Artificial Narrow Intelligence (ANI)

L'intelligenza artificiale ristretta (ANI), chiamata anche IA ristretta o IA debole, è intelligenza artificiale (IA) sviluppata per svolgere una singola attività o un insieme di attività strettamente delimitato, come rilevare oggetti nelle immagini, consigliare video o trascrivere il parlato. Un sistema ANI può eguagliare o superare le prestazioni umane nel proprio ambito, ma non può trasferire tale competenza a un problema non correlato senza nuovi dati di addestramento e un nuovo addestramento. Secondo la definizione standard, tutti i sistemi di IA distribuiti oggi sono ristretti: dai filtri antispam ai modelli di visione artificiale che guidano le auto a guida autonoma.

ANI rispetto ad AGI e ASI#

L'IA viene comunemente descritta in tre livelli di capacità. L'ANI è il primo: è competente in un unico ambito ed è definita dai dati e dall'obiettivo per cui è stata addestrata. L'intelligenza artificiale generale (AGI) è un sistema ipotetico che raggiunge il livello degli esseri umani praticamente in tutte le attività cognitive e apprende nuove attività senza interventi tecnici specifici per ciascuna di esse. L'AGI è spesso chiamata IA forte, termine coniato dal filosofo John Searle insieme a IA debole nel suo argomento della Stanza cinese del 1980, dove indicava un computer dotato davvero di una mente. La superintelligenza artificiale (ASI) è un sistema ipotetico che supera i migliori esseri umani in ogni ambito, lo scenario alla base dell'idea di singolarità tecnologica.

I modelli linguistici di grandi dimensioni (LLM) allargano i confini della categoria ristretta. Un modello scrive codice, traduce, riassume e risponde a domande sulle immagini: il regolamento UE sull'IA riconosce questa caratteristica definendo tali sistemi modelli di IA per uso generale. Le loro capacità restano disomogenee, secondo uno schema noto come intelligenza frastagliata: lo stesso modello può risolvere problemi di matematica di livello olimpico e poi valutare erroneamente quale di due numeri decimali sia maggiore; inoltre, i suoi pesi smettono di apprendere al termine dell'addestramento.

Come funziona l'IA ristretta#

Un sistema ANI è un modello addestrato su dati per un unico obiettivo, quindi le sue capacità sono delimitate da due fattori: la distribuzione dei dati di addestramento e l'insieme degli output che può produrre. Un modello di rilevamento di oggetti addestrato sulle 80 classi del dataset COCO non ha modo di dire «questo è qualcosa di nuovo». Se gli viene mostrato un oggetto sconosciuto, o lo ignora o segnala la classe conosciuta più simile:

Ultralytics YOLO26 mostra direttamente questo limite: il modello preaddestrato su COCO può assegnare nomi esattamente a 80 classi; per insegnargli a riconoscere un nuovo oggetto, come un componente specifico di una macchina, occorre eseguire il fine-tuning su immagini etichettate di quel componente, sostituendo così l'elenco delle classi del modello con le classi del nuovo dataset.

from ultralytics import YOLO

# A COCO-pretrained detector: its whole vocabulary is fixed at training time
model = YOLO("yolo26n.pt")
print(f"Classes this model can name: {len(model.names)}")

# Every detection it returns must carry one of those labels
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]
print(result.verbose())

La prima riga stampa il numero totale di classi del vocabolario del modello, mentre la seconda elenca quelle individuate nell'immagine, ciascuna appartenente allo stesso insieme fisso.

Applicazioni nel mondo reale#

L'IA ristretta alimenta la maggior parte dei software che le persone usano ogni giorno:

• Sistemi di raccomandazione: le piattaforme di streaming e di acquisti classificano gli elementi per ogni utente in base alla cronologia delle visualizzazioni e degli acquisti.
• Riconoscimento vocale: gli assistenti vocali e gli strumenti di dettatura convertono l'audio parlato in testo.
• Ispezione industriale: i modelli di visione controllano ogni componente su una linea di produzione alla ricerca di un insieme specifico di difetti.
• Analisi di immagini mediche: i modelli segnalano reperti come noduli polmonari o retinopatia diabetica in una specifica modalità di imaging.
• Veicoli autonomi: un sistema di guida autonoma combina molti modelli ristretti, ciascuno incaricato di un compito come segmentazione delle corsie, rilevamento dei pedoni, tracciamento degli oggetti o pianificazione del percorso.

Punti di forza e limiti dell'IA ristretta#

Nel proprio ambito, l'ANI può essere sovrumana, veloce e instancabile. Nel 1997 Deep Blue di IBM sconfisse il campione mondiale di scacchi Garry Kasparov; nel 2016 AlphaGo di DeepMind batté il campione di Go Lee Sedol per 4–1. Al di fuori di tale ambito, questi stessi sistemi non sono affatto competenti; inoltre, le prestazioni calano sugli input diversi dai dati di addestramento, un problema noto come deriva dei dati una volta distribuito il modello. I sistemi ristretti non comprendono neppure ciò che elaborano: mappano gli input sugli output tramite schemi statistici appresi dai dati. Anche AlphaZero di DeepMind, che ha appreso scacchi, shogi e Go con un unico algoritmo, ha addestrato una rete separata per ogni gioco, e la sua rete per gli scacchi non sa giocare a Go.