Dopo il machine learning il deep learning, ma resta il problema dell’autoreferenzialità

Dopo il machine learning e il deep learning, cosa cambia? Lo spiega il professor Mario Rasetti, professore emerito di fisica teorica.

“Nella cultura generale l’intelligenza artificiale è identificata col machine learning, cosa che ovviamente non è vera, poiché un cervello umano sa fare ben altro che solo apprendere.

Nel machine learning, cosa fate? Avete una sterminata quantità di dati, ne prendete un sottoinsieme piccolo e su quello, sudore, sangue, lacrime a mano cercate di capire se ci sono delle strutture, delle tendenze e poi queste le estendete all’insieme complessivo. Il successore al machine learning è quello che si chiama il deep learning, in cui il machine learning viene iterato, cioè faccio una prima passata di questo processo che poi è sempre lo stesso. Ci sono i dati, si analizzano i dati per cercare di capire come sono fatte le correlazioni tra questi dati, che è quello che chiamiamo informazione, e poi rifacciamo lo stesso processo partendo non dai dati ma da queste informazioni e cerchiamo quali sono le correlazioni fra pezzi di informazione e questo è quello che si chiama conoscenza. Si tratta di un processo di acquisizione di conoscenza.

Nel machine learning quindi si fa questa operazione, che è un’operazione di estensione di un feeling che abbiamo avuto per un sottoinsieme di dati a un insieme immenso di dati.

Il deep learning, che è un machine learning a cascata, non ha un ambiente di riferimento.

Pensate alla caverna di Platone, noi crediamo di avere un sistema che ci mette in grado di predire la dinamica, il movimento, il comportamento delle ombre sul fondo della caverna e non abbiamo nessuna idea di cosa sia la realtà che produce queste ombre.

Il deep learning ha una proprietà molto bella, molto efficace, che è un’iterazione incascata di tante analisi tipo machine learning fatta ogni volta prendendo il risultato del passo precedente come sistema di riferimento.

Questo comporta una cosa, è autoreferenziale al suo proprio sistema di riferimento, le probabilità che si autocalcola sono relative a quello e come Platone appunto due volte. Il fondo della caverna è una rappresentazione e il deep learning da un’altra rappresentazione”.