L’uomo che ha insegnato alle macchine il ragionamento analogico, Una riflessione sull’opera e il pensiero di Geoffrey Hinton, padre spirituale delle reti neurali e dell’apprendimento profondo. Di Diego Viarengo, il Tascabile 5.3.2025.
Negli anni sessanta la ricerca sull’intelligenza artificiale era dominata dalla corrente simbolica che si basava sulle frasi, sulle relazioni significative tra le proposizioni. La corrente connessionista, di minoranza, proponeva di ricreare il modello della percezione biologica attraverso sistemi matematici ispirati alle connessioni tra neuroni. General problem-solving program (GPS), di Allen Newell, John Clifford Shaw e Herbert Simon, 1958, erano convinti di aver creato un programma per computer capace di pensare in termini non numerici. Il GPS traduce il mondo in oggetti e relazioni legittime tra oggetti. Per esempio, una posizione della scacchiera è un oggetto e ogni mossa legittima degli scacchi è un operatore che permette di passare da un oggetto a un nuovo oggetto.
Sempre nel 1958, lo psicologo Frank Rosenblatt, presentava (perceptron) la prima rete che simulava il funzionamento neuronale, in grado di riconoscere immagini e, soprattutto, di imparare attraverso le azioni, o le esperienze. È il primo oggetto capace di interagire con l’ambiente e di dare forma a concetti non preparati da agenti umani. Daniel Andler, in Il duplice enigma (2024): “l’addestramento simbolico consiste nell’istruire il modello, nel comunicargli un sapere, l’addestramento connessionista nell’esporlo a esempi, nell’inculcargli un saper-fare” Dagli anni ottanta la corrente connessionista riprende interesse con il modello di rete neurale proposto da John Hopfield a cui Hinton ha aggiunto i livelli nascosti creando la macchina di Boltzmann (2007): “Per risolvere un problema di apprendimento, le macchine di Boltzmann apportano molti piccoli aggiornamenti ai loro pesi e ogni aggiornamento richiede loro di risolvere molti diversi problemi di ricerca.”
RBM è una rete neurale artificiale stocastica generativa in grado di apprendere una distribuzione di probabilità dall’insieme dei dati in ingresso. Pochi anni dopo Hinton crea l’algoritmo di retropropagazione, per l’addestramento di reti neurali artificiali. Queste invenzioni permettono di capire, per esempio, se una particolare immagine rappresenti un gatto o un cane, o se un contratto assicurativo sia o meno una frode. “L’addestramento della rete avviene per mezzo di un algoritmo di retropropagazione, un sistema iterativo che valuta quali neuroni e connessioni contribuiscano maggiormente agli errori, così da calibrare la rete per il riconoscimento dell’immagine. Questo tipo di apprendimento può essere supervisionato, nel caso in cui la risposta giusta sia nota; o non supervisionato, nel qual caso cercherà di individuare autonomamente i pattern.”
Nel discorso di accettazione del Nobel nel 2023. Hinton dice: “questa nuova forma di IA eccelle nel riprodurre l’intuizione umana più che il ragionamento” In una intervista Hinton ha spiegato la sua idea di come pensiamo: “Per anni la corrente simbolica dell’intelligenza artificiale ha sostenuto che la nostra natura sia quella di macchine che ragionano. Non ha senso: la nostra natura è di macchine che fanno analogie, con un po’ di ragionamento montato in cima, per accorgerci quando le analogie ci danno la risposta sbagliata e correggerla.“
Ma paragonare l’essere umano a una macchina non deve essere visto come un’idea meccanicistica, bensì come scriveva Julien Offroy de La Mettrie nel suo trattato L’uomo macchina del 1747: “Paragonare un essere umano a una macchina può trarre in inganno se ci si concentra sull’aspetto meccanico, inteso come automatico, non autonomo e programmato dall’esterno.”
Hofstadter così definisce l’analogia: ” È utile dividere il pensiero analogico in due componenti base: primo, il processo di percezione di una situazione, che consiste nel considerare i dati relativi a una situazione, quindi filtrarli, e organizzarli in vari modi per arrivare a una rappresentazione appropriata al contesto particolare. Secondo, il processo di proiezione per mappe, che consiste nel considerare le rappresentazioni di due situazioni e nel trovare le corrispondenze appropriate tra gli elementi dell’una e quelli dell’altra, creando così l’accoppiamento che chiamiamo analogia.
Hofstadter e Melanie Mitchell ricercano una posizione intermedia tra approccio simbolico e connessionistico dell’intelligenza artificiale, un “ibrido tra le due” con al centro l’analogia come concetto fluido, nello spirito kantiano per cui percezione e concetto non stanno l’una senza l’altro.
Il loro programma Copycat “esplora un territorio intermedio della simulazione cognitiva, posto tra quello dei sistemi simbolici di alto livello e quello dei sistemi connessionistici di basso livello; la ragione per cui si sostiene questo approccio è che il suo livello intermedio è al momento il più utile per trattare la natura fluida dei concetti e delle percezioni, aspetti centrali della mente che emergono con la massima chiarezza nel fare analogie.”
Enzo Melandri in La linea e il circolo. Studio logico-filosofico sull’analogia nel 1968: La lotta tra logica e analogia è una metafora che Melandri usa per sottolineare quanto per pensare siano necessarie entrambe. L’analogia fa parte dell’esperienza quotidiana: “il riconoscimento percettivo, l’identificazione delle ‘stesse’ cose, la continuità del ‘sé’ che ne fa esperienza, tutto questo e quanto ne deriva presuppone l’uso di un principio di comportamento di carattere analogico, piuttosto che logico”. Il punto per Melandri non è stabilire una gerarchia ma riconoscere la necessaria complementarità tra logica e analogia. Quello di Melandri, diceva Gianni Celati in Alì Babà: progetto di una rivista 1968-1972 (1998), è un pensiero che “fa retroagire le conclusioni sulle premesse”. Dal punto di vista concettuale, c’è una chiara similitudine con l’algoritmo di retropropagazione di Hinton, che aggiusta i pesi per correggere le risposte in uscita delle reti neurali.
La logica funziona bene nei sistemi chiusi, mentre l’analogia li riapre indefinitamente. Melandri in L’analogia, la proporzione, la simmetria racconta l’analogia come gioco linguistico, dove c’è un rilancio trasgressivo che costruisce inedite associazioni, la cui “molla” è “l’intelligenza intesa come atto creativo, produttivo, innovatore”.
L’analogia è usata continuamente e non solo nei processi cognitivi. Per esempio è usata in giurisprudenza: la common law si basa sul principio analogico. La proporzionalità è un altro esempio di uso dell’analogia. Il procedimento mentale “per mezzo dell’esempio” è analogico, Aristotele nella Retorica lo chiama “paradigmatico”.
È importante sottolineare il discorso politico di Hinton che in tutta la sua carriera scientifica ha sempre avuto attenzione per gli aspetti etici delle sue scoperte e ricerche. Critico verso l’uso militare dell’Intelligenza artificiali, oggi avverte il pericolo che un sistema ad apprendimento autonomo possa sfuggire al controllo dei suoi creatori.
Inoltre la sua preoccupazione per gli sviluppi negativi che potrebbe avere l’IA sul mercato del lavoro, sulle diseguaglianza tra ricchi e poveri e l’affermarsi di politiche populisti, lo ha spinto a sostenere la necessità di un reddito di base universale.