Apprendimento di Turing, macchine imparano osservando senza aiuto umano


Un gruppo di ricercatori che lavora con gli sciami di robot sostiene che le macchine sono adesso in grado di imparare in che modo funzionano sistemi naturali o artificiali semplicemente osservandoli, senza che venga detto cosa cercare.

Questo potrebbe portare a dei progressi su come le macchine riescono a inferire la conoscenza e usare tali avanzamenti per rilevare comportamenti e anomalie.

La tecnologia potrebbe migliorare le applicazioni dal punto di vista della sicurezza, come il rilevamento delle bugie o verificare l'identità e rendere i videogiochi più realistici.

Le macchine sono inoltre in grado di prevedere, tra le altre cose, il comportano di persone ed altri esseri viventi.

«Tuttavia, a differenza del test di Turing originale, i nostri inquirenti non sono esseri umani ma programmi per computer che imparano da soli».

 



Il test di Turing

 

La scoperta, pubblicata sulla rivista Swarm Intelligence, trae ispirazione dal lavoro pionieristico nel campo dell’informatica di Alan Turing. Lo scienziato sviluppò un test (definito test di Turing) nel 1950 sulle capacità di una macchina di esibire un comportamento intelligente indistinguibile da un essere umano o equivalente. In questo test, che si ispira al gioco delle imitazioni, un interrogatore scambia dei messaggi con due giocatori in una stanza diversa: da una parte un essere umano e dall'altra una macchina.

 

L'interrogatore deve analizzare i messaggi forniti dai due giocatori e scoprire quale dei due è umano. Se la macchina è in grado di “imitare l’umanità” alla perfezione riproducendo esattamente la manifestazione del pensiero si può dedurre che ha superato il test, a livello formale la macchina possiede un’intelligenza a livello umano.


Il test di Turing per scoprire come funziona un determinato sistema (naturale o artificiale)
 

«Il nostro studio utilizza il test di Turing per rivelare come funziona un dato sistema. Nel nostro caso, abbiamo monitorato uno sciame di robot con l’intenzione di scoprire le regole che hanno dato luogo ai loro movimenti» scrive il dott. Roderich Gross, ricercatore presso il dipartimento Ingegneria dei sistemi e controlli automatici dell’Università di Sheffield, UK.

 

«A tale scopo, abbiamo monitorato il primo gruppo di robot posizionando un secondo sciame composto da robot capaci di apprendere. I movimenti di tutti i robot inclusi i dati di movimento indicati per gli interrogatori sono stati registrati» aggiunge il ricercatore.

«A differenza del test di Turing originale i nostri interrogatori (coloro che fanno le domande) non sono esseri umani ma programmi per computer che imparano da soli. Il loro compito è quello di distinguere i robot dallo sciame. Sono ricompensati per categorizzare correttamente i dati di movimento dallo sciame originale come genuini e quelli provenienti da un altro sciame come falsi. I robot di apprendimento che riescono a ingannare un interrogatore — facendo ritenere genuini i loro dati di movimento — ricevono una ricompensa» scrive Gross. Il vantaggio di tale approccio, chiamato “Apprendimento di Turing”, è rappresentato dal fatto che gli esseri umani non devono più dire alle macchine cosa cercare.

 

Robot in grado di dipingere come Picasso

Immaginiamo di volere un robot in grado di dipingere come Picasso. Gli algoritmi di apprendimento automatico convenzionali potrebbero classificare i dipinti realizzati da un robot in base alla somiglianza con un dipinto di Picasso autentico. In questo qualcuno dovrebbe prima raccontare agli algoritmi ciò che è da considerare simile a un Picasso.

L’apprendimento di Turing non richiede tale conoscenza iniziale. Tale processo premierebbe il robot che ha dipinto qualcosa ritenuta genuina dagli interrogatori.

Il dott. Gross sostiene che l’apprendimento di Turing potrebbe portare a progressi nei campi della scienza e della tecnologia.

Le applicazioni scientifiche dell'apprendimento di Turing

«Gli scienziati potrebbero utilizzare l’apprendimento di Turing per scoprire le regole che disciplinano i sistemi naturali o artificiali, specialmente nei casi in cui il comportamento non può essere facilmente caratterizzato utilizzando la metrica della somiglianza» scrive Gross.

«I videogiochi, ad esempio, potrebbero guadagnare in realismo in quanto i giocatori virtuali potrebbero osservare e assumere i tratti caratteristici delle loro controparti umane. Non si tratta semplicemente di copiare il comportamento osservato, ma piuttosto di rivelare ciò che distingue i giocatori umani dal resto».

Finora, il team del dott. Gross ha sottoposto all’apprendimento di Turing diversi sciami di robot, il passo successivo sarà quello di rivelare il comportamento collettivo di alcuni animali come i banchi di pesci o le colonie di api. Questo potrebbe portare a una migliore comprensione dei fattori che influenzano il comportamento di questi animali e infine informare i decisori politici in modo che possano essere intraprese strategie per la loro protezione.

 

Riferimento:

Turing learning: a metric-free approach to inferring behavior and its application to swarms

Swarm Robotics

Wei Li, Melvin Gauci, Roderich Groß
DOI: 10.1007/s11721-016-0126-1



Newsletter

Resta informato con le nostre notizie periodicamente

Cliccando sul pulsante iscriviti acconsenti al trattamento dei tuoi dati. La tua email non verrà MAI ceduta a nessuno!