II. Campi correlati
Oltre all'IA, vi sono alcuni altri argomenti strettamente correlati che è bene conoscere almeno per nome. Questi includono il machine learning, la scienza dei dati e il deep learning.
Il machine learning può essere definito come un sottocampo dell'IA, che a sua volta è un sottocampo delle scienze informatiche (a volte queste categorie sono un po' imprecise e alcune parti del machine learning potrebbero rientrare meglio o altrettanto bene nel campo della statistica). Il machine learning rende possibili soluzioni di IA di tipo adattivo. Una definizione sintetica potrebbe essere la seguente.
Termini chiave
Machine learning
Sistemi che migliorano le loro prestazioni in un dato compito con l’aumentare dell’esperienza o dei dati.
Deep learning è un sottocampo del machine learning, che a sua volta è un sottocampo dell'IA, che a sua volta è un sottocampo delle scienze informatiche. Tratteremo il deep learning più nel dettaglio nel Capitolo 5, ma per adesso ci basti notare che la "profondità" del deep learning si riferisce alla complessità di un modello matematico e che la capacità di calcolo aumentata dei computer moderni ha permesso ai ricercatori di aumentare tale complessità fino a raggiungere livelli che appaiono non solo quantitativamente ma anche qualitativamente diversi dal passato. Come si può notare, la scienza spesso implica un numero di sottocampi, sottocampi di sottocampi e così via, sempre più specifici. Ciò consente ai ricercatori di focalizzarsi su un argomento particolare in modo da tenere il passo con la mole in costante aumento di conoscenze maturate nel corso degli anni e produrre nuove conoscenze sull'argomento — o a volte correggere conoscenze pregresse per aumentare il livello di precisione.
Scienza dei dati è un termine ombrello (termine che racchiude più sottodiscipline) di origine recente che comprende il machine learning e la statistica, taluni aspetti delle scienze informatiche compresi gli algoritmi, la conservazione dei dati e lo sviluppo di applicazioni per il web. La scienza dei dati è anche una disciplina pratica che richiede la comprensione dell'ambito di applicazione, per esempio il settore produttivo o scientifico: il suo scopo (cosa significa "valore aggiunto"), le ipotesi di base e le restrizioni. Le soluzioni di scienza dei dati implicano spesso almeno un pizzico di IA (ma solitamente non tanta quanta ci si aspetterebbe leggendo i titoli dei giornali).
Robotica significa costruire e programmare robot in modo che possano funzionare in scenari complessi del mondo reale. In un certo senso, la robotica è l'ultima frontiera dell'IA in quanto richiede una combinazione di praticamente tutte le aree dell'IA. Per esempio:
- visione computerizzata e riconoscimento vocale per rilevare l'ambiente;
- elaborazione del linguaggio naturale, recupero delle informazioni e ragionamento in condizioni di incertezza per elaborare istruzioni e prevedere le conseguenze di azioni potenziali;
- modellazione cognitiva e calcolo affettivo (sistemi che rispondono a espressioni delle emozioni umane o che imitano le emozioni) per interagire e lavorare con gli esseri umani.
Molti dei problemi di IA legati alla robotica possono essere affrontati nel modo migliore con il machine learning, che diviene così una branca centrale dell'IA per la robotica.
Nota
Che cos’è un robot?
In breve, un robot è una macchina dotata di sensori (che rilevano l’ambiente) e attuatori (che agiscono sull’ambiente) che può essere programmata per eseguire sequenze di azioni. Chi è abituato alle descrizioni fantascientifiche dei robot penserà in genere a macchine umanoidi che camminano con andatura maldestra e parlano emettendo un uniforme tono metallico. La maggior parte dei robot del mondo reale attualmente in uso hanno però un aspetto molto diverso, essendo concepiti in funzione dell’applicazione. Gran parte delle applicazioni non trarrebbe alcun beneficio dall’avere un robot di sembianze umane, esattamente come per lavare i piatti non utilizziamo robot umanoidi ma lavastoviglie che li puliscono con getti d’acqua.
Potrebbe non essere evidente a prima vista, ma qualsiasi tipo di veicolo che abbia almeno un certo livello di autonomia e includa sensori e attuatori sarà da considerarsi anch’esso nel novero della robotica. D’altro canto vi sono soluzioni basate su software, come i chatbot per l’assistenza clienti, che pur essendo chiamate talvolta “software robot” non possono essere considerate (vera e propria) robotica.