Teresa Numerico, L'eredità di Alan Turing: tra memoria e intelligenza delle macchine

Teresa Numerico è professoressa associata in Logica e Filosofia della Scienza all’Università Roma Tre. Tra le sue pubblicazioni Alan Turing e l’intelligenza delle macchine, (Franco Angeli, 2006), Web Dragons (Morgan Kaufmann, 2007 con M. Gorie I. Witten). Con D. Fiormonte e F. Tomasi ha scritto L’umanista digitale (Il Mulino, 2010) e The Digital Humanist. A critical inquiry (Punctum 2015).

Attualmente si occupa di storia e filosofia dell’informatica e in particolare degli aspetti etici, politici e sociali dell’era digitale e dell’epistemologia delle tecnologie digitali.

ABSTRACT

Alan Turing è una delle figure principali delle origini dell’informatica. Non è solo l’inventore della macchina astratta, a cui sono ispirati i progetti per realizzare un dispositivo elettronica a programma memorizzato, cioè il computer, è anche uno dei principali pionieri dei progetti di intelligenza delle macchine.

L’obiettivo di questo intervento è analizzare i suoi diversi tentativi di progettare la macchina intelligente seguendo varie strategie. La centralità della memoria non può essere sottovalutata, come anche l’idea che l’intelligenza venga attribuita alla macchina socialmente.

Il test di Turing, infatti, si può leggere come un tentativo di evitare la definizione di intelligenza e mostrare che le macchine possono essere considerate intelligenti indipendentemente da come agiscono.

La trasformazione di termini come memoria e intelligenza in collegamento con il loro uso nell’ambito dell’intelligenza artificiale sarà oggetto di particolare attenzione proprio quando la centralità del machine learning ci confronta con nuovi problemi anche di natura etica e politica legate all’analisi epistemologica delle reti neurali. Turing aveva anticipato sia la direzione dell’IA basata sul knowledge management che sarà poi chiamata good old fashioned AI (GOFAI), di impostazione funzionalista e cognitivista, sia la direzione che invece vedeva nell’introduzione delle reti neurali, a somiglianza di quelle cerebrali, un potenziale progresso per le macchine.

Sapeva, però, che – per essere equi con la macchina – se questa avesse dovuto manifestare intelligenza, sarebbe stato necessario che le fosse permesso commettere errori, proprio come accade agli esseri umani. È su questa frontiera dell’errore e dell’incertezza che ci troviamo ora nei dibattiti sulle applicazioni del machine learning alla presa di decisione nei contesti di vita reale, come l’algorithmic fairness, e la dimensione politica della ricerca di correlazioni tra le variabili.