Istituto ominicomprensivo San Marcello Pistoiese

Report
1
CLASSE IV A:
Albergucci Giovanni,
Giampietri Benedetta,
Pagliai Asia,
Santi Francesca,
Sichi Ilaria,
Prof.ssa Tommasi Eleonora.
2
Intelligenza Artificiale: cos’è?
Storia dell’Intelligenza Artificiale
Reti Neurali Artificiali
Contributi all’I.A.
Intelligenza Artificiale e Filosofia
Intelligenza Artificiale tra Fisica-InformaticaMedicina
 I.A. in ambito economico e sociologico
 Conclusioni
 Bibliografia e sitografia






3
Occorre distinguere tra sistemi di
elaborazione dell’informazione utili (in
grado, ad esempio, di eseguire in tempi
rapidi e in modo preciso elevate quantità di
operazioni) da quelli intelligenti (in grado
di “scegliere”quali operazioni effettuare).
L’Intelligenza artificiale (I.A.) è quella branca di studio che si occupa della
progettazione e sviluppo di sistemi di elaborazione “intelligenti”, ossia in grado di
svolgere, mediante opportuno addestramento, azioni e comportamenti tipici della
mente umana.
Essi sono in grado di interagire con l’ambiente circostante, ragionare, pianificare,
apprendere, percepire, comunicare, manipolare oggetti, prendere delle decisioni.
4
L'Intelligenza Artificiale nasce nel XVII
sec. quando Blaise Pascal, scienziato e
filosofo francese, inventò la "Pascalina",
una macchina capace di eseguire
calcoli di addizione e sottrazione, al fine
di aiutare il padre nell'amministrazione
fiscale della Normandia.
5

Nel 1950, esce un articolo di Alan Turing sulla rivista Mind,
dove si esplica la possibilità di creare programmi che
facciano comportare un computer in maniera
intelligente.

Nello stesso anno, Arthur Samuel presenta il primo
programma capace di giocare a Dama, scritto in
Assembly e che girava su un IBM 704. Il programma aveva
la capacità di apprendere strategie sempre più
intelligenti, scontrandosi con gli avversari.

Nel 1956, alla conferenza di Dartmouth (la stessa
conferenza a cui l'IA deve il suo nome), viene mostrato un
programma che segna un'altra importante tappa dello
sviluppo dell'IA. Il programma LT di Allen Newell, J. Clifford
Shaw e Herb Simon rappresenta il primo dimostratore
automatico di teoremi.
6

Secondo Minsky, dopo il 1962 l'IA cambia le sue
priorità: essa dà minore importanza
all'apprendimento, mentre pone l'accento sulla
rappresentazione della conoscenza e sul problema
ad essa connesso del superamento del formalismo
finora a disposizione e liberarsi dalle costrizioni dei
vecchi sistemi.

I primi anni settanta vedono lo sviluppo dei sistemi di
produzione, ossia dei programmi che sfruttano un
insieme di conoscenze organizzate in base di dati,
attraverso l'applicazione di regole di produzione e
mostrano le enormi possibilità offerte da un efficace
sfruttamento di poche basi di conoscenza per
programmi capaci di prendere decisioni o fornire
avvisi in molte aree diverse.
In pratica l'analisi dei dati è stata razionalizzata e
generalizzata.
7
Congressi:

“Dartmouth Artificial Intelligence Conference:
The Next Fifty Years“

"50 anni di Intelligenza Artificiale - Campus
Multidisciplinare in Percezione e Intelligenza
2006", o CMPI, un congresso di referenza
multidisciplinare, nel quale cento esperti a
livello mondiale si riunirono ad Albacete
(Spagna) per celebrare l'occasione del
cinquantesimo anniversario dell'Intelligenza
artificiale, con la Conferenza di Dartmouth.
8

Il termine rete è riferito
alla topologia dei
collegamenti tra i
neuroni.
Particolarmente usate nel contesto dell’IA, le reti neurali
rappresentano un modello matematico semplificato del neurone
biologico (sistema artificiale di ispirazione biologica)
9
Si realizza attraverso l’interconnessione di numerosi
elementi semplici che cercano di simulare il
funzionamento dei sistemi nervosi biologici costituiti
da una complessa rete di cellule nervose o neuroni.
10

Le reti neurali sono in grado di comprendere e risolvere
problemi estremamente complessi per algoritmi tradizionali.

Lavorano in tempo reale anche con dati imprecisi e
complessi.

Funzionano velocemente poiché ogni neurone usa solo il suo
input.

Il risultato è determinato tenendo conto contemporaneamente
di tutti gli input.
11

I problemi vengono risolti, non capiti.

Non sempre esiste una rete che risolve il problema, perché
non sempre esiste un algoritmo di apprendimento che
converge dando un output della rete con basso errore.

È necessaria una casistica di esempi molto ampia per ottenere
un buon apprendimento e un basso errore.
12
FISICA - INFORMATICA –
MEDICINA:
Es. Sviluppo di sistemi fisicoinformatici per l’analisi di immagini
biomediche (CAD)
FILOSOFIA:
Es. Nascita dell’I.A. a partire
da dibattiti filosofici.
ELETTRONICA: SISTEMI E
AUTOMAZIONE
Es. Automatizzazione di sistemi
di controllo, di sicurezza, di
riconoscimento…
Intelligenza
Artificiale
INFORMATICA E SVAGO: Es. sviluppo di
programmi per giochi interattivi e applicazioni per
riconoscimento vocale e musicale.
ECONOMIA:
Es. Sviluppo di sistemi
automatici di valutazione
del grado di rischio
nell’effettuazione di presiti o
investimenti finanziari.
NEUROSCIENZE:
Es. Sviluppo di reti neurali
che simulino il funzionamento
del sistema nervoso.
13

Numerosi sono i progressi sviluppati in ogni
contesto applicativo dell’I.A. negli ultimi 50 anni,
a partire dal campo medico, informatico,
economico, etc…

Eppure lo stato dell'arte nel campo
dell'intelligenza artificiale non è dei migliori.
Una recente indagine condotta da un gruppo di
scienziati della University of Illinois di
Chicago (UIC) ha dimostrato che le facoltà
cognitive e deduttive di una degli agenti
intelligenti più avanzati al mondo sarebbero in
realtà pari a quelle di un bambino di 4 anni.
14
Parlare di intelligenza artificiale significa scontrarsi con
il problema della mente umana e del suo funzionamento.
Ma, assimilare l’attività di una
intelligenza artificiale alle azioni
celebrali implica ridurre l’ambito
dell’attività della mente umana.
15
Johann Gottfried Herder, filosofo e teologo tedesco
del XVIII sec.
«Che cosa – si chiede Herder – significa pensare? Parlare
interiormente, cioè esprimere per sé i segni acquisiti.
Parlare significa pensare ad alta voce. Nel flusso di questi
pensieri, molto può essere per noi solo supposto e opinato;
se però penso realmente un oggetto, ciò non accade mai
senza un segno. Nel pensare, l’anima crea continuamente
un’unità del suo molteplice»
(J. G. Herder, Metacritica).
16
Daniel Clement Dennett, logico e filosofo statunitense da sempre
studioso del funzionamento della mente.
«Bene, allora come può il cervello estrarre determinati significati dalle cose? In quale
momento possiamo parlare di coscienza?
Queste sono le domande alle quali le scienze cognitive stanno cercando di dare una risposta,
cercando di ridurre la rappresentazione interna e coloro che sperimentano la suddetta
rappresentazione a delle macchine. Un computer può farlo.
La grande intuizione di Turing fu proprio questa: ridurre la macchina semantica a macchina
sintattica. I nostri cervelli non sono nulla di più che macchine sintattiche, che tuttavia
estraggono significati dal mondo circostante, ovvero lavorano come macchine semantiche.
Siamo in presenza di un paradosso, ma non di un mistero, come molti vorrebbero farci
credere.
Non credo nei misteri, sono soltanto problemi che non sappiamo ancora come avvicinare. Se
pensiamo di aver trovato un mistero, probabilmente abbiamo soltanto frainteso il problema.
Quel che è certo è che la coscienza è meno misteriosa di quanto si pensi: essa si sviluppa da
ciò che fa il cervello – ovvero come macchina sintattica – e non da ciò di cui è fatta»
17
L’intelligenza artificiale sarebbe comunque una forma di
conoscenza molto limitata e parziale, perché i meccanismi stessi
delle macchine sono limitati. E anche se fosse possibile costruire un
computer dotato di una “super-memoria”, capace di contenere
anche una piccola parte dei miliardi di informazioni presenti nei
nostri cervelli, essa ancora non corrisponderebbe alla memoria
umana.
Nell’uomo la memoria è profondamente connessa a quella
particolare forma di conoscenza data dall’interazione con il mondo
esterno e dalle capacità di relazionarsi agli altri esseri umani, nella
vita quotidiana.
18
l'obiettivo della filosofia di inizio XXI è spiegare il nostro
essere agenti evidentemente coscienti, attenti, liberi, razionali,
parlanti, sociali e politici in un mondo che la scienza ci dice
essere costituita di particelle fisiche senza meta e senza
significato.
«La capacità degli atti linguistici di rappresentare oggetti e
stati di cose del mondo – afferma Searle – è una estensione
della più biologicamente fondamentale capacità della mente
di porre in relazione l’organismo con il mondo, per mezzo di
stati mentali come credenza e desiderio, e, in particolare,
tramite azione e percezione»
19
In collaborazione con il Prof. Giorgio De Nunzio
Univ. Del Salento, Dip. di Matematica e Fisica «Ennio De Giorgi» e INFN, Sezione di
Lecce, ricerca in MAGIC5
Il Progetto di Ricerca MAGIC5, su scala nazionale, si occupa di applicazioni
mediche basate sull’utilizzo di una piattaforma GRID per la condivisione di
risorse di calcolo e la gestione di enormi quantità di dati distribuiti su
vasta scala. Esso mira fondamentalmente allo SVILUPPO DI SISTEMI FISICOINFORMATICI per l’ANALISI DI IMMAGINI BIOMEDICHE
20
21
Sviluppo di CAD (Computer Aided Detection),
software per la rilevazione automatica di strutture
patologiche (quali tumori) attraverso l’analisi di immagini
mediche (input).
Utile strumento come:
1°lettore (all’interno di eventuali programmi di screening – “indagini di
massa”-su soggetti asintomatici ad alto rischio) per ordinare in modo
prioritario gli esami potenzialmente patologici.
2°lettore (nella tradizionale pratica clinica) per un secondo parere diagnostico
di supporto ad una corretta diagnosi. Si è infatti dimostrato che l’uso della
seconda lettura può migliorare del 20% la rilevazione precoce di una
patologia tumorale in stato iniziale.
22
Ricerca di lesioni tumorali
in immagini
mammografiche
Rilevazione di noduli
polmonari in scansioni CT
Individuazione della malattia
di Alzheimer in stadio precoce
da immagini PET e RM
CAD polmonare
Gestione DATABASE immagini CT
23
Schema essenziale del CAD:
Scansione TAC toracica in
input
Analisi dei livelli di grigio
(densità dei tessuti)
Individuazione delle potenziali
ROI –regioni di interesse
Rete neurale come algoritmo di
classificazione delle ROI
Individuzione dei potenziali noduli e
loro ricostruzione 3D
24

I candidati noduli rilevati sono classificati da una rete
neurale che simula l’utilizzo di una ventina di neuroni,
garantendo una riduzione dei falsi positivi (ossia regioni,
quali concavità naturali, vasi, etc…erroneamente individuate
come “a rischio”).

Le feature adoperate (caratteristiche distintive) per la
classificazione sono tredici, di tipo geometrico (area, raggio
equivalente, circolarità) e legate al contenuto in livelli di
grigio (densità dei tessuti).
25
26
›
›
›
Individuazione automatica dell’ippocampo
Studio delle alterazioni morfologiche dell’ippocampo
Studio dei soggetti a rischio (mild cognitive impairment, MCI)
Scatola
Ippocampale
Classificazione
SANI
Rete neurale
Estrazione di
caratteristiche
morfologiche:
volumi, spessori,
…
MCI
ALZHEIMER
27
È un mezzo di comunicazione diretto tra il cervello e un dispositivo esterno
(computer), in grado di tradurre in comandi l’attività cerebrale e permettere il
controllo di dispositivi esterni in tempo reale.
Applicazioni:
 Permette a soggetti patologici di comunicare
anche quando hanno perso l’uso dell’apparato
vocale;
 Permette la comunicazione silente in ambienti
rumorosi, o in caso di informazioni riservate
(operazioni di polizia, azioni di guerra, missioni
spaziali);
giorgio.denunzio@unisalento.it
Attivazione di
diverse regioni del
cervello a seconda
della
vocale pensata
28

Nell'ambito economico
finanziario, l'Intelligenza artificiale ha il
compito di controllare ed ottimizzare la
logistica imprenditoriale ed evitare truffe a
danno delle aziende.

L'utilizzo di reti neurali e sistemi avanzati
permettono di agire accuratamente nella
analisi di transinzione e di scambi, così da
verificare l'andamento delle entrate e delle
uscite con elevata precisione.
29

Uso dell'intelligenza artificiale in borsa:
il NASDAQ ha escogitato il SONAR, un
sistema che sottopone a monitoraggio le
varie permute al fine di identificare frodi.

Sviluppo di sistemi automatizzati per stabilire
il livello di affidabilità nell'effettuare un
prestito bancario, attraverso lo studio
potenziale dei rischi.

Nel 2003 un sondaggio ha rilevato che
l'utilizzo di questo criterio ha sventato circa
180 raggiri, che sarebbero passati
inosservati verosimilmente all'occhio
umano.
30

Marck Zuckerberg, fondatore della famosa
piattaforma Facebook, mira a sfruttare
l'intelligenza artificiale per un social-network più
"sapiente".

Lo scopo è quello di creare un database in
grado di riconoscere gli oggetti postati nelle
foto.

Vantaggio? Gli utenti forniscono indirettamente
delle informazioni, favorendo le attività
commerciali attraverso le inserzioni
pubblicitarie.
31

40 milioni di dollari investiti in VICARIUS:
socirtà americana che investe sullo sviluppo
di sistemi di elaborazione intelligenti.

Essa mira alla replicazione in un computer
delle funzionalità della neocorteccia
celebrale.
Saremo in grado di creare una macchina
che abbia il controllo di se stessa e la
comprensione del linguaggio ?
32

Lo sviluppo delle conoscenze teoriche sull’I.A. e
della tecnologia ad essa correlata ha degli
importanti risvolti applicativi nella vita
quotidiana.

Fondamentali i contributi di tali ricerche in
ambito medico-scientifico (sia in termini
diagnostici che terapeutici)- o ancora economico,
sociologico, informatico, tecnologico…

Permane una domanda:
33
Che cosa differenzia, se c’è una differenza,
l’uomo dagli altri esseri viventi non umani?
I.A.: “Lo studio delle computazioni che
rendono una macchina capace di fare cose
che, al momento, gli uomini fanno meglio
(Richand Knight 1991)”
34

G. De Nunzio, et al., Approaches to juxtapleural nodule
detection in CT images within the MAGIC-5 Collaboration,
Nuclear Inst. and Methods in Physics Research (2011);

G. De Nunzio, et al., Automatic lung segmentation in CT images
with accurate handling of the hilar region. J Digit Imaging 24,
Issue 1 (2011)

G. De Nunzio, F. Fauci, 1 G. Raso, A massive lesion detection
algorithm in mammography, Physica Medica ・ Vol. XXI, N. 1,
January-March 2005

S. Gentili, dipartimento di matematica e informatica
nid.dimi.uniud.it/pages/materials/sphinx/presentazioni/15.03/Ge
ntili/gentili.ppt
35

Roberto Marmo, Laboratorio di Visione Artificiale, Pavia
vision.unipv.it/IA/aa2002-2003/9-RetiNeurali.ppt

http://www.fastweb.it/internet/cos-e-l-intelligenza-artificiale-e-quali-leprospettive-per-il-futuro/

www.corriere.it

http://www.federica.unina.it/lettere-e-filosofia/filosofia-dellamente/mente-intelligenza-artificiale-2/

http://www.loebner.net/Prizef/TuringArticle.html

http://www.treccani.it/enciclopedia/intelligenza-artificiale/

http://www.ilpost.it/2014/01/29/google-deepmind-intelligenza-artificiale/

http://www.aixia.it/

www.imprese.intesasanpaolo.com/portalImpn0/pdf/AI_2006.pdf
36

similar documents