Prevedere il caos: L’AI sfida l’incertezza | Festina Lente - Your leading source of AI news | Turtles AI

 

IL PARADOSSO DELL’AI : PREVISIONI SENZA COMPRENSIONE.

 

Il mondo è più imprevedibile di quanto ci piacerebbe credere, come dimostra ogni weekend in cui le previsioni meteo risultano sbagliate.

Da quando è nata l’Intelligenza Artificiale,i ricercatori hanno provato a creare macchine che imitassero l’intelligenza umana, programmando modelli  che spiegassero le capacità umane.

Per esempio si è cercato di usare le stesse regole logiche che governano il nostro pensiero per costruire macchine intelligenti.

Nonostante vari successi scientifici, questo approccio non ha raggiunto i risultati sperati, portando a lunghi periodi di stasi noti come "inverni dell’AI".

L’idea di costruire "modelli della realtà" si ispira alla scienza moderna  che cerca di spiegare i fenomeni del mondo ( come la mente umana) e fare previsioni ( replicare il comportamento intelligente),studiando le leggi che lo governano.

Dal 1600 la scienza ha dimostrato che è possibile usare leggi e modelli matematici per spiegare il mondo fisico e fare previsioni.

Galileo Galilei affermava che "L’Universo è scritto nella lingua della matematica".

Isaac Newton nel 1687 pubblicò "i Principia Mathematica" dove la legge di gravitazione universale spiegava sia la caduta della mela dall’albero,sia il moto degli astri.

Newton però intuì’ che il mondo non era un semplice meccanismo come un orologio,contrariamente a quanto avrebbero sostenuto alcuni meccanicisti pochi decenni dopo.

Il marchese Laplace,per esempio, immaginò un "demone" che, conoscendo tutte le condizioni iniziali,avrebbe potuto prevedere ogni evento futuro.

Lo stesso Newton capiva che, anche se l’universo fosse governato da leggi semplici, prevederlo sarebbe stato difficile.

La complessità l’aveva notata nel dover ricalcolare continuamente l’orbita di una cometa,in quanto influenzata non solo dal sole ma anche dai pianeti circostanti.

Oggi questi calcoli sono realizzabili con supercomputer, ma Newton aveva già intuito un ulteriore livello di complessità.

Nei suoi scritti si trovano le basi di quello che secoli dopo sarà noto come "il problema dei tre corpi".

Questo problema reso popolare dal romanzo di fantascienza di Liu Cixin, riguarda la difficoltà di prevedere il moto di un pianeta orbitante attorno alle tre stelle,un caso particolare di sistema caotico studiato dal matematicoe meteorologo Edward Lorenz..

Un sistema caotico è cratterizzato dalla sensibilità alle condizioni iniziali,dove piccole differenze possono portare ad esiti completamente diversi nel tempo.

Lorenz ha illustrato questo concetto con la famosa metafora: " Può il battito d’ali di una farfalla scatenare un tornado in Texas?".

Sebbene la risposta sia no,la metafora rende l’idea della sproporzione tra cause ed effetti in un sistema caotico.

L’AI può fare previsioni in sistemi caotici e complessi?

Fino a poco tempo fa, le nostre previsioni basate su modelli matematici, erano approssimative e limitate nel tempo, ma con l’arrivo della "machine learning" che permette ai sistemi di apprendimento automatico, come il Deep learnig di classificare e generare informazioni a partire da grandi quantità di dati, si ha una capacità di fare previsioni  nei sistemi caotici e complessi superiori ai precedenti.

GraphCast, un sistema di Ai presentato da Google DeepMind, riesce  a prevedere centinaia di variabili metereologiche per i prossimi 10 giorni  a livello globale in meno di un minuto.

Tuttavia GraphCast basa le sue previsioni su serie storiche di dati meteorologici,senza  conoscere il sole, la pioggia, i monti, il mare  e senza una conoscenza diretta delle leggi fisiche.

Le previsioni meteo, solitamente fatte da fisici utilizzando supercomputer per simulare modelli matematici della terra, sono però  ora possibili in un minuto con una sols TPU grazie a GraphCast.

Questo però implica un costo: rinunciare alla comprensione di come vengano fatte le previsioni.

Sembra emergere che oltrea non poter spiegare completamente i sistemi caotici e complessi, questo non sia nemmeno necessario per fare previsioni accurate.

La complessità del mondo supera di gran lunga le leggi e i modelli che cerchiamo di usare per spiegarlo.

Stiamo forse uscendo dal labirinto delle previsioni ma restiamo nell’oscurità dell’assenza di spiegazioni.