Unica Radio Raccontiamo la città che cambia
Una ricerca dell’Università di Princeton guidata da Tania Lombrozo rivela come l’intelligenza artificiale possa autocorreggersi e apprendere attraverso il ragionamento.
Una nuova ricerca condotta da Tania Lombrozo, professoressa di psicologia e co-direttrice dell’iniziativa Natural and Artificial Minds presso l’Università di Princeton, offre una prospettiva rivoluzionaria sui processi di apprendimento dell’intelligenza artificiale. Secondo lo studio, pubblicato su Trends in Cognitive Sciences, l’IA può sviluppare la capacità di autocorreggersi e arrivare a nuove conclusioni grazie all’apprendimento tramite il pensiero, un fenomeno finora considerato esclusivamente umano. Lombrozo sottolineava che anche modelli linguistici complessi, come ChatGPT, mostrano segni di autocorrezione, senza necessità di input espliciti, proprio come fanno le persone durante il processo di apprendimento. Ciò apre importanti riflessioni sulle somiglianze tra il funzionamento delle menti umane e artificiali.
Lo studio di Lombrozo si concentra su quattro esempi di apprendimento tramite il pensiero, che si manifestano sia negli esseri umani che nell’IA. Questi includono l’acquisizione di nuove informazioni attraverso spiegazioni, simulazioni, analogie e ragionamenti. Un esempio concreto nell’uomo è spiegare il funzionamento di un elettrodomestico a un bambino: un’attività che, spesso, svela quanto limitata sia la nostra comprensione. L’intelligenza artificiale dimostra comportamenti simili quando, per esempio, risponde a domande complesse migliorando progressivamente le sue risposte attraverso l’elaborazione delle spiegazioni ricevute. La Lombrozo vede in questo fenomeno un riflesso di un processo cognitivo profondamente radicato sia nelle menti naturali che artificiali.
Il ruolo delle analogie e delle simulazioni nei modelli di intelligenza artificiale
Nel corso della ricerca, si è evidenziato come analogie e simulazioni giochino un ruolo cruciale nell’apprendimento sia per l’uomo che per l’IA. Lombrozo fa notare come, ad esempio, ordinare mentalmente i mobili in una stanza prima di spostarli rappresenti una forma di simulazione molto comune per gli esseri umani. In maniera simile, i modelli di intelligenza artificiale sfruttano simulazioni, particolarmente nel settore dei videogiochi, per approssimare scenari reali e migliorare l’apprendimento. La capacità di simulare e correggere, infatti, permette ai sistemi IA di rispondere a domande complesse con una precisione crescente, avvicinandosi così sempre di più ai processi mentali umani.
Le analogie, sottolinea Lombrozo, sono un altro strumento di apprendimento potente. Un esempio semplice è comprendere le implicazioni etiche di scaricare software pirata, facendo un confronto con il furto di beni fisici. Le analogie permettono all’IA di migliorare il proprio ragionamento, rendendo le risposte più accurate e pertinenti rispetto a quanto farebbe con una domanda diretta. Questo spinge gli studiosi a interrogarsi se l’intelligenza artificiale sia davvero in grado di “pensare” o se stia solo imitando processi umani.
L’apprendimento su richiesta: un nuovo paradigma nell’IA e nella mente umana
Tania Lombrozo ha inoltre introdotto il concetto di apprendimento su richiesta, un processo che riguarda sia gli esseri umani che i sistemi di IA. Questo tipo di apprendimento consiste nella capacità di accumulare informazioni, senza sapere immediatamente come o quando esse potranno tornare utili. Ad esempio, sapere che il compleanno di un amico cade in un giorno bisestile permette di dedurre automaticamente la data esatta quando si avvicina un nuovo anno bisestile. Analogamente, la IA immagazzina dati che possono essere rielaborati e utilizzati in modo più efficace in momenti futuri.
Lombrozo, in conclusione, mette in luce come sia difficile definire i confini precisi tra ragionamento, apprendimento e altre funzioni cognitive complesse. Questa area rimane un terreno di dibattito molto acceso nel campo delle scienze cognitive, specialmente ora che l’IA ha raggiunto livelli di sofisticazione tali da rendere possibile uno studio comparativo tra intelligenza artificiale e cognizione umana.
