L’intelligenza artificiale “legge” come l’uomo
Da sempre l’evoluzione della civiltà e della cultura è legata all’utilizzo di simboli scritti, ma la domanda che rimane aperta è in che modo impariamo a riconoscere visivamente le lettere, ovverossia quei simboli astratti che possono apparire in una miriade di tipi di carattere (font), stili grafici e dimensioni?
A questa domanda risponde uno studio condotto da ricercatori dell’Università di Padova e pubblicato in questi giorni sulla prestigiosa rivista «Nature Human Behaviour» che mostra come, riproducendo in una simulazione al computer la capacità umana di percepire le lettere utilizzando algoritmi di deep learning – l’ultima frontiera dell’intelligenza artificiale – la rete neurale “veda” le lettere nello stesso modo in cui le vede un osservatore umano.
“Siamo un team eterogeneo – ha dichiarato Alberto Testolin, assegnista di ricerca all’Università di Padova -. Io sono un informatico ma poi ho fatto il dottorato in scienze cognitive, il mio collega Stoianov è anche lui un informatico, mentre il professor Marco Zorzi è psicologo. Ci collochiamo nell’ambito delle scienze e delle neuroscienze cognitive”.
Ascolta l’intervista completa ad Alberto Testolin
“Abbiamo pensato di simulare a computer i meccanismi neurali che potrebbero sottostare al riconoscimento dei simboli scritti. – ha continuato Alberto -. Ci avvaliamo di linguaggi di programmazione avanzati come Matlab e Phyton. In una prima fase la macchina è stata addestrata, cioè le abbiamo mostrato una serie di lettere stampate che fungevano da esempi. Un po’ alla volta questa rete neurale si è autoconfigurata, quindi ha appreso ed imparato da sola a riconoscere le lettere e poi è stata sottoposta ad una serie di test, come mostrare delle lettere alla macchina e chiedevamo di riconoscerle”.
MATLAB PER GLI STUDENTI UNIPD È GRATUITO
La ricerca dimostra quindi come questa forma di apprendimento, basata sull’osservazione e su un parziale “riciclaggio” di circuiti neuronali preesistenti, sia molto più simile ai meccanismi dell’apprendimento umano rispetto a quella utilizzata nelle recenti applicazioni tecnologiche del deep learning.
Il fatto che l’apprendimento delle lettere sia facilitato dal riutilizzo di primitive visive delle immagini naturali supporta l’affascinante ipotesi che le forme dei simboli in tutti i sistemi di scrittura umani siano state culturalmente selezionate per adattarsi al meccanismo neurale che le assembla a partire da semplici tratti.
Uno studio che apre nuove e importanti strade all’affinamento dell’intelligenza artificiale e, al contempo, può trovare applicazione per una migliore comprensione dei processi visivi nella lettura e dei loro deficit nella dislessia.
