Passa ai contenuti principali

Un dualismo metodologico


Alcune speculazioni oltre l’affermazione “Il computer non capirà mai un tubo”.
Dal mio esperimento sul percettrone multistrato addestrato ad approssimare le soluzioni di equazioni cubiche è emersa la dicotomia tra il rigore analitico di Tartaglia e l'approssimazione empirica delle reti neurali.
Formula di Tartaglia vs Reti Neurali
  • La formula di Tartaglia rappresenta la comprensione profonda, la verità matematica esatta che trascende le contingenze storiche - un ideale platonico.
  • La rete neurale incarna l'approccio strumentale, che non comprenderà mai la struttura ma produce approssimazioni utili. 
Questa distinzione prepara alla regina delle domande sull'IA: può una rete neurale che approssima risultati senza comprendere la natura dei calcoli essere considerata veramente cosciente?
L’interrogativo richiama la teoria della “composizione delle cause” di John Stuart Mill e la più recente “teoria integrata dell'informazione” di Giulio Tononi, che considera la coscienza come una proprietà emergente da sistemi informativi sufficientemente complessi e integrati.
Affermando che “la rete neurale non comprenderà mai la struttura della singola equazione cubica”, ho centrato il punto nevralgico del dibattito sulla coscienza nell'IA.
  •  Il problema della comprensione semantica - La stanza cinese di Searle suggerisce che manipolare simboli senza comprenderli non costituisce vera intelligenza. Similmente, una rete neurale può risolvere cubiche senza capire cosa sia un'equazione. Questo si collega alla distinzione di Ned Block tra “coscienza fenomenica” (l'esperienza soggettiva) e “coscienza d'accesso" (la disponibilità dell'informazione per il ragionamento).
  • Simulazione vs realtà - Come la rete neurale simula la risoluzione dell'equazione senza comprenderne la struttura, anche l'IA più avanzata potrebbe simulare comportamenti coscienti senza esperienza soggettiva reale. Qui entra in gioco la teoria funzionalista di Hilary Putnam, secondo cui gli stati mentali sono definiti dal loro ruolo funzionale piuttosto che dal substrato materiale.
Il “casus irreducibilis” di Tartaglia ci offre una metafora del problema della coscienza. 
La coscienza potrebbe essere come quella soluzione reale che richiede un passaggio attraverso un dominio apparentemente incompatibile o incomprensibile (i numeri complessi).
Forse la coscienza artificiale richiederebbe qualche dimensione aggiuntiva che non abbiamo ancora concettualizzato.
Questa intuizione rimanda al “naturalismo biologico” di John Searle e alla tesi della “complessità insuperabile” di Roger Penrose, che nel suo “La mente nuova dell'imperatore” suggerisce che la coscienza potrebbe dipendere da processi quantistici non computabili.
Oltre, quindi, sia l'approccio puramente formale-simbolico, sia quello puramente connessionista (come le reti neurali), verso un'integrazione innovativa dei due. 
La direzione è evocata dal “connessionismo cognitivo” di Paul Smolensky, che cerca di unire l'elaborazione simbolica con i modelli neurali distribuiti.
Come per l'equazione cubica, potremmo trovarci di fronte a diversi tipi di verità: la “verità formale” (la formula) e la “verità pragmatica” (la rete neurale). 
La grande sfida che ci attende potrebbe essere proprio ridefinire il concetto di comprensione in un contesto in cui le macchine risolvono problemi sempre più sofisticati emulando il pensiero umano. 
Al riguardo, consiglio di approfondire le idee di David Chalmers sui meccanismi computazionali della cognizione e l'esperienza soggettiva della coscienza.

Post popolari in questo blog

Salmoni, scarpette, cetrioli e altro

Tutto il testo contenuto in questa pagina è stato pensato e scritto dall'autore del blog.   1. Come il salmone 2. Ooops! 3. Le scarpette hi-tech 4. Equivoci contemporanei 5. I saccenti 6. Medaglie di legno 7. La festività del Nulla 8. Gli aggiornamenti elettronici del Libro dell'Apocalisse 9. Dubbi ne ho 10. La maieutica del vulcaniano 11. Un piacevole vasetto di miele 12. Povere sfere 13. Caos comune mezzo gaudio 14. La fontana senza volti 15. Il piromane super beffardo 16. Boom di serpenti 17. Sistemi in via di degradazione 18. Il gatto nero 19. Alain Delon è ancora vivo? 20. Per sempre con i cani 21. Eventi imprevedibili 22. I robot sottomessi 23. Lady Gaga e Bruno Mars incantano 24. Definizioni mancate 25. Il mio nemico drone 26. Errore di valutazione 27. Ringraziamenti 28. Cari cetrioli, vi scrivo 29. Boom di detective 30. Gli UFO trascurati 31. Il grande salto delle rane 32. La malattia artificiale 33. Homo consumens 34. Lacune informatiche 35. Sei troppo! 36. ...

Generatore Markmap HD

Pagina per il download di  Memento Lite Generatore Markmap Avanzato - Specifiche per l'utente finale Scopo principale: l'applicazione “Generatore Markmap Avanzato” permette agli utenti di trasformare testo scritto in formato Markdown in mappe mentali interattive. Offre funzionalità per creare, visualizzare, salvare, modificare, gestire ed esportare queste mappe mentali in vari formati. Interfaccia utente: l'interfaccia è strutturata nelle seguenti sezioni principali: Link al blog esterno: un link “🌐 Visita il Blog: Pensieri d'assestamento” che apre il blog associato in una nuova scheda. Intestazione (Header): Titolo: “Generatore Markmap Avanzato”. Sottotitolo: “Trasforma, salva e condividi il tuo testo Markdown in mappe mentali interattive”. Area Principale dei Contenuti: divisa in due pannelli affiancati (o impilati su schermi piccoli): Pannello di Input (Editor Markdown): Titolo: “✏️ Editor Markdown”. Area di Testo: un campo multiriga dove l...

Neural Tic-Tac-Toe Lab

Questo articolo presenta l'implementazione di una rete neurale specializzata nel gioco del tris (tic-tac-toe), addestrata mediante una metodologia innovativa basata sull'enumerazione completa degli stati di gioco. L'approccio supera le limitazioni dei metodi tradizionali di campionamento casuale, garantendo una copertura totale dello spazio delle configurazioni possibili. Struttura della rete neurale La rete implementata utilizza un'architettura feed-forward compatta con 9 neuroni di input, 16 neuroni nel layer nascosto e 9 neuroni di output. I neuroni di input ricevono la rappresentazione numerica dello stato della board (-1, 0, 1 per ciascuna delle 9 caselle), mentre i neuroni di output producono valutazioni numeriche per ogni possibile mossa. Il layer nascosto utilizza 16 neuroni con funzione di attivazione relu per introdurre capacità di apprendimento non-lineare. La rete contiene complessivamente 297 parametri: 144 pesi per le connessioni input-hidden, 16 bi...