DeepMind ha costruito una rete neurale specializzata in forme di ragionamento astratto. I principali risultati della sperimentazione in un articolo pubblicato su arXiv.
Il ragionamento relazionale è un’abilità cognitiva che consente di creare modelli e relazioni allo scopo di attribuire senso a informazioni apparentemente incorrelate e quindi di risolvere problemi in circostanze nuove o inattese. Nel ragionamento relazionale il soggetto effettua confronti e identifica equivalenze ed eventuali collegamenti tra enti. Il confronto su coppie di enti è detto di primo ordine, mentre quello di ordine superiore riguarda due o più confronti di primo ordine.
Sebbene il ragionamento relazionale sia diffuso in tutto il regno animale, solo il genere umano è specializzato nel ragionamento relazionale di ordine superiore, essenziale per il pensiero astratto, grazie a mutamenti evolutivi che hanno portato allo sviluppo della regione rostrolaterale del cervello, cioè la regione più attiva nel ragionamento relazionale di ordine superiore, come evidenzia uno studio pubblicato su Neuron nel dicembre 2014.
Fino ad oggi, gli algoritmi di intelligenza artificiale non svolgevano ragionamenti relazionali. Infatti, un conto è addestrare un’intelligenza artificiale a eseguire un compito specifico, quale il riconoscimento di immagini, un altro è effettuare confronti spazio-temporali e semantici – cioè svolgere un ragionamento relazionale − a partire da tale attività, una capacità che renderebbe l’intelligenza artificiale più simile a quella umana. E infatti «il mondo è un posto confuso, specialmente per una IA», nota Matt Reynolds in un articolo pubblicato ieri su New Scientist.
DeepMind, la società inglese specializzata in intelligenza artificiale, acquistata da Google nel 2014 (ne abbiamo già parlato qui), tenta di colmare tale lacuna progettando una rete neurale specializzata in forme di ragionamento astratto e ne illustra i principali risultati dello studio in un articolo pubblicato agli inizi di giugno su arXiv.
Il team di ricerca di DeepMind parte da un dato di fatto: la struttura delle attuali reti neurali convoluzionali e dei perceptron multilivello, cioè le architetture più utilizzate nel campo dell’intelligenza artificiale, non è adatta al ragionamento relazionale. Invece un tipo di rete neurale relativamente semplice, definita «relation network», è efficiente nello svolgimento di tale attività. Da un punto di vista matematico, la relation network, nella sua forma più semplice, è una funzione composta che rielabora i risultati generati da schemi più sofisticati di perceptron multilivello. In altri termini, la relation network esplica il ruolo che, nel cervello umano, è svolto dalla regione rostrolaterale, che connette le regioni frontali e parietali e che conferisce al genere umano una particolare abilità nel ragionamento astratto.
Lo studio dimostra che il collegamento del modulo di relation network a più complesse architettura di deep learning migliora notevolmente le prestazioni del sistema in tutte quelle attività che richiedono un articolato ragionamento relazionale, dal riconoscimento di immagini al linguaggio naturale, fino a sistemi dinamici complessi.
Fonte: arXiv