Articoli

Intelligenza Artificiale con Commodore 64

Commodore 64, a sinistra la prima versione, a destra l’aggiornamento.

Il Commodore 64, abbreviato C64, è un home computer della Commodore Business Machines Inc. commercializzato dal 1982 al 1994. Fu immesso sul mercato due anni dopo il Commodore VIC-20. La macchina è stata la più venduta nella storia dell’informatica, con circa 22 milioni di unità prodotte e vendute. Dotato di 64 kB di RAM, microprocessore MOS 6510, linguaggio di programmazione Basic.

Grazie alla sua ampia diffusione e all’interesse per l’intelligenza artificiale mostrato negli anni ’80 nell’ambito dei sistemi esperti e logica fuzzy, anche con il C64 sono stati svolte varie sperimentazioni.

La pagina dedicata all’Artificial Intelligence nella C64 Wiki riporta la creazione di Eliza, chatterbot che fa la parodia di un terapeuta Rogersiano, e di 226 righe in Basic per creare una neural network con decine di neuroni e migliaia di connessioni. Nel sito di John Walker si può trovare la descrizione della rete e il codice usato.

I libri seguenti spiegano come realizzare alcune applicazioni, dai loro indici si possono notare gli approcci considerati.

Introduction 7
Artificial Intelligence 9
Just Following Orders 13
Understanding Natural Language 29
Making Reply 47
Expert Systems 65
Making Your Expert System Learn for Itself 79
Fuzzy Matching 93
Recognising Shapes 105
An Intelligent Teacher 117
Putting It All Together 125

Artificial intelligence projects for the Commodore 64

Artificial intelligence projects for the Commodore 64

Introduction to Artificial Intelligence 1
Intelligent Games 21
Behaviors and Bootstraps 39
Natural Language Processing 51
Heuristic 83
Pattern Recognition 99
Other Areass in Artificial Intelligence 116
Glossary 125

Diagramma su come funziona e fallisce il machine learning

Su Nooscope.ai si può leggere in dettaglio questo diagramma, in cui viene mostrato un diagramma che mostra come funziona il machine learning e come fallisce, inteso come una provocazione sia per l’informatica che per le discipline umanistiche, un modo per generare il dibattito sulle mistificazioni dell’intelligenza artificiale.

nooscope shows how Machine Learning works and how it fails
Nooscope, shows how Machine Learning works and how it fails

Si può scaricare il diagramma scaricabile come file PDF, viene fornita la descrizione in un saggio scaricabile come file PDF, un articolo breve si può leggere sul blog Skynettoday.

Sistemi di traduzione automatica, vantaggi e limiti

Esempio di traduzione sbagliata da Google Translate, la versione corretta è: Machine translation: advantages and limitations.

In un mondo sempre più globalizzato e interconnesso, servizi come Google Traduttore vengono usati per tradurre all’istante parole, frasi e pagine web tra l’italiano e più di 100 altre lingue. Le traduzioni automatiche sono affidabili ? Sono una minaccia per i traduttori professionisti? Quali sono i vantaggi e i limiti?

Le risposte a queste domande vengono dalla tesi di laurea “I sistemi di traduzione automatica: vantaggi e limiti” discussa dalla dott.ssa Erica Biotti, laureata in Lingue e Culture Moderne all’Università di Pavia, correlatore Roberto Marmo. Il suo profilo Linkedin evidenzia una grande passione per le lingue e le culture straniere, molto interessata anche al mondo digital, del web e del marketing, bene intenzionata al formarsi maggiormente in questi ambiti, in modo da ampliare sempre di più le sue conoscenze in prospettiva lavorativa. Pertanto, ha deciso di scrivere una tesi in cui unire le nuove tecnologie e la traduzione. Per informazioni e contatti scrivere alla sua email erica.biotti01@gmail.com

Come funzionano i software di traduzione automatica

Sono tre le diverse categorie secondo cui possono essere classificati. Negli anni ’50 furono creati i primi sistemi di traduzione automatica basati su regole,  utilizzano una combinazione di regole linguistiche e grammaticali, oltre a dizionari di parole comuni. Negli anni ’90 è introdotto un approccio più innovativo, basato sui sistemi di traduzione automatica basati su metodi statistici, che consistono semplicemente in una ricombinazione di traduzioni già esistenti ed effettuate da traduttori competenti.

Un importante passo in avanti è stato realizzato nel 2016, quando Google ha annunciato il rilascio di un sistema di traduzione automatica basato su reti neurali, una svolta legata a recenti successi nel campo dell’intelligenza artificiale. L’aspetto più tipico di una rete neurale è la capacità di acquisire esperienza e di imparare dai propri errori. Questo sistema riesce infatti a perfezionarsi continuamente attraverso un’intelligenza basata su capacità di autoapprendimento (machine learning). Grazie alle reti neurali, Google ha migliorato notevolmente la qualità delle sue traduzioni.

Confronto fra l’accuratezza delle traduzioni realizzate con il sistema phrase-based (in azzurro), quelle realizzate dai sistemi neurali (in verde) e quelle redatte dai traduttori umani (in arancione). ( https://ai.googleblog.com/
2016/09/a-neural-network-for-machine.html
).

Quali sono i vantaggi della traduzione automatica?

La traduzione automatica presenta dei vantaggi significativi: elevata velocità di esecuzione, sono disponibili gratuitamente, senza limitazioni per tutti gli utenti, vantaggi economici in termini di tempo risparmiato e di produttività, l’ampia gamma di lingue offerte, Google Translate supporta oltre 100 lingue a vari livelli.

La traduzione assistita come ausilio traduttivo

Le potenzialità del computer possono infatti rappresentare un utile ed efficace sostegno per il traduttore umano. Sull’integrazione fra competenze umane ed informatiche si basa il concetto di traduzione assistita, la quale permette al traduttore di incrementare la produttività tramite due funzionalità molto specifiche: la memoria di traduzione e il database terminologico.

La traduzione assistita si rivela utile soprattutto per testi di carattere tecnico-scientifico o normativo, dotati di una terminologia specifica, mentre trova dei limiti nei testi in cui è necessario preservare un certo grado di creatività, come ad esempio nella traduzione letteraria o audiovisiva, ovvero in tutti quei testi in cui la componente umana non può essere messa da parte.

Traduzione umana vs traduzione automatica

Consideriamo un esempio tratto dal film Erin Brockovich, un film estremamente interessante dal punto di vista traduttivo, caratterizzato da un linguaggio colloquiale, ricco di espressioni in slang, frasi idiomatiche e proverbi tipici dell’American English.

Ecco come si comporta Google Translate di fronte a queste varietà linguistiche:

Schermata della traduzione automatica di Google Translate con alcuni errori.

Come possiamo osservare, Google Translate presenta ancora dei problemi nella traduzione di espressioni fisse, come ad esempio le frasi idiomatiche, le quali non permettono una traduzione letterale in quanto il loro significato non è la somma dei significati delle parole che le compongono.

Questo è esattamente il lavoro del software di traduzione automatica: tradurre l’espressione idiomatica in modo letterale, dando luogo così a traduzioni assurde.

Questa è la traduzione italiana ufficiale del film, in cui notare un lavoro di adattamento al contesto e alla cultura di arrivo, fondamentale per la riuscita di una buona traduzione:

Ed“Well, we’ll let the cat out of the bag… Tell the people the water’s not perfect. And, if we can ride out the year with no one suing, we’ll be in the clear forever.”“Beh, noi vuotiamo il sacco, diciamo a tutti che l’acqua non è perfetta, e se la scampiamo per un anno senza che ci facciano causa siamo a posto per sempre.”

Come si può notare da questo esempio, le espressioni idiomatiche richiedono delle particolari strategie traduttive, essendo profondamente legate alla cultura e al contesto della lingua di partenza.

Spesso i sistemi di traduzione automatica non sono in grado di disambiguare espressioni che per il traduttore professionista, dopo aver analizzato il contesto, ma anche basandosi sul senso comune e sulla propria conoscenza del mondo, sono di immediata comprensione.

Traduzione delle sigle

Proviamo a fare qualche prova con la traduzione delle sigle, molto spesso presenti nei testi. La frase a sinistra è in lingua italiana, quella a destra è la versione tradotta da Google:

1) tavolo +ABC colore ROSSO = RED table + ABC

2) tavolo +ABC colore ROSSO = table + ABC color RED

3)tavolo ABC  colore ROSSO = ABC table color RED

4) tavolo ABC  colore ROSSO = ABC table color RED

5) tavolo ABC+ colore ROSSO = ABC table + RED color

Come si può notare, sembra che nella traduzione di Google il simbolo + venga compreso dal sistema di traduzione automatica come un metodo per separare i vari termini.

Nel caso (2) il termine “table” viene separato da “ABC” e “color RED”, non modificando la struttura iniziale; i casi (3) e (4), non avendo il simbolo +, vengono interpretati da Google come un’unica frase e quindi sia “ABC” che “colore rosso” sono entrambi considerati aggettivi del sostantivo tavolo.

Nel caso (5) essendoci il simbolo +, “tavolo ABC” e “colore ROSSO” sono considerate due frasi fra loro indipendenti. “ABC” si riferisce soltanto al termine tavolo (e quindi nella traduzione viene anteposto, in quanto aggettivo, al termine inglese “table”), mentre red viene attribuito soltanto al sostantivo color.

Il caso più strano fra tutti sembra essere il primo, poiché non segue lo schema dei casi precedenti, pur separando i termini tramite il simbolo +. Nel primo caso viene eliminato il sostantivo “colore” e nella traduzione l’aggettivo RED viene attribuito a table, mentre ABC viene isolato dal simbolo +.

Viene da pensare è che Google Translate fatichi a tradurre frasi contenenti degli errori (in questo caso è messo in difficoltà dalla presenza del simbolo + e dalla parola ROSSO scritta in maiuscolo). La traduzione automatica cerca di spezzare il testo in frammenti minori, non è detto che corrispondano a singoli fonemi della lingua, per cui può dar luogo a traduzioni assurde.

Per approfondire

How Google used artificial intelligence to transform Google Translate, one of its more popular services and how machine learning is poised to reinvent computing itself.

Corso Intensivo di Traduzione informatica, di Maurizio Cosimo Ortuso

Conclusioni

Possiamo concludere che il software di traduzione automatica, nel caso di espressioni fisse o espressioni profondamente connotate culturalmente, non eguaglia il lavoro del traduttore umano.

L’obiettivo della traduzione automatica non è ancora quello di garantire traduzioni perfette, bensì quello di produrre degli output fruibili seppur imprecisi. Nonostante i limiti che sono stati riscontrati, questi sistemi rappresentano comunque uno strumento molto utile attraverso il quale poter abbattere le barriere linguistiche. È molto probabile che i sistemi di traduzione automatica migliorino nel tempo; tuttavia, per il momento, possiamo affermare che l’essere umano rimane indispensabile nel processo traduttivo.

Spot tv che citano l’intelligenza artificiale

Sul canale YouTube denominato “Spot Promo prodotti con intelligenza artificiale” è disponibile una raccolta di video pubblicitari in cui viene citata l’intelligenza artificiale come caratteristica innovativa del prodotto. Molto utili per chi cerca idee sulla creazione di spot, o vuole analizzare come viene comunicata l’intelligenza artificiale. Ecco alcuni esempi.

Huawei Mate10 Pro intelligenza artificiale spot 2017
Nuova Mercedes Classe A, la rivoluzione dell’intelligenza artificiale
Fiat 500X – Traffic Sign Recognition e Speed Advisor – Riconoscimento segnali stradali

Eduardo Caianiello nella storia dell’intelligenza artificiale

Eduardo Renato Caianiello è stato il primo studioso di neural network e cibernetica che ho conosciuto, mi iscrissi all’Università di Salerno anche perché ne era un prestigioso docente. Fonte di ispirazione per il suo lavoro accademico e per le ricadute delle sue attività nel territorio, quindi mi sembra giusto inaugurare questo blog con un breve racconto del suo percorso scientifico.

Eduardo Renato Caianiello (Napoli, 25 giugno 1921 – Napoli, 22 ottobre 1993) è stato un fisico italiano che ha introdotto nuove idee matematiche nella teoria quantistica dei campi e della rinormalizzazione. I suoi principali contributi hanno riguardato la Teoria Quantistica dei Campi e la Cibernetica, in particolare le Reti Neurali Adattative. Ha dato contributi importanti agli studi sulla possibilità di costruire modelli del cervello, come l’articolo “Outline of a theory of thought-processes and thinking machines” pubblicato nel Journal of Theoretical Biology volume 1, numero 2, aprile 1961, pag. 204-235.

In questo prestigioso articolo viene presentata la sua equazione che formalizza la teoria dell’apprendimento, il suo modello matematico di attività nervose è alla base degli attuali studi sui computer paralleli. Nell’articolo era sottesa la convinzione che il cervello umano, sebbene di tremenda complessità, obbedisse a leggi dinamiche non necessariamente complicate se si osserva l’operare dei singoli neuroni; e che tali leggi generassero in grandi assembramenti cellulari modi collettivi di comportamento, ai quali risultavano correlati i processi di pensiero.

L’incontro di Caianiello con la cibernetica e i suoi rapporti con Norbert Wiener, padre riconosciuto della cibernetica come studio unitario dei processi riguardanti la comunicazione e il controllo nell’animale e nella macchina, sono dettagliati nell’articolo “Quando Wiener era di casa a Napoli” scritto da Leone Montagnini.

Caianiello definì la teoria dell’informazione come il nucleo matematico della cibernetica, descritta come campo vastissimo, nonché tentativo di sintesi e ponte gettato tra molti rami del sapere.

Ernesto Burattini ha lavorato fianco a fianco con Eduardo Caianiello e racconta così su Avvenire.it la nascita della cibernetica napoletana: «Era l’anno 1954 e due signori, a bordo del tram “circolare rossa” di Roma, di ritorno da un seminario organizzato da Fermi sulla Teoria dell’Informazione e la Cibernetica di Wiener, incominciarono a discutere del sistema nervoso centrale e della possibilità di realizzarne un modello matematico» .

Caianiello ha fondato e diretto l’Istituto di Fisica Teorica dell’Università di Napoli, il Laboratorio di Cibernetica del CNR ad Arco Felice (Napoli), nel 1972 creò la Facoltà di Scienze Matematiche, Fisiche e Naturali dell’Università di Salerno, nel 1981 creò l’Istituto Internazionale per gli Alti Studi Scientifici (IIASS) a Vietri sul Mare (Salerno) le cui foto si possono apprezzare nella pagina Facebook, creò la Scuola di Perfezionamento in Scienze cibernetiche e fisiche, creò nel 1989 la SIREN (Società Italiana REti Neuroniche) come associazione che promuove e sviluppa studi, ricerche, seminari nel settore delle reti neurali.

Nel 1968 nasce il Laboratorio di Cibernetica, dove lavorano fisici, matematici, biologi e informatici, impegnati a esplorare la neuroanatomia della corteccia cerebrale e i modelli matematici in grado di riprodurre i meccanismi di funzionamento del cervello. Il Laboratorio divenne l’Istituto di Cibernetica “Eduardo Caianiello” (Icib), con sede a Pozzuoli (Na).

Recentemente, è stato ridefinito come “Istituto scienze applicate e sistemi intelligenti (Isasi-Cnr)“, con l’ambizione di sviluppare e mettere in pratica un ambiente cooperativo forte in grado di sostenere l’eccellenza attraverso un arricchimento reciproco tra diverse discipline come le scienze fisiche, scienze della vita, ingegneria e l’intelligenza artificiale nel moderno scenario della “convergenza delle scienze” che va oltre i confini delle singole discipline.

Una lettura consigliata è il suo libro Divagazioni sulla scienza e sul mondo dell’editore Liguori nel 1996, una raccolta postuma di suoi scritti di carattere divulgativo/storico/filosofico dal 1977 al 1993.

Altri dettagli si trovano nella pagina biografica dell’istituto IIASS e nella dettagliata pagina dell’Enciclopedia Treccani.

Nell’immagine seguente il suo autografo insieme a quello del fisico, divulgatore scientifico e accademico Antonino Zichichi, in occasione di una loro lezione a Salerno sulla cibernetica, che ricordo sempre con grande emozione.

Autografi di due prestigiosi studiosi, Antonino Zichichi ed Eduardo Caianiello.