Un quesito filosofico sul quale i transumanisti devono interrogarsi è quello che riguarda la plausibilità di un'Intelligenza Artificiale Forte. Come è noto questa espressione è stata introdotta nel dibattito scientifico dal filosofo americano John Rogers Searle (1980) che ha distinto i programmi di ricerca dell'IA in base alla loro ambizione. Da una parte vi sono quei teorici che ritengono che le menti delle specie viventi siano simili al software che gira in un calcolatore – e quindi siano riproducibili meccanicamente seguendo gli stessi principi che guidano l'implementazione di un programma per calcolatore. Da un altro versante vi sono quegli scienziati cognitivi che abbracciano una visione più debole delle potenzialità dell'IA, ritenendo che l'ingegneria della conoscenza può essere utile per comprendere alcuni aspetti cognitivi delle menti biologiche senza per questo rappresentare una riproduzione delle facoltà pensanti. I primi teorici, stando a Searle, sostengono la tesi dell'IA forte, i secondi la tesi dell'IA debole ¹ .

In questo articolo intendo esaminare tale problema filosofico da più angolazioni: da un lato mi interrogherò sulla natura degli stati e delle rappresentazioni mentali e sulla loro intenzionalità, dall'altro – prendendo inizialmente per buono il test di Turing che vuole che a una macchina parlante sia riconosciuta intelligenza – mi chiederò cosa vuol dire saper usare una lingua e mi interrogherò sulla natura dei significati delle parole. Solo chiariti questi aspetti è infatti possibile rispondere alla domanda finale dell'ancoraggio simbolico ² . Nella parte construens indicherò qual è a mio avviso il programma di ricerca più adatto per realizzare una mente artificiale. Questa analisi comporterà un'introduzione al dibattito delle "macchine pensanti", sebbene eviterò in questa sede di ripercorrere la sua storia a partire dagli albori ³ e mi concentrerò fin dal prossimo paragrafo sul momento che ritengo cruciale: l'ideazione della Macchina di Turing e il test di Turing.

La macchina e il test di Turing

L'invenzione della macchina di Turing (MT) rappresenta senza dubbio il passaggio nel quale ogni domanda filosofica relativa alle ambizioni dell'IA trova una sua sistematizzazione. Nel 1936 il matematico Alan Turing ideò un metodo astratto di calcolo in grado di computare ogni funzione debitamente sottopostagli. Il progetto era realizzato semplicemente con carta e penna. Immaginiamo un sistema meccanico in grado di eseguire operazioni: esso consta di un nastro di carta scorrevole potenzialmente infinito e diviso in caselle, e di un dispositivo capace di leggere, scrivere e cancellare le informazioni presenti sul nastro, oltre che di spostare il nastro verso destra o sinistra e infine in grado di arrestarlo. Tale dispositivo dispone di un inventario di stati interni (symbols of the second kind) e legge e manipola stringhe composte da cifre (figures) di 0 e 1. Una MT funziona così: 1) il dispositivo meccanico legge una stringa finita di cifre; 2) a tale stringa è associata una regola predeterminata dal programmatore; 3) il dispositivo risponde alla regola compiendo alcune delle seguenti operazioni: cancellazione delle cifre presenti sulla casella del nastro esaminata, scrittura di nuove informazioni – quindi di nuove stringhe di 0 e 1 – e spostamento del nastro verso destra o verso sinistra per consentire una nuova lettura; 4) il risultato di quest'ultima operazione restituisce un nuovo stato interno, e così il congegno va avanti esaminando stringhe e manipolandole. Quando non ci sono più regole, e quindi numeri computabili da manipolare, il dispositivo si arresta e fornisce il suo stato finale: ciò che si trova registrato sul nastro all'atto dell'arresto rappresenta il risultato dell'elaborazione.

L'idea consiste quindi nel predeterminare una serie di azioni manipolative, simboliche e automatiche, per ogni funzione logico-matematica che si intende svolgere. Sebbene la MT fosse semplicemente implementata su carta, con questa intuizione Turing riuscì a cogliere materialmente il concetto di emulazione in quanto una MT adeguatamente programmata è in grado di eseguire qualsiasi funzione computabile dall'uomo. Si dice quindi che per ogni funzione computabile esiste una MT corrispondente ⁴ . Il passaggio ulteriore consiste nell'estendere l'astrazione e immaginare una Macchina Universale di Turing (MUT) che disponga di una tabella d'istruzioni tanto vasta quanto sono le MT – potenzialmente infinite, poiché potenzialmente infinite sono le funzioni computabili – e che pertanto sia capace di simularne il "comportamento". Il modello computazionale ideato da Turing è rivoluzionario in quanto rende probabile la sfida di una ricerca delle funzioni calcolabili che caratterizzano una mente. L'obbiettivo dell'intelligenza artificiale diventa perciò quello di individuare un programma di regole che spieghi, e auspicabilmente emuli, il funzionamento delle intelligenze biologiche.

Nel 1950 esce l'articolo che dà inizio ai sogni dell'IA ⁵ . Turing propone di considerare un esperimento mentale – che egli denomina Imitation Game – in cui vi sono tre partecipanti: A e B sono rispettivamente un uomo e una donna, mentre C è un interrogante di un qualunque sesso. C conosce A e B tramite le etichette X/Y e ha il compito di individuare il sesso dei due partecipanti ponendo loro delle domande che vengono sottoposte tramite una telescrivente. Mentre A cercherà di ingannare C, B cercherà di aiutarlo nell'identificazione. A questo punto Turing si chiede: cosa accadrebbe se un calcolatore digitale prendesse il posto di A e riuscisse a ingannare l'intervistatore umano? In altre parole: quali valutazioni psicologiche scaturirebbero se una macchina fosse capace di intrattenere una discussione con un essere umano, per un periodo di tempo non eccessivamente breve ⁶ , mettendo in atto un piano d'azione e tenendo conto anche delle intenzioni altrui?

Da Searle a Dennett: due diversi approcci al problema dell'intenzionalità degli stati mentali

L'Imitation Game – o test di Turing – costringe il filosofo a riflettere e dare una risposta ad almeno due problemi della cognizione. In questo paragrafo esaminerò gli approcci più famosi tesi alla risoluzione del primo problema: quello dell'intenzionalità degli stati mentali. La scienza cognitiva usa il termine stati mentali per riferirsi alla descrizione mentalistica della fenomenologia e del comportamento propri dei sistemi complessi. Stati mentali tipici sono il desiderio e la credenza. L'intenzionalità è invece quella proprietà che rende gli stati mentali relativi all'oggetto dell'atto di pensiero. Lo psicologo sperimentale Franz Brentano (1874) ha indicato due caratteristiche dell'intenzionalità: il possesso di un contenuto informativo e la peculiarità dello stato mentale di vertere su di esso. A esempio, la credenza che "Babbo Natale è buono" possiede un contenuto – ossia il creduto: che potrebbe essere rappresentato, a esempio, dall'immagine mentale di Babbo Natale e dalle emozioni associate alla sua figura – sul quale verte ⁷ .

Secondo Brentano, in particolare, la caratteristica degli stati mentali di riferirsi anche a oggetti non reali – come potrebbe essere Babbo Natale – sarebbe indice della presenza d'intenzionalità e questo principio – noto come inesistenza intenzionale – differenzierebbe gli stati mentali da quelli fisici, invalidando ogni tentativo della scienza esatta di studiarne i contenuti. In effetti, Brentano (1874) ritiene che l'intenzionalità degli stati mentali sia una proprietà immanente della coscienza e non considera quest'ultima di natura fisica:

Ogni fenomeno mentale è caratterizzato da ciò che gli scolastici del Medioevo chiamavano inesistenza intenzionale (o mentale) di un oggetto, e da ciò che potremmo chiamare, sebbene in modo non del tutto privo di ambiguità, il riferimento a un contenuto, la direzione verso un oggetto (che non deve essere qui intesa come il significato), o oggettività immanente. Ogni fenomeno mentale include in se stesso qualcosa come un oggetto, sebbene non tutti lo facciano nello stesso modo. Nella rappresentazione qualcosa è rappresentato, nel giudizio qualcosa è affermato o negato, nell'amore amato, nell'odio odiato, nel desiderio desiderato e così via. Questa inesistenza intenzionale è una caratteristica esclusiva dei fenomeni mentali. Nessun fenomeno fisico mostra qualcosa di simile. Noi possiamo, dunque, definire i fenomeni mentali dicendo che sono quei fenomeni che contengono intenzionalmente un oggetto in loro stessi ⁸

Searle (1983) riprende parte della teoria di Brentano sull'intenzionalità. A esempio, il filosofo americano continua a considerarla una proprietà della coscienza e vede sempre l'orientamento e il contenuto degli stati mentali come irriducibili agli stati fisici. Tuttavia, la non riducibilità alla quale si riferisce Searle non chiama in causa l'assunzione metafisica dualista, bensì l'autore si rifà alla tesi filosofica della sopravvenienza causale. Secondo questa teoria gli stati mentali sono sopravvenienti su quelli neurofisiologici e incidono allo stesso tempo su di essi ⁹ . In tal modo, il realismo dell'intenzionalità degli stati mentali è fondato su scala biologica, sebbene non venga ridotto a essa ¹⁰ .

Questo modello ha delle ricadute sul discorso che riguarda la possibilità di estendere l'intenzionalità ai sistemi artificiali, in quanto stando a Searle è possibile effettuare questa operazione solo in un senso metaforico:

Spesso attribuiamo il comprendere e altri predicati cognitivi per metafora e analogia alle automobili, alle addizionatrici e ad altri manufatti [...] Diciamo: "la porta sa quando si deve aprire, grazie alla sua cellula fotoelettrica", "l'addizionatrice sa come (capisce come, è capace di) fare l'addizione e la sottrazione" [...] "il termostato sente le variazioni di temperatura" ¹¹ .

Secondo la filosofia searliana gli esempi riportati sono delle semplici attribuzioni d'intenzionalità che vanno distinte dall'intenzionalità intrinseca che è propria soltanto dei sistemi biologici: «Non bisogna cadere nell‟errore di considerare l'intenzionalità come se come un tipo particolare di intenzionalità: più semplicemente se ne fa menzione quando un sistema è come-se-avesse-intenzionalità» (Searle, 1992, trad. it. p. 94). Un'ulteriore attribuzione d'intenzionalità è quella conferita ai calcolatori digitali che, sebbene opportunamente progettati siano capaci di stampare proposizioni dotate di senso e aderenti a un contesto, derivano la loro intenzionalità da quella del programmatore. In ultima analisi, nell'ottica searliana le intenzionalità come se e quella derivata sono delle interpretazioni stabilite per comodità descrittiva dagli uomini, mentre l'intenzionalità intrinseca è propria degli esseri viventi superiori – quelli per cui può essere usato il vocabolario mentalistico

Una teoria che, al contrario di quella di Searle, riconosce immediatamente intenzionalità ai calcolatori digitali è quella degli atteggiamenti intenzionali, a opera del filosofo Daniel Clement Dennett (1971). Dennett, come il logico e filosofo della scienza Willard van Orman Quine (1960), sostiene una posizione scettica sul realismo degli stati mentali e li considera come delle espressioni facenti parte di una psicologia del senso comune che, sebbene venga considerata di dubbia accettabilità scientifica, è ritenuta utile ai fini della predizione dei comportamenti altrui ¹² .

Dennett dà inizio alla sua argomentazione sostenendo che è possibile prevedere i comportamenti dei sistemi che ruotano attorno all'uomo usando delle strategie cognitive. La strategia più immediata è quella che chiama in causa la conoscenza delle leggi di natura ed è usata dall'uomo per relazionarsi al mondo fisico. A esempio, se della neve cade sui rami di un albero ci si può aspettare che questi si spezzino se non sono abbastanza robusti. O ancora, se c'è un guasto alla parte hardware di un computer l'eventuale riparatore userà le conoscenze che possiede sul mezzo fisico. In tutti questi casi l'uomo adopererà quello che Dennett definisce l'atteggiamento fisico. Un ulteriore atteggiamento è quello del progetto. Si tratta in questo caso della disposizione assunta da un programmatore nei confronti di un software non complesso: egli potrà prevedere un dato output essendo a conoscenza delle regole e dei comandi implementati. Infine, l'atteggiamento intenzionale è quello proprio della folk psychology ed è usato dall‟uomo per relazionarsi con i suoi conspecifici e con altri esseri viventi. Sebbene si tratti della strategia cognitiva più ricca e articolata, Dennett ritiene che essa è quella che viene assunta dall'uomo nei confronti di un software complesso come può essere un programma che gioca a scacchi; diventerà infatti utile leggere le sue azioni nei termini di desideri e credenze:

Non si può più sperare di sconfiggere la macchina utilizzando le conoscenza di fisica o di programmazione per anticipare le sue risposte, si può ancora evitare la sconfitta trattandola più o meno come un normale avversario umano intelligente (Dennett, 1971, trad. it. p. 41)

Sia la teoria dell'intenzionalità di Dennett che quella di Searle sollevano diversi problemi. La teoria degli atteggiamenti intenzionali è una teoria che si basa solo sull'attribuzione d'intenzionalità degli stati mentali, ma nulla dice a proposito del realismo e dell'ontologia degli "stati intenzionali" ¹³ . Dennett (1987) considera oggettivi gli stati intenzionali solo in quanto disposizioni comportamentali – e questo è il motivo per cui la sua posizione filosofica è spesso tacciata di eliminativismo. Anche l'ontologia di questi resta dubbia in quanto l'unico sforzo compiuto dall'autore è quello di considerarli come atteggiamenti proposizionali. Resta tuttavia un problema: se la natura dell'intenzionalità degli stati mentali fosse di tipo concettuale allora dovremmo rinunciare a considerare intenzionali i comportamenti esibiti dalle altre specie animali – che non possiedono il linguaggio verbale – e questo, oltre a essere controintuitivo, è senza alcun dubbio falso ¹⁴ .

Va sottolineato che, come Dennett, Searle non chiarisce l'interrogativo ontologico dell'intenzionalità degli stati mentali. Tuttavia, il filosofo fornisce degli indizi: l'intenzionalità degli stati mentali è una proprietà della coscienza e come tale è condivisa tra le specie viventi che stabiliscono una relazione cosciente con il mondo. Inoltre, come tutti i fenomeni mentali, è il risultato emergente dell'attività fisiologica del sistema nervoso ¹⁵ . Questa prospettiva teorica, nota come naturalismo biologico ¹⁶ , deve però fare i conti con l'annosa questione degli stati soggettivi della coscienza: «I contenuti della mente sono accessibili soltanto dal punto di vista della prima persona; sono fenomeni soggettivi e ontologici. Non è possibile dare una spiegazione della coscienza se non nel senso dell'ontologia, di un'ontologia soggettiva non metafisica» (Searle, 1997, trad. it. p. 189). Alla luce di questo, è facile capire che lo slogan searliano secondo cui la coscienza è «epistemologicamente oggettiva, e ontologicamente soggettiva» pone un bel rompicapo ai neuroscienziati che avrebbero il compito di spiegare in termini neurologici la proprietà degli stati mentali di essere intenzionali.

Il problema del significato delle parole

Il secondo problema filosofico che scaturisce da un'attenta analisi del test di Turing è di tipo semantico: ammesso che sia creato un programma che superi il test, è ammissibile che questo letteralmente comprenda il significato di una conversazione?

Esiste una risposta classica a questo quesito che è l'esperimento mentale della stanza cinese. Searle (1980) propone di immedesimarsi nel ruolo svolto dal processore di un computer, che manipola formalmente dei simboli – in modo analogo al funzionamento della MT. Searle chiede quindi al lettore se sia possibile comprendere una semantica nella situazione surreale di dover tradurre un testo da una lingua sconosciuta alla propria lingua usando un semplice manuale che indichi l'espletazione di passaggi formali simbolici ¹⁷ . Sebbene ci sia una serie di riposte date al Gedankenexperiment di Searle ¹⁸ , quella che ai giorni nostri risulta più convincente è la risposta del robot. Si immagini di inserire un programma formale in un corpo artificiale, aggiungendo però al sistema la funzione di trasdurre degli stimoli esterni, tramite degli opportuni recettori, e quella di agire sull'ambiente, per mezzo di arti in grado di conservare un feedback dell'azione svolta. In questo caso produrremmo dell'intelligenza consapevole o saremmo confinati ancora a una manipolazione di simboli priva di significato?

Sebbene oggi l'uomo disponga dei mezzi tecnici per realizzare l'ipotesi presentata, non si è ancora riusciti a costruire robot che diano l'impressione di avere consapevolezza delle proprie azioni; possiamo comunque – usando un po' di lungimiranza – provare a rispondere in linea di principio.

Stando a un'autorevole teoria del significato, quella proposta dal filosofo del linguaggio Diego Marconi (1997), la risposta del robot darebbe sostanza all'ipotesi dell'intelligenza artificiale. Marconi dimostra che la competenza semantica si basa su due abilità, autonome e distinte ¹⁹ , che sono quella inferenziale e quella referenziale. La competenza inferenziale consiste nel collegare le parole l'una con l'altra. Colui il quale è inferenzialmente competente deve saper gestire una rete di connessioni tra le parole «che sta alla base di prestazioni come l'inferenza semantica, la parafrasi, la definizione, il ricupero della parola a partire dalla sua definizione, il ricupero di un sinonimo, e così via» ²⁰ . Essere referenzialmente competenti vuol dire invece saper riconoscere il referente di un significato ed essere in grado di applicare il linguaggio al mondo. È facile comprendere che nell'aspetto referenziale della competenza semantica giocano un ruolo basilare i sensi. I sistemi artificiali finora ideati, sebbene siano dei dispositivi inferenzialmente efficaci, non sono affatto capaci di esibire una competenza referenziale; e questo sarebbe il motivo per cui non possono comprendere una semantica.

L'idea conclusiva è che l'IA classica ²¹ , fondando il suo programma di ricerca sulla sfida lanciata dal test di Turing, abbia dimenticato che una peculiarità fondamentale dell'intelligenza biologica risiede nell'interazione con l'ambiente esterno; e quindi il possesso di un apparato senso-motorio diventa fondamentale.

La distinzione tra sistemi semplici e complessi

Searle risponde scetticamente anche alla replica del robot: «Il robot non possiede alcuno stato intenzionale; esso si muove semplicemente per effetto dei suoi collegamenti elettrici e del suo programma» ²² . L'autore americano adduce due motivazioni congiunte alla sua affermazione: la prima – quella probabilmente ragionevole – continua a rimarcare il fatto che un programma formale è prettamente deterministico; la seconda – a mio parere dubbia – individua nella computazione in sé l'elemento pregiudicante agli intenti di creare intelligenza artificiale.

Le moderne teorie dei sistemi dinamici, in effetti, indicano che il primo punto è corretto: i calcolatori digitali computano serialmente e seguono una logica lineare, a differenza dei sistemi complessi. Sistemi complessi naturali sono le galassie e i fenomeni atmosferici. Essi sono caratterizzati da una serie di attributi che rendono il proprio "comportamento" non lineare e non facilmente prevedibile. A esempio: le relazioni tra le parti dei sistemi dinamici non sono già "disegnate", cambiano nel tempo e sono molto dense da un punto di vista informativo. Inoltre, i sistemi dinamici sono immersi in un ambiente esterno e formano un tutt'uno con le informazioni provenienti da questo. Il mercato azionario, a titolo esemplificativo, è un sistema complesso artificiale. Le parti del sistema "mercato azionario" possono essere individuate nelle "transazioni", che sono continue, non predeterminate, sono tante e mutano in ogni momento: è quindi impossibile "istruire" dall'alto un programma algoritmico che simuli in vivo un mercato azionario. Un altro aspetto che caratterizza i sistemi complessi è che l'interazione con i dati esterni è mutevole: una perturbazione di piccola entità può scatenare considerevoli sconvolgimenti all'interno del sistema, mentre grosse perturbazioni possono lasciarlo intatto ²³ . Si può pensare a queste caratteristiche – non programmabilità, non meccanicità, complessità informazionale e dinamismo temporale – associandole ai sistemi complessi finora menzionati e aggiungendo a questi i sistemi nervosi superiori, che rientrano senza alcun dubbio nella categoria.

Paul Churchland (1995) evidenzia come il calcolo parallelo messo in atto dai cervelli biologici stia alla base di una velocità e di una persistenza funzionale ²⁴ molto più potenti rispetto ai sistemi che calcolano serialmente, come i computer. Le migliori performance e la solidità sono garantite dal fatto che i sistemi nervosi uniscono il lavoro di più unità d'informazione che procedono contemporaneamente dal basso verso l'alto e viceversa. Vi sono anche altri requisiti che differenziano qualitativamente i sistemi dinamici – come i cervelli – dai sistemi semplici – come i calcolatori digitali. Lo psicologo della mente Domenico Parisi (1998), a esempio, sostiene che un sistema complesso non può essere isolato da un contesto senza che siano compromessi il suo funzionamento e la sua comprensione come oggetto di studio. In altri termini: non può essere studiato in tutti i suoi aspetti in un laboratorio ²⁵ . Anche l'etologo Roberto Marchesini (2002) condivide questa assunzione:

Un sistema biologico può essere descritto in ogni sua minima parte, perlomeno teoricamente, astraendolo dal contesto temporale, ma non può essere spiegato in alcun modo se non immergendolo in un frattale evolutivo. Ogni azione di un sistema biologico ha pertanto un significato che trascende il piano sincronico, ovvero un valore che deriva dalla sua posizione diacronica e non dalla sua disposizione formale. Questo ci consente di dire che un sistema di manipolazione di rappresentazioni se astratto dal piano diacronico mancherà di una sua specificità di significato e in tal senso comprendiamo quanto rilevato da Dreyfus (2000) sull'incapacità di un computer di essere situato (Marchesini, 2002, p. 342)

Quest'ultimo passo sottolinea che uno degli errori dell'IA classica – nel suo tentativo di promuoversi come IA forte – è stato quello di confondere la simulazione con la riproduzione dei fenomeni complessi. Le simulazioni infatti vengono usate dagli scienziati come modelli sperimentali per testare teorie: esse hanno quindi lo scopo di "semplificare" quantitativamente e qualitativamente le variabili di un fenomeno – non di riprodurle ²⁶ .

Comparando gli attributi dei calcolatori digitali con quelli dei sistemi nervosi è possibile arrivare a una conclusione. I calcolatori digitali funzionano computando dei programmi e i programmi altro non sono che un insieme di MT ²⁷ . Una MT: 1) è composta di parti – i numeri computabili e gli stati interni – che stabiliscono delle relazioni lineari e prevedibili dal programmatore. La MT calcola serialmente e meccanicamente. Stando alla tesi di Church-Turing, infatti, le funzioni calcolabili da una MT sono quelle che possono essere descritte con un algoritmo: ovvero con un numero finito di passi formali espletabili da un uomo munito di carta e penna; 2) non si relaziona in modo continuativo con un contesto e questo è il motivo per cui lo sperimentatore può avere un totale controllo sull'oggetto di studio; 3) si arresta nella computazione alla presenza di un errore nelle istruzioni, a causa della sua meccanicità e per il fatto stesso di calcolare serialmente; 4) non possiede un piano diacronico ma la sua azione è schiacciata sul presente.

I sistemi nervosi rispettano al contrario tutti i requisiti richiesti dalla teoria dei sistemi dinamici: 1) le relazioni tra le parti non sono lineari in quanto connotate da un forte parallelismo; 2) il comportamento emergente non è statico nel tempo poiché i processi selezionisti sono continui e riguardano la storia di vita di un individuo; 3) il rapporto tra perturbazioni ed effetti scaturiti non è direttamente proporzionale ed è solo probabilistico. A esempio, una micro-deiezione può causare grossi insulti al cervello, e una perdita apparentemente più grave può lasciare intatte le sue funzioni. Questo perché le configurazioni neuronali variano da encefalo a encefalo e può essere colpita un'area con bassa densità di collegamenti sinaptici piuttosto che un'area dove le connessioni si sono rinsaldate per la risoluzione di specifiche funzioni; 4) infine – come sottolineato da Marchesini – essi possiedono un piano diacronico, dal momento che si tratta di strutture "viventi", e non possono essere rigidamente programmati su un piano sincronico alla stregua di un insieme di MT. Questa comparazione tra MT e strutture viventi complesse lascia presupporre che occorre qualcosa di computazionalmente diverso se si intende emulare l'intelligenza biologica.

Conclusioni sul tema IA forte

Tornando alla tesi dell'IA forte occorre chiedersi se, alla luce dei problemi, delle teorie e dei risultati presentati, possa dirsi un'ipotesi fondata scientificamente. La convinzione attuale è che si tratti di una congettura tramontata. In primo luogo perché anche la teoria dell'intenzionalità più benevola nei confronti dei sistemi artificiali – quella di Dennett (1971) – si pronuncia solo su un aspetto esteriore dell'intenzionalità degli stati mentali basato sull'attribuzione di questa e non sulla sua fondatezza ontologica ²⁸ . In tal senso ha probabilmente ragione Searle a richiedere che l'intenzionalità sia resa intrinseca a un sistema artificiale. In secondo luogo perché, stando all'autorevole lettura di Marconi (1997), i sistemi artificiali mancano di una competenza referenziale e dunque di una competenza semantica – e la stessa argomentazione può essere sostenuta prendendo in esame il thought experiment di Searle ²⁹ (1980). In terzo luogo, ciò che separerebbe i calcolatori digitali dai sistemi nervosi sarebbe rappresentato dagli attributi che ho elencato che contraddistinguono i sistemi semplici da quelli complessi. Anche l'ipotesi Possible AI di Hauser (1997) non sarebbe d'aiuto, in quanto, se si mette in discussione la fondatezza dell'IA forte argomentando contro la complessità computazionale dei computer, è ovvio che i computer, restando tali, non potranno pensare: né oggi, né mai. Se tutte queste argomentazioni sono corrette è facile capire che il test di Turing non può rappresentare il criterio su cui testare l'intelligenza delle macchine. Oltre alle motivazioni indicate, per le ulteriori ragioni che il test si concentra solo sugli elementi linguistici e concettuali, mentre l'intelligenza è una proprietà presente anche nelle specie animali non dotate di linguaggio. Inoltre, dal momento che nessun sistema artificiale è stato finora in grado di superare l'Imitation Game, vi è la paradossale impressione che esso sia servito più a circoscrivere i limiti dei sistemi artificiali che non a promuoverne le attitudini.

Prospettive future

Resta tuttavia un aspetto da chiarire: se non si è ancora riusciti a creare una mente artificiale che dia prova di consapevolezza e intenzionalità intrinseca, occorre perlomeno provare a individuare una strada affinché questo risultato sia perseguibile. Stando alla pars destruens di questo articolo: 1) servono dei sensi artificiali che colleghino l'artefatto con l'ambiente esterno in modo continuativo; 2) occorre trovare dei principi computazionali più complessi della MT; 3) bisogna collocare il sistema artificiale su un piano diacronico, rendendolo struttura "vivente".

Robotica Situata (affrontare il punto 1)

Il punto (1) è al centro dell'ambito di ricerca della nuova IA (Nouvelle AI) inaugurato dall'ingegnere Rodney Brooks (1990) e seguito da altri eminenti studiosi come il biologo, premio Nobel, Gerald Edelman e lo scienziato cognitivo Andy Clark. L'obbiettivo di queste nuove ricerche consiste nel rendere il sistema artificiale situato in un contesto, in modo da soddisfare uno dei requisiti propri della teoria dei sistemi dinamici. Anziché partire dall'alto, implementando delle regole che devono essere semplicemente computate da un motore inferenziale – idea che sta alla base del concetto di IA forte – si cerca di dare al sistema dei "sensi" e delle capacità di esplorazione dell'ambiente, in modo che questo possa costruirsi una propria rappresentazione del mondo. L'idea della robotica situata consiste quindi nel prendere in seria considerazione le critiche filosofiche mosse contro il programma di ricerca dell'IA simbolica e incorporea, noto ormai come GOFAI ³⁰ .

Brooks, a esempio, in questi anni ha costruito dei robot che si basano su un‟architettura detta della sussunzione. In questa architettura non vi è pianificata esplicitamente tutta la conoscenza, ma lo scopo è che questa emerga tramite l'interazione dell'agente con il suo ambiente di riferimento. I robot di Brooks sono infatti dotati di sensori, e di una serie di moduli ³¹ . A esempio, nel caso del robot Herbert (1991): un primo modulo sfrutta una griglia di sensori a ultrasuoni che fa in modo che il sistema artificiale eviti gli oggetti che incombono sul suo cammino; un secondo modulo consta di un dispositivo di bordo che permette al sistema di girovagare in modo casuale, nella circostanze opportune; infine, un terzo modulo può far agire il robot in modo imprevisto, "trascinandolo" verso mete inesplorate. I moduli sono interconnessi solo nella modalità in cui si scambiano dei semplici segnali: incoraggiando o interrompendo l'attività l'uno dell'altro. L'intenzione di Brooks è quella di ricostruire la relazione causale che lega un agente vivente a un ambiente e per riuscire nell'impresa bisogna, secondo l'ingegnere, rendere senzienti gli artefatti ³² . Tuttavia, la concezione di "mente" di Brooks è stata criticata da più parti di essere troppo semplicistica, in quanto, cercando di evitare una pianificazione centrale e simbolica dei moduli del sistema, ha finito per negare un ruolo alle rappresentazioni, che non costituirebbero più una componente dell'azione intelligente del sistema. Inoltre, rinunciando alla programmazione simbolica diventa difficile aggiungere, e integrare, dei moduli per rendere più complesso il comportamento dell'artefatto.

La computazione dinamica (affrontare il punto 2)

Alcuni studiosi, come Edelman (1987) e Parisi (1999), hanno "salvato" il ruolo delle rappresentazioni a capo del comportamento intelligente, guardando però a un modo di "rappresentare" la conoscenza totalmente diverso dalla logica che è alla base dei calcolatori digitali. Si tratta delle reti neurali. Una rete neurale è un modello computazionale ispirato al funzionamento dei sistemi nervosi. Essa è composta da una molteplicità variabile di unità d'informazione connesse tra loro ³³ . Ognuna di queste unità agisce sull'altra nello stesso modo in cui le sinapsi biologiche scambiano informazione ³⁴ . I sostenitori del connessionismo si pongono in antitesi ai programmi di ricerca precedenti – contestando anche concetti filosofici come quello di IA forte – in quanto la logica combinatoria neurale permette di raggiungere alcune proprietà dei sistemi nervosi biologici, come: 1) realizzare un calcolo parallelo – che è un altro requisito proprio della teoria dei sistemi dinamici; 2) memorizzare l'informazione in modo distribuito e dinamico – differentemente da quanto avviene nell'architettura dei computer – dal momento che la rete neurale conserva "porzioni" diverse d'informazione all'interno di ogni singolo nodo; 3) riconoscere un ruolo all'apprendimento: poiché le reti imparano a "rispondere" nel modo opportuno a un dato input, a seguito di specifiche tecniche di addestramento utilizzate dallo sperimentatore ³⁵ ; 4) tollerare il rumore; per il fatto di avere tante unità che manipolano informazione in modo simultaneo e parallelo.

Il vantaggio di una computazione neurale è quindi evidente: un insieme di reti neurali, a differenza di un insieme di MT, costituisce un'intelligenza irripetibile che prende forma dall'apprendimento – così come avviene per le specie animali – e non è rigidamente programmata. Inoltre, in un'epoca storica dominata dal paradigma della neuroscienza è chiaro a tutti che il modo più facile di generare intelligenza è quello di provare a emulare il lavoro svolto dai neuroni biologici. Parisi (2006) ha sostenuto che gli attributi delle reti neurali e degli algoritmi genetici – parallelismo, non programmabilità, capacità di interagire in modo multiforme ai dati esterni – possono aiutare a colmare il divario che separa gli attuali artefatti dai sistemi complessi. I principi computazionali propri degli algoritmi genetici, a esempio, sono stati implementati per simulare i processi genetici e di selezione naturale. Un algoritmo genetico, infatti, genera una popolazione di stringhe – che, nella metafora, corrispondono ai genotipi dell'evoluzione naturale – ognuna delle quali rappresenta una possibile soluzione a un dato problema. Questa "popolazione" viene fatta evolvere mediante l'applicazione di criteri di ricombinazione che mimano i processi genetici. Per esempio, se una mutazione biologica consiste in cambiamenti nella disposizione dei segmenti delle basi del DNA, una mutazione algoritmica è prodotta con l'inversione dei numeri 1 e 0 nella stringa di bit. In questo modo da stringhe "genitrici" se ne generano altre che possono rappresentare eventuali "soluzioni migliori" a un problema.

L'aspetto interessante, ai fini della modellazione di un'intelligenza artificiale, è che un algoritmo genetico associato a una rete neurale può servire a determinare la struttura della rete – così come in biologia i geni determinano la conformazione di un individuo – e può incidere anche, in concomitanza con gli stimoli ricevuti dalla rete, sui valori dei pesi sinaptici di questa ³⁶ . L'idea di Parisi è quindi quella di inserire nei robot delle reti neurali – che fungano da sistema nervoso – e degli algoritmi genetici – che fungano da genoma – evitando che le loro potenzialità computazionali vengano "appiattite" dal fatto di essere simulati su calcolatori che computano serialmente ³⁷ .

La ricorrenza nelle reti neurali (affrontare il punto 3)

Nonostante i progressi nel campo della tecnica, fornire i sistemi artificiali di un "piano diacronico" è la sfida più difficile. L'ingegnere della conoscenza Jeffrey Elman (1990) ha dato una chiave di lettura implementando nelle sue reti neurali una capacità di ricorsione. L'idea è quella di dotare le reti neurali di una forma di sensibilità a eventi passati, in modo che questa informazione possa influire anche nella modellazione dell'attività cognitiva corrente. Sono stati realizzati a questo scopo dei percorsi discendenti all'interno della rete – così come accade nei sistemi nervosi biologici – cosicché i neuroni artificiali possano stabilire dei legami sinaptici su se stessi, includendo nel calcolo l'informazione sedimentata.

Conclusioni generali

In questo articolo ho sostenuto che la metafora della mente come software, e del cervello come hardware, è sbagliata. La mente è incarnata e studiarla senza interrogarsi del ruolo giocato dal corpo, dai sensi e dal sistema nervoso, oltre a essere sterile, è controproducente. A mio avviso l'intelligenza artificiale deve guardare alla biologia e cercare di riprodurre i nessi causali alla base del comportamento. Questo approccio presenta un indubbio vantaggio: oggi, grazie ai potenti mezzi della neuroscienza, è possibile comprendere numerosi e differenti meccanismi su come l'informazione sia generata e integrata a partire dal lavoro svolto da gruppi neuronali ³⁸ .

Dire che l'IA forte è falsa vuol dire affermare che la mente non è un programma, ma questo non significa sostenere che una macchina non possa, in futuro, pensare. Per raggiungere questa meta occorrerà probabilmente riprodurre i requisiti – elencati in questo articolo – che caratterizzano i sistemi complessi. Un sistema biologico complesso è infatti programmato geneticamente, ma il programma genetico non è deterministico e tiene conto dei fattori ambientali. I sistemi nervosi selezionano l'informazione e non sono istruiti una volta per tutte come un insieme di MT.

Ho anche illustrato e discusso brevemente le posizioni filosofiche più note sull'IA: quelle di Dennett e Searle. Penso che entrambe siano frutto di un'ideologia. Infatti, da una parte, Dennett vorrebbe sminuire l'intelligenza delle specie biologiche fornendo spiegazioni artificiose della mente che finiscono per identificarla in ogni oggetto fisico – anche in quelli non ideati per essere "macchine pensanti"; come i termostati. Dall'altra, con l'argomento della stanza cinese, Searle pensa di avere confutato tout court ogni ricerca dell'intelligenza artificiale. Questo perché l'autore americano identifica la manipolazione formale dei simboli con il ruolo svolto dalla computazione nei sistemi artificiali. Credo che quest'ultima argomentazione sia sbagliata. La computazione è usata dalle scienze dell'artificiale per garantire l'azione fisica del sistema – così come i processi biochimici danno luogo ai segnali elettrici che rendono un sistema biologico animato. A mio avviso la parabola cinese è perciò convincente nella misura in cui critica il programma di ricerca dell'IA classica, fondato su una pianificazione di regole simboliche concretizzate serialmente, non lo è se applicata a un sistema artificiale che esibisca il grado di complessità di un sistema nervoso. In altre parole, un sistema artificiale che svolga tutte le funzioni di una mente biologica sarà probabilmente dotato di pensiero – a meno che non si voglia sostenere la tesi metafisica secondo cui la sola materia biologica avrebbe racchiusa in sé, in potenza, la facoltà di generare una mente ³⁹ .

Quello che sostengo è che la stanza cinese non può essere applicata, da un punto di vista logico, ai sistemi connessionisti. In tal modo si esporrebbe alla risposta dei sistemi ⁴⁰ , che sostiene che la comprensione dei significati può emergere da un complesso computazionale. Il limite della rispo- sta dei sistemi, ai tempi in cui fu espressa contro il Gedankenexperiment di Searle, era che difendeva la logica seriale dei calcolatori digitali. Ma se fosse realizzato un robot che colmi il divario che separa gli attuali artefatti dai sistemi complessi non avrebbe alcun senso continuare a descrivere la computazione come una manipolazione formale dei simboli. Questo perché il ruolo che svolgerebbe sarebbe quello di dare avvio a una serie di funzioni che, per ipotesi, renderebbero vivente il sistema artificiale. Dunque, ciò che sostengo in questo articolo è che i modelli proposti dal programma di ricerca della Vita Artificiale si "salvano" dall'argomento di Searle ⁴¹ . Tuttavia, non tutti gli studiosi sono d'accordo ⁴² . Searle (1990) contro-argomenta all'obiezione connessionista sostenendo che la natura parallela dell'elaborazione computazionale è irrilevante, in quanto una funzione calcolata su una macchina parallela può essere calcolata anche su una macchina seriale.

A mio avviso, la miopia di questa osservazione sta nel fatto che una macchina seriale non può calcolare con la stessa velocità delle funzioni che nei sistemi nervosi si presentano simultaneamente. E, come sanno i neurobiologi, i tempi di risposta dei neuroni si prestano a diverse letture teoriche e hanno dei loro significati funzionali ⁴³ .

Per concludere, secondo quanto sostenuto nell'articolo occorre riuscire a dare delle risposte soddisfacenti ai punti (1), (2) e (3) indicati nel precedente paragrafo. Sul punto (1) va detto che si è ancora lontani dalla modellazione di autentici sensi artificiali. La visione artificiale costruisce attualmente dei riconoscitori di forme, ma la vista è un processo attivo e si serve, a esempio, anche delle informazioni tattili ai fini della discriminazione sensoriale. Sono state create coclee artificiali che riescono a emettere corretti output a fronte di specifici input, ma esse non sono in grado di ascoltare perché i loro segnali non terminano in un talamo. Certo, si potrebbe pensare di costruire un cervello artificiale. Ma si tratta di un'impresa tutt'altro che semplice, dal momento che un encefalo consta di oltre dieci miliardi di neuroni ognuno dei quali può stabilire anche centomila connessioni sinaptiche ⁴⁴ . Ricordare queste difficoltà non lede, a mio avviso, l'istintuale ottimismo che dovrebbe contraddistinguere un transumanista, ma serve ad avere chiara in mente la portata della missione.

Il punto (2) è quello dove può avvenire il salto di qualità: ci sono teorie dette dell'ipercomputazione che ritengono vi siano modelli computazionali non calcolabili da una MT ⁴⁵ . Non voglio entrare nel merito di questa questione, ma credo che se fosse superato il dominio di computabilità proprio della teoria classica potremmo, finalmente, guardare con occhi nuovi la sfida dell'IA.

Il punto (3) è decisivo. Penso che sarà possibile risolverlo solo avendo a disposizione una teoria della coscienza ⁴⁶ esauriente e condivisa.