone l’obiettivo di trovare relazioni o schemi tra i vari dati che vengono analizzati senza utilizzare una categorizzazione come visto per gli algoritmi Supervised Learning.
L’apprendimento si dice non supervisionato perché non ci sono risposte corrette e non c’è un insegnante.
Gli algoritmi sono lasciati a sé stessi per scoprire e presentare l’interessante struttura dei dati.
I problemi di apprendimento non supervisionato si possono dividere in:
1) Raggruppamento: detto anche clustering, viene utilizzato quando è necessario raggruppare i dati che presentano caratteristiche simili.
In questo caso l’algoritmo impara se e quando individua una relazione tra i dati.
2) Associazione: è un problema dove si vogliono scoprire regole che descrivono grandi porzioni dei tuoi dati
Si pone l’obiettivo di trovare schemi frequenti, associazioni, correlazioni o strutture casuali tra un insieme di item od oggetti in un database relazionale.
Apprendimento parzialmente supervisionato
Rappresenta una via di mezzo tra i primi due apprendimenti. Si tratta di problemi che hanno la maggior parte di dati di input (X) e solo una parte di essi è etichettata (Y).
Apprendimento con rinforzo
Tecnica di machine learning che rappresenta la versione computerizzata dell’apprendimento umano per tentativi ed errori.
L’algoritmo si presta ad apprendere e ad adattarsi ai cambiamenti ambientali tramite un sistema di valutazione, che stabilisce una ricompensa se l’azione compiuta è corretta, oppure una penalità nel caso
L’obiettivo è quello di massimizzare la ricompensa ricevuta, senza che venga annunciata la strada da intraprendere.

14. APPLICAZIONI AI
>APPLICAZIONI INTELLIGENZA ARTIFICIALE
- ELABORAZIONE E COMPRENSIONE DEL LINGUAGGIO NATURALE
-LA DOMOTICA
-LA MEDICINA
-CONTROLLO AUTOMATICO
-GAMING
• Quando si parla di elaborazione del linguaggio naturale (o Natural Language Processing, NLP) ci si
riferisce alla capacità di un computer di comprendere il linguaggio umano mentre viene pronunciato; ), in
questo processo il computer, tramite sistemi di riconoscimento vocale, converte il linguaggio naturale
in linguaggio artificiale. L’obiettivo è quello di far sì che i computer svolgano compiti utili che
coinvolgono il linguaggio umano. ESEMPI: siri, alexa, cortana
• Nell’ambito della domotica : tutti a casa ormai abbiamo sistemi di intelligenza artificiale (es.
aspirapolvere automatica ), anche l’ambito del controllo automatico è molto sviluppato, cioè il controllo
senza stare sul posto, esempi sono il riscaldamento automatico, le lavatrici ecc.
• Nell’ambito biomedicale sono state create macchine che semplificano il lavoro di diagnosi dei medici o,
come nel caso delle protesi in grado di funzionare come parte del corpo umano.
• Nell’ambito del Gaming l’Intelligenza Artificiale ha migliorato la qualità di gioco

15. FILM SULL'AI
MATRIX
---Il fulcro del film: le macchine, se sostituissero l’uomo, ci controllerebbero, rendendoci addirittura difficile riconoscere ciò che è vero da ciò che è
falso (come la realtà virtuale di Matrix. “ Hai mai fatto un sogno tanto realistico da sembrarti vero? E se da un sogno così non ti potessi più
svegliare, come potresti distinguere il mondo dei sogni da quello della realtà?”
HER
--l fulcro del film: è un film che vuole mostrare un futuro con i suoi pregi e difetti :Anche se la tecnologia si evolve, l’uomo rimane sempre lo stesso,
alla costante ricerca di qualcuno che lo faccia sentire unico. Apparentemente queste tecnologie possano appagare questo sentimento, ma è solo
una finzione. Al contrario, questi strumenti possono portare all’effetto opposto, ovvero all’isolamento. (molto attuale).
EX MACHINE
--il fulcro del film: La storia alla base della pellicola è quella di una macchina che diventa umana, o ancora meglio è quella di una macchina che
vuole diventare uguale agli uomini. Sottolineando ancora una volta, come nei film precedenti, che l’uomo non puòtenere a bada queste intelligenze
artificiali.

16. COMPUTER QUANTISTICO JIUZHANG
 il nuovo computer quantistico può eseguire un calcolo che richiederebbe più di mezzo miliardo di anni su
computer classico in soli 200 secondi.
 Il computer quantistico Jiuzhang consiste in una complessa serie di dispositivi ottici che trasportano fotoni. l processo
utilizzato è quello del campionamento dei bosoni attraverso cui si genera una distribuzione di numeri che è
estremamente difficile da replicare per un computer classico.
 Il processo parte con l’inviare i fotoni in una una rete di canali. Nel suo percorso ogni singolo fotone incontra una
serie di divisori di raggio, nei quali invia il fotone lungo due percorsi simultaneamente, in quella che viene chiamata
una sovrapposizione quantistica. Anche i percorsi si fondono insieme e la divisione e la fusione ripetute fanno sì che i
fotoni interferiscano l’uno con l’altro secondo regole non deterministiche. nfine, il numero di fotoni in ciascuno dei
canali di uscita della rete si misura alla fine. Utilizzando un gran numero di fotoni e canali, il computer quantistico
produrrà una distribuzione di numeri impossibile da calcolare per un computer classico. Una limitazione di Jiuzhang
riguarda la possibilità di eseguire solo un singolo tipo di attività per volta, ovvero il campionamento del bosone.

17. COMPUTER QUANTISTICO
 L’unità informativa di base dei computer quantici è il qubit.
 Non vengonoo utilizzati i classici bit 1/0 che rappresentano i due stati di acceso/spento : un bit rappresenta
l’unità informativa di base con due soli stati, il qubit rappresenta invece un’infinità di stati racchiusi tra zero,
uno ed un certo valore di probabilità. --computer quantistici utilizzano i fenomeni di meccanica
quantistica secondp i quali le particelle subatomiche possono presentarsi in molteplici stati in qualsiasi
istante.
 L’informazione non si considera più come deterministica ma come probabilistica.

18. CEREBRAS- CS-1
 Parliamo del chip per computer più grande al mondo, con 1.2 trilioni di transistor al suo interno che
compongono circa 381.000 core computazionali.
 Il cs-1 è il primo sistema in assoluto a presentare prestazioni sufficienti per simulare oltre un milione di
fluide più velocemente del tempo reale. E questo significa che quando il cs-1 viene utilizzato per
impianto elettrico in base ai dati sulle sue condizioni di funzionamento attuali, puo’ dire cosa accadrà in
futuro più velocemente di quanto possano produre le leggi della fisica