Bertolaso

01-03-23
ChatGPT: tecnologia che sta sostituendo gli aspetti cognitivi di una persona (sostituisce figure lavorative
come gli HR, coloro che fanno ricerca del personale ecc.…). È una tecnologia che lavora per inferenze.
Inferenza: inferenza logica sinonimo di «argomentazione logica» utilizzato per designare il processo di deduzione di
una formula A, detta conclusione, a partire da una o più formule, dette premesse.
Esempio: “La mamma di Mario ha due figli, Luca e… Chi è il secondo figlio?”
Inizialmente una tecnologia come chat bot non sa rispondere ad un’inferenza perché non ha informazioni sufficienti,
ma dopo un po’ facendo più volte la stessa domanda riesce a mettere insieme le informazioni e dare la risposta
corretta. Questo tipo di dinamiche è quello che riesce a distinguerci tra una chat e un essere umano. Inoltre, un
umano a differenza di una macchina sa formulare un problema e sa riconoscere quale domanda è più rilevante
rispetto ad altre; quindi, sa risolvere problemi in maniera più efficiente di una
macchina. Un essere umano sa spostarsi su più livelli valoriali quando interagisce con un’altra persona, a
differenza di un AI che deve essere programmata per poterlo fare.
Questo modo diverso di chiedere cose diverse si basa sul fatto che una persona agisce su livello valoriali diversi, in
base alla situazione e alla relazione con la persona con cui interagisce.
Quando la tecnologia assomiglia all’uomo inizia a far paura, esempio una mano metallica che inizia a comportarsi
come essere umano la percepiamo come scary, (Uncanny Valley). Per uscire dall’ambiguità devo uscire da un livello
semantico.
Quando c’è silenzio/pausa tra due persone, questo ha un significato semantico, mentre per una macchina è solo
mancanza di dato. Anche questa è una peculiarità che ci contraddistingue dalle macchine.
L'intelligenza artificiale è intesa e considerata come l'insieme delle tecnologie che consentono l'elaborazione di dati e
linee guida in grado di portare a decisioni attraverso l'uso di metodi computazionali altamente automatizzati.
Va considerato un valido supplemento o un possibile sostituto? Simulare l'intelligenza non significa essere
intelligenti. I due sono molto diversi, proprio come la nozione di funzione rimanda inesorabilmente a quella di un
essere per il quale un certo effetto è funzionale. Nella tradizione aristotelica gli artefatti sono intesi come sostanze
solo in senso accidentale mentre gli esseri viventi e soprattutto gli esseri umani, cioè le persone, sono considerati
come sostanze percepite nel loro senso paradigmatico.

08-03-23
È tutto la nostra razionalità?
Quando diciamo razionale, la nostra capacità razionale che abbiamo modellizzato nelle macchine e nell’AI, è
collegata al movimento di correlare comportamenti causa-effetto per il raggiungimento di un determinato obiettivo.
Ma la nostra mente non ha solo una dimensione razionale/ computazionali. La nostra preoccupazione è se l’AI ci
supererà. L’AI sarà capace di modellizzare così tanto il comportamento umano tanto da renderlo succube?

Le 4 A:
- Automation (Il ricorso a mezzi e procedimenti tecnici, elettronici, diretti ad assicurare uno svolgimento o un
funzionamento nel quale l'intervento dell'uomo risulti ridotto o eliminato): con la rivoluzione industriale,
abbiamo vissuto in un mondo in cui l’obiettivo era quello dell’automazione. L’obiettivo delle prime
macchine industriale è stato proprio questo. Quando è subentrata l’AI, abbiamo cercato di sostituire la
fatica mentale (fatica di calcolo), e ci siamo riusciti. L’obiettivo ingegneristico era applicativo. La domanda di
Turing: egli voleva costruire una macchina che simulasse il comportamento umano, ecco perché ancora
nessuna macchina ha superato ciò. Turing sapeva che l’intelligenza umana aveva bisogno del corpo, non
solo di una macchina/algoritmo/robot. È la grandezza dell’uomo la sofferenza dell’uomo. Quando
l’obiettivo è quello di non far fatica, ci sono le macchine, ma poi ci annoieremmo e non sapremmo più cosa
fare. L’automazione, quindi, rischia di restringere il nostro percorso.
- Accessibility: La facoltà o la possibilità di un individuo di accedere a un luogo o a una risorsa.
- Acceleration: Capacità di fare in fretta, arrivare prima e dimostrare che si arriva prima degli altri. Questa
spinta della performance è funzionale, perché mi fa misurare quanto salto in alto. E ci porta a misurare noi
stessi. Ci rinfacciamo cose su motivi funzionali. Noi stiamo insieme per motivi relazionali che la macchina
non comprende, perché funzionale. Ci viene l’ansia quando vediamo che l’AI accelera tanto e sa fare cose in
due secondi rispetto all’umano che impiegherebbe mesi.
 - Autonomy: l’uomo vive il telefono, la casa, la macchina come strumento di autonomia. Non devo dipendere
da niente e nessuno, questo è il nostro pensiero. Ma cosa abbiamo dimenticato perseguendo l’obiettivo di
autonomia? È di per sé positiva, ma può creare disagio nel momento in cui subentra l’alienazione ad es., e
soprattutto quando subentra la relazione. Un perseguimento di autonomia per farmi i fatti miei non mi
rende felice ma mi chiude in una stanza, in un mondo mio, sconnesso dalla realtà ed è peraltro poco
costruito.
Il dato e l’AI non sono un aratro né un telescopio, ma ci danno accesso a delle correlazioni del mondo reale
a cui noi non potremmo arrivare da soli. Quando si entra in una realtà di metaverso, si esce stressati, e ciò
che non deve accadere è che non diventi abituale perché andrebbe a cambiare i nostri sensi, con percezioni
alterate delle cose. Noi conosciamo attraverso i sensi e il digitale diventa un senso in più.

Intelligenza Artificiale e Ecologia Umana: Una Riflessione Filosofica (secondo pptx)

Il convegno ha evidenziato l'importanza di una comprensione critica e filosofica dell'IA, considerando sia gli aspetti
ontologici sia quelli etici. Questa riflessione non solo arricchisce il dibattito accademico, ma è fondamentale per
guidare le decisioni politiche e sociali. L'IA non è solo una questione tecnica; è un fenomeno complesso che
interagisce profondamente con la nostra vita sociale ed etica. Solo attraverso una comprensione completa e critica
possiamo garantire che l'IA serva realmente gli interessi dell'umanità.
Esistenza dell'Intelligenza Artificiale
La Natura Ontologica dell'IA
La questione se l'IA esista veramente richiede una riflessione ontologica. Alfredo Marcos ha iniziato la discussione
con la provocatoria domanda: "L'intelligenza artificiale esiste davvero?" Questo non è solo un interrogativo tecnico
ma profondamente filosofico. Erik J. Larson, nel suo libro "The Myth of Artificial Intelligence" (2021), sostiene che
non siamo realmente sulla strada per sviluppare macchine intelligenti. Secondo Larson, l'IA migliora in compiti
specifici ma manca di una comprensione autentica e globale della realtà, una caratteristica distintiva dell'intelligenza
umana.

Il Nome "Intelligenza Artificiale"

Il termine "intelligenza artificiale" fu coniato negli anni '50 per attirare finanziamenti e supporto. Katharina Zweig,
dell'Algorithmic Accountability Lab dell'Università di Kaiserslautern, afferma che molti scienziati considerano il
termine fuorviante poiché suggerisce capacità che le macchine non possiedono. Questo solleva una questione
importante: stiamo investendo in una visione romantica della tecnologia piuttosto che in una comprensione
realistica delle sue capacità?

Machine Learning e Deep Learning: Una Nuova Prospettiva

Dalle Macchine Intelligenti ai Sistemi di Controllo Delegato
L'IA viene spesso vista come un insieme di sistemi tecnici con conseguenze sociali. Tuttavia, Alfredo Marcos
suggerisce di considerare i sistemi di controllo delegato (DeCo) come sistemi sociali implementati tecnicamente.
Questa prospettiva richiede un cambio di paradigma: le macchine non sono solo strumenti, ma parti integrate dei
nostri sistemi sociali.

Simulazione vs. Intelligenza Reale

Una delle differenze fondamentali tra le macchine e gli esseri umani è la capacità di interpretazione. Secondo il
filosofo Charles S. Peirce, senza un interpretante, la macchina non è altro che un insieme di stati fisici. Questa
mancanza di interpretazione rende le macchine incapaci di vera intelligenza; possono solo simulare comportamenti
intelligenti senza comprenderli.

Intelligenza Umana e Ragionamento Induttivo

La Ragione Pratica e l'Induzione
L'intelligenza umana si basa su congetture informate dal contesto e dall'esperienza, un tipo di ragionamento
intuitivo chiamato abduzione. Atocha Aliseda spiega che l'abduzione è al cuore del buon senso umano, un tipo di
ragionamento che le macchine non sono in grado di replicare. Le macchine lavorano su ragionamenti induttivi,
elaborando set di dati per prevedere risultati, ma non possono fare congetture basate su esperienze contestuali
come fanno gli esseri umani.
 Considerazioni Etiche e Sociali sui Sistemi DeCo
Delegare il Controllo: Questioni Critiche
Ramón López de Mántaras avverte che il vero problema non è una futura IA superiore, ma la situazione attuale in cui
deleghiamo compiti importanti a un'IA limitata. Questo solleva domande cruciali:
• Chi ha l'autorità di delegare compiti alle macchine? È importante che solo individui qualificati e consapevoli delle
implicazioni etiche possano fare queste deleghe.
• Quali tipi di compiti sono delegabili? Non tutti i compiti sono adatti per essere delegati alle macchine. Alcuni
richiedono un livello di giudizio etico e di comprensione che le macchine non possono fornire.
• Quali rischi comporta la delega? La delega di compiti importanti alle macchine può portare a fallimenti
catastrofici se i sistemi non funzionano come previsto. È fondamentale valutare se i benefici superano i rischi.

Monitoraggio e Reversibilità della Delega

È essenziale che i sistemi di controllo delegato siano costantemente monitorati per garantire che funzionino
correttamente. Inoltre, la delega dovrebbe essere reversibile, permettendo agli esseri umani di riprendere il
controllo in caso di malfunzionamento del sistema.

Etica e Educazione nella Società Digitale

Riprendere il Controllo dei Dati Personali
Carissa Véliz, nel suo libro "Privacy is Power" (2020), sottolinea l'importanza di controllare i nostri dati personali in un
mondo sempre più digitalizzato. La protezione della privacy è un aspetto cruciale dell'etica digitale, che richiede
un'educazione specifica per sensibilizzare le persone sui loro diritti e responsabilità.

Politica e Potere Digitale

Politicamente, la concentrazione del potere digitale in poche mani è un problema urgente. È necessario dividere
equamente il potere tecnologico per evitare abusi e garantire che i diritti umani fondamentali siano rispettati da tutti
i proprietari e utilizzatori delle nuove tecnologie. La politica deve affrontare queste sfide regolando in modo efficace
il potere delle grandi aziende tecnologiche.
Fattore Umano nella Trasformazione Digitale (terzo pptx)
La trasformazione digitale è spesso vista come un fenomeno tecnico e tecnologico, ma dietro ogni avanzamento
tecnologico ci sono le persone, le loro competenze, i loro valori e le loro relazioni. Questo convegno internazionale
tenutosi presso l'Università Campus Bio-Medico di Roma ha messo in luce l'importanza del fattore umano nella
trasformazione digitale, sottolineando come l'etica e la natura relazionale degli esseri umani siano fondamentali per
una pratica scientifica sostenibile e responsabile.

La Relazione tra Scienza e Tecnologia

Uno dei temi centrali del convegno è stata la relazione tra scienza e tecnologia. La scienza è guidata dalla curiosità e
dalla ricerca della verità, mentre la tecnologia è orientata all'applicazione pratica delle scoperte scientifiche.
Tuttavia, la scienza non è un'impresa solitaria; è un'attività profondamente sociale che richiede collaborazione,
comunicazione e condivisione di conoscenze. Le innovazioni tecnologiche devono essere integrate in un contesto
sociale che ne comprenda le implicazioni etiche e sociali.

Il Ruolo dell'Etica
L'etica gioca un ruolo cruciale nella trasformazione digitale. Non tutto ciò che è tecnicamente possibile è eticamente
giusto. La scienza e la tecnologia devono essere guidate da principi etici che garantiscano il benessere delle persone
e della società. Questo implica una riflessione critica sulle conseguenze delle innovazioni tecnologiche e la necessità
di sviluppare pratiche etiche che guidino l'uso delle nuove tecnologie. Ad esempio, la raccolta e l'uso dei dati
personali devono essere gestiti in modo da rispettare la privacy e la dignità delle persone.

Il Contributo delle Scienze Sociali

Le scienze sociali e umanistiche offrono un contributo essenziale alla trasformazione digitale. Esse forniscono gli
strumenti per comprendere le dinamiche sociali, culturali ed economiche che influenzano l'adozione e l'uso delle
tecnologie. Inoltre, le scienze sociali possono aiutare a sviluppare politiche e pratiche che promuovano un uso equo
e sostenibile delle tecnologie digitali. Ad esempio, la sociologia può offrire insight su come le diverse comunità
utilizzano le tecnologie e quali sono le barriere che ne impediscono l'accesso.

La Centralità delle Relazioni Umane

La trasformazione digitale deve essere vista come un processo che coinvolge profondamente le relazioni umane. Le
tecnologie digitali non devono isolare le persone, ma piuttosto facilitare la comunicazione e la collaborazione. La
centralità delle relazioni umane implica che le tecnologie devono essere progettate e implementate in modo da
promuovere il benessere sociale. Questo richiede un approccio partecipativo alla progettazione tecnologica, in cui le
persone sono coinvolte attivamente nel processo decisionale.

Innovazione e Progresso Scientifico

Il progresso scientifico non può essere misurato solo in termini di innovazione tecnologica. Deve includere anche un
miglioramento della comprensione delle implicazioni sociali ed etiche delle scoperte scientifiche. Questo significa
che gli scienziati e i tecnologi devono lavorare insieme con i filosofi, gli etici e gli esperti di scienze sociali per
sviluppare un quadro completo che guidi il progresso scientifico. L'innovazione deve essere vista non solo come un
miglioramento tecnico, ma anche come un avanzamento sociale ed etico.

Sfide e Opportunità
La trasformazione digitale presenta molte sfide, ma anche numerose opportunità. Tra le sfide ci sono la gestione
della privacy dei dati, la protezione contro i rischi di cybersecurity e l'adozione di pratiche etiche nella ricerca e nello
sviluppo tecnologico. Tuttavia, le opportunità includono la possibilità di migliorare la qualità della vita delle persone,
aumentare l'efficienza e la produttività e promuovere la sostenibilità ambientale. Affrontare queste sfide richiede un
approccio integrato che coinvolga tutte le parti interessate, compresi i ricercatori, i decisori politici e il pubblico.
Capone
06-03-23
Come replicare il pensiero umano? Da cosa è costituito il pensiero? Come funziona il pensiero?
Capire la natura del pensiero umano. Si tratterà di un processo composito, attraversato da diverse fasi.
Applichiamo la filosofia alla ricerca dell’applicazione della cognizione. Immaginiamo una situazione ipotetica,
replicare reazioni cognitive di alto livello: capire le basi e la natura del pensiero, radunare persone come psichiatra,
neurologo (esami vari, tac ecc.), psicologo (scienza che tratta il pensiero, forme del pensiero).
Tuttavia, la questione dei correlati celebrali non ci aiuta a risolvere i problemi.
È un metodo fallace partire dall’interno verso l’esterno. È il fuori che determina la plasticità della corteccia celebrale.
All’interno della rete neurale le cose possono lasciare facilitazioni in modi diversi e non sempre uguali.
Adottiamo un approccio logico, ossia il pensiero si basa su concetti e regole e con tavole di studio si possono gestire le
funzioni. Il problema di questo approccio è il problema di qualcosa come qualcosa. Come faccio a vedere l’identico
nel diverso? Questo è il problema di Platone (mondo delle idee - iperuranio). Non è un set di regole, dice Platone, ma
il fatto che ho un’idea indeterminata di un qualcosa come ad es. la porta che si determina ogni volta che incontro
una particolare porta.
Un sillogismo tipo fondamentale di ragionamento deduttivo della logica aristotelica, costituito da una premessa
maggiore affermativa o negativa, da una premessa minore, da una conclusione derivata necessariamente.
Ossia trarre conclusioni da conoscenze generali. Premesse certe —> conclusioni necessariamente certe

13-03-23
L’approccio biologico non è validante in relazione alla replicazione del pensiero umano. Questo insieme di regole
dunque sono innate? C’è una parte del pensiero che non ha a che fare con l’apprendimento.
In che modo il linguaggio struttura la cognizione?
- Alexander Lurìa: Psicologo sovietico, che si proponeva di studiare il linguaggio come interfaccia di mediazione
tra soggetto e mondo. Analizza il linguaggio da vari punti di vista e interpreta il linguaggio non come una facoltà
ma come un qualcosa di materiale. Il contesto di questo pensiero si pensava che fossero le regole di logica/
sillogismo ecc. e che esse fossero innate.
- Aristotele: si parla di categorie (i modi dell’essere, ossia sono i modi in cui le cose sono, ossia strutture generali
che ritagliano l’esperienza. Il mondo è un qualcosa di caotico dove tanti ritagli sono possibili, come ad es. la
casualità —> un fenomeno ne causa un altro).
- Kant si parla di trascendentale, ossia condizione dell’esperienza. Articolo la mia esperienza tramite le categorie.
Le categorie sono dei concetti, sia per Kant che per Aristotele, è una regola per inquadrare dei fenomeni. È una
regola per il pensiero, una regola di causa. E il trascendentale è un insieme di regole e concetti che mi fa entrare
nel mondo reale. Questi concetti strutturano le fondamenta del pensiero ma possono essere anche dei concetti
empirici.
Secondo i Sovietici, un bambino non vede un sillogismo, ma arrivano a sviluppare quelle abilità dopo vari iter sociali:
- Fase di “che cosa è?”; fase di mutismo in cui i bambini raccontano a se stessi cosa fanno e come lo fanno
(mancanza del pensiero interiore —> linguaggio egocentrico dei bambini). Siamo lontani dal sillogismo. Le basi
per arrivare però sono qui. Dunque, gli psicologi dicono: non subito si hanno le strutture del pensiero, ci sono,
ma durante lo sviluppo si esprimono, diventano operative.
Organizzano spedizioni per lo studio delle popolazioni locali in Uzbekistan: erano molto primitive, isolati e senza
comunicazioni. Era un terreno fertile per questo tipo di sperimentazione e per questi studi su persone non
scolarizzate. Era dunque un terreno fertile per interrogarsi su come loro strutturano il pensiero. Gli individui si
mostrano indifferenti alla contraddizione logica.

Dividono la popolazione in 5 gruppi diversi: donne analfabete, contadini di villaggi, donne frequentanti corsi per
bambini, contadini di fattorie, giovani e capi brigata con poca scolarizzazione. Si hanno quindi 5 gradi di
alfabetizzazione crescente.
Vengono sottoposti a dei test tipo indovinelli, ma senza che se ne accorgano, vengono presentati come se fossero
parte integrante della comunicazione. Non sono test parametrici e devono ammettere diverse soluzioni cosicché dai
risultati si possa capire quale strategia cognitiva il soggetto ha preso.
Primo test: i soggetti furono sottoposti a diverse figure geometriche. La psicologia della percezione funziona secondo
percezioni particolari che fondano poi la percezione vera e propria.
Secondo test: vengono fatti con le figure: mettere insieme le figure simili e si chiede se sono simili o no. Più si tentava
di aiutare il soggetto, nel vedere l’identico nel diverso più il soggetto non riusciva a percepire questa identità, ma era
colpito dalle differenze.
Un altro esempio è fatto con i colori: si chiede ai soggetti di nominare classificare matasse di lana colorata. Come le
nominano? Il colore è più semplice della figura si può pensare. Usano pochi nomi di colori
associandoli a cose concrete, ad es. verde - prato, marrone - corteccia/terra e così via. E con la lana come
fanno? Non vedono assolutamente l’identico nel diverso.
Terzo test: con oggetti comuni/quotidiani. I bambini percepiscono ogni oggetto nell’isolamento, cioè ogni oggetto è
utile solo al proprio scopo e non in relazione ad un altro oggetto. Con l’adolescenza i bambini segnano schemi
gerarchici di conoscenza. Il pensiero categorico è un’esperienza condivisa attraverso un sistema linguistico, non il
riflesso del pensiero individuale.
Criteri dei soggetti non scolarizzati: ad es. si fanno vedere strumenti a dei soggetti, quali vanno insieme e quali non
sono adeguati? Seghetto, cacciavite, ascia, pezzo di legno. Come rispondono? In base all’atto pratico degli utensili.
Tengono il ciocco di legno (utile per il seghetto e ascia) e tolgono il cacciavite.
Normalmente invece si sarebbe fatta una categorizzazione per attrezzi e cose, andando ad astrarre il
concetto di “utensile”.
L’ultimo esperimento ha a che fare con sillogismo e linguaggio interno poiché si chiede ai soggetti di spiegare il
processo con il quale hanno formalizzato un certo ragionamento.
Questi studi coincidono con un filosofo Avelox che studiava le culture di popolazioni primarie, e l’oralità era
la cosa che permetteva di conservare e trasmettere le conoscenze. I filosofi cantavano le epopee, ed era l’esempio
fondamentale attraverso cui le culture venivano tramandate. Questa psicologia del ricordo, al fine di replicare cose
concrete, ha a che fare con il tipo del pensiero degli Ubzeki.

Lurìa
Influente psicologo e antropologo, argomenta che il pensiero delle persone analfabete impiega un diverso set di
regole e operazioni da quelle utilizzate dalle persone moderne e alfabetizzate (scolarizzate). La differenza base sta
nel fatto che gli scolarizzati generalizzano i fatti del mondo esterno in differenti categorie da quelle a cui siamo
abituati. Diversi psicologi della gestalt si sono dedicati alla questione del pensiero primitivo. Di particolare interesse è
il suo rilievo della similarità strutturale del pensiero fra primitivi, bambini e persone con lesioni cerebrali. Individua in
tutti questi casi un pensiero sincretico, indifferenziato come caratteristica di base della attività cognitive di questi
gruppi. SI sceglie l’Uzbekistan (asia centrale), dove le discrepanze fra forme culturali promettono di massimizzare le
probabilità di identificare uno shift nelle forme base (come pure nel contenuto) del pensiero delle persone. Donne
analfabete che vivono in villaggi remoti, non coinvolte in attività sociali. Di conseguenza ci si aspetta che questi
gruppi dimostrino una predominanza di quelle forme del pensiero che vengono dall’attività pratica, dall’attività
guidata
dall’avere a che fare con oggetti e situazioni familiari. Luria lavora con test ad hoc, significativi per i soggetti, e che
ammettono diverse soluzioni, in modo da evidenziare gli aspetti dell’attività cognitiva del soggetto. Si comincia col
modo in cui le persone codificano linguisticamente le categorie base della loro esperienza visuale, come a esempio
forma e colore. In ogni area sono rilevati scarti nell’organizzazione dell’attività cognitiva dei soggetti che seguivano i
cambi nell’organizzazione sociale delle loro vite. Un tipico esempio delle differenze riscontrate è quello che ricorre
nel modo in cui i soggetti raggruppano e nominano stimoli geometrici. Questa differenza di denominazione è
accompagnata da una differenza nelle figure che sono classificate come uguali o simili. Di particolare interesse il
rifiuto di uno dei soggetti del nostro suggerimento che diceva che [tondo nero] e [tondo bianco] sono simili. Questi
stimoli sono simili a quelli che gli psicologi Gestalt hanno usato per dimostrare quelle che loro considerano leggi di
percezione universale. Nei loro esperimenti usano sempre persone istruite e trovano che queste raggruppano le
figure secondo categorie astratte.
20-03-23
Ultimo problema condotto da Luria. Questo riporta alla filosofia di Cartesio. Cartesio disse nel Libro
‘Meditazioni metafisiche’ “cogito ergo sum”. Con questa frase risolve un grande problema. Esso si chiedeva
“come facciamo a sapere che non ci inganniamo?” Egli propone una risoluzione dicendo: dubitiamo di tutto
per vedere se c’è qualcosa di cui non possiamo dubitare.
Cartesio trovò risposta nel pensiero; Poiché, anche se penso tutte cose false, resta il fatto che penso, anche se
in modo fallace —> sono un essere pensante.
Questa argomentazione dal sedicesimo secolo in poi ha dato un’impronta pesante sul pensiero, poiché il
primis era il pensiero, la ragione.
Lurìa vuole testare ciò: fa degli esperimenti anti-Cartesiani chiedendo ai soggetti di esprimere la loro
esperienza interiore. Ad esempio chiede:
o Cosa hai pensato per arrivare a questa conclusione?
o Perchè concludi così questo sillogismo?
Questa tecnica si è rilevata inefficace perché essi portavano sempre e solo esempi della tradizione o esperienza
vissuta.
Per comprendere il pensiero, analizziamo il comportamento di un animale semplice come una zecca “anche se
non è comprensibile a pieno”, e lo confrontiamo con quello umano per comprenderne le differenze.
La zecca rimane in attesa solamente degli enti che la sua biologica l’ha predisposta a rispondere. Per questo
non si annoia e non sente lo scorrere del tempo. Rimane in attesa di unno stimolo naturale che però se non
arriva la zecca morirà nel posto in cui ha vissuto senza sapere che avrebbe dovuto ricevere uno stimolo. Alla
zecca manca l’articolazione del linguaggio come la hanno gli umani che la priva dell’accesso a vari orizzonti
(introspezione personale, pensiero critico ecc.). La zecca risponde solo agli stimoli operativi (non si interroga
quando arriva, se ce la farà, se il cane è troppo grande), sente lo stimolo chimico del cane e si butta.
Nel mondo delle api non esistono fiori. Esistono solo come mezzi per trasferire il polline da un posto all’ altro.
Nel ‘apis mellifera’, il fiore viene visto solo come stimolo di nutrimento, è visto solo come tappa di un ciclo
funzionale.
Per replicare il pensiero umano abbiamo visto che è inutile cercare di replicare il pensiero umano o la mente.
L’unico modo è esporlo al contesto in cui viviamo, questo è positivo perché è effettivamente l’unica cosa a cui
abbiamo facile accesso. Quindi il problema è capire cosa è “il linguaggio” che non può essere banalizzato al
“relazionarsi” perché anche le api si relazionano. Ciò che distingue il pensiero umano è la capacità di astrarre e
contestualizzare.
Il filosofo Ludwig Wittgenstein disse: “I limiti del mio linguaggio sono i limiti del mio mondo”

Lettura ‘La macchina antropologica’.

Il filosofo Von Uexkull afferma che l’ambiente è il contesto ecosistemico circoscritto dalla dotazione biologica
di un organismo. Il linguaggio animale è diverso dal nostro. Gli animali hanno l’ambiente, mentre gli esseri
umani hanno il mondo, in cui è possibile profilare l’esperienza attraverso vari punti di vista. Il tipo di enti che la
zecca incontra nel suo ambiente sono quelli legati all’ambiente della sua esistenza. La zecca non si aspetta
niente, non vive il presente, vive una vita senza trascendenza.
La cifra del pensiero umano risiede nel potersi separare dalla situazione attuale che stiamo vivendo. ‘La
zecca non prova un’esperienza, la zecca è quell’esperienza. La zecca è già tutto ciò che deve essere.’
Cosa è la noia? La noia la prova solo chi vive l’esperienza del tempo, dell’interiorità. Quindi cosa manca alla
zecca? L’articolazione al linguaggio che invece possiede l’umano. Il linguaggio è come una griglia tra il soggetto
e il mondo che articola questa esperienza indistinta, e secondo questa griglia si articolano le varie esperienze.
La zecca risponde solo agli stimoli operativi, non ha una riflessione, funziona a cicli operativi. L’esistenza
dell’uomo oscilla tra ambiente e mondo. Per replicare il pensiero umano ci serve la lingua. Come fa ad avere la
macchina questa interfaccia di mediazione linguistica? Il linguaggio come lo rappresento nella macchina? Cosa
è la lingua? È una macchina che ritaglia le cose, la casualità, le categorie Kantiane. E dobbiamo trovare un
modo affinché questa interfaccia di articolazione sia trasmessa alla macchina
05/12-04-23
Cosa è il linguaggio e come si relaziona con il pensiero? Il modo migliore per avvicinarsi al pensiero è passare
dal linguaggio. Il linguaggio può essere un mezzo ma è sbagliato considerarlo tale. Nelle popolazioni il
linguaggio condizionava la comunicazione, i rapporti ecc. quindi deve stare sullo stesso livello del pensiero.
A seconda della lingua si sviluppa un pensiero, quindi il pensiero non può derivare dalla lingua. Se la lingua è un
mezzo di comunicazione, vuol dire che comunica qualcosa che già c’è, e quindi il pensiero non può svilupparsi
con la lingua, deve esserci a priori.
Qual è il problema della lingua come vero mezzo di comunicazione? La lingua non può essere un vero mezzo
di comunicazione, poiché modella il pensiero (esperimenti di Luria). Se fosse un semplice mezzo di
comunicazione si dovrebbe riuscire a tradurre 1:1 da una lingua all’altro. Ma non è così.

Ad esempio: gli eschimesi hanno 20 termini per indicare la neve in tutte le sue sfumature, noi abbiamo solo il
termine neve e possiamo avvicinarci a quei 20 concetti con perifrasi (neve fresca, neve dura ecc…). Questo
discorso può essere fatto con i colori e le sfumature viste da 2 culture diverse. (magari una dice solo
“verde”, mentre un'altra vede 10 sfumature dentro quel “verde”). L’unico linguaggio universale è quindi
naturale delle cose.
Le parole articolano l’esperienza e il pensiero. (Lo spettro visivo del colore è ritagliato nei colori). Il campo
semantico delle parole (genere e quantità) è articolato dagli articoli determinativi.
Ceccati (ing. Dell’IBM) e fino ai suoi tempi si è pensato che la lingua fosse un vero mezzo di comunicazione.
E’ per questo motivo che hanno fallito nella traduzione meccanica. Si è scoperto che ogni lingua
articola l’esperienza in maniera differente.
Un esempio in italiano sono gli articoli determinativi, questi segni sono pezzi di materia. Da soli non hanno
senso ma messi insieme articolano il significato.
Non è possibile andare a definire a priori delle caratteristiche per identificare un oggetto con un determinato
termine, questo perché ad esempio è impossibile andare ad elencare le caratteristiche del concetto “gioco”.
Sono infinite e inattese le possibili accezioni che si attribuiscono al concetto di “gioco”.
Tuttavia, noi riusciamo ad interfacciarci con gli eschimesi e tramite perifrasi riusciamo a comprendere i
significati delle 20 sfumature di neve. Con gli Uzbeki questo non era possibile quando ad esempio è stato fatto
l’esperimento anticartesiano, la ragione erano solo la loro. Questo era però un problema derivante dalla
strumentalizzazione delle parole al solo fine dell’utilizzo, cosa che noi e gli eschimesi non facciamo.
Il colore è un continuo di frequenze e che noi andiamo a discretizzare, ma è una cosa che facciamo noi, non è
così.
La lingua è la forma differenziale che prende pezzi di materia e li mette in relazione con pezzi di contenuto.
Anche la lingua deriva da un continuum di frequenze in cui la lingua italiana utilizza circa 20 fonemi.
La lingua è una forma che proietta le sue differenziazioni su due piani, il piano del contenuto e piano
dell’espressione. Non è un mezzo di comunicazione, ne di trasmissione perché per comunicare o trasmettere
deve esserci qualcosa a priori.
In base a Luria e al pensiero greco, il rapporto con la lingua struttura la forma del pensiero, quindi, non può
essere un semplice mezzo per giungere a qualcosa o comunicare qualcosa.
Abbiamo visto il tipo di mediazione che offre la lingua che è particolare in base alla lingua che parliamo. Le
lingue non hanno contenuti uguali per tutti, ma la lingua struttura i propri contenuti in maniera arbitraria
rispetto alle altre. In base alle articolazioni si vede come la lingua articola il piano del contenuto e ogni lingua
lo differenzia e articola in modo diverso. Quindi non si possono mettere in relazione diretta le parole, perché
possono esserci segni diversi in diverse situazioni.
Una lingua è una forma o un sistema di segni o un sistema differenziale di segni. Questo perché il valore del
segno non dipende dalla descrizione ma la descrizione dipende dal segno il quale poi dipende dalla
descrizione di tutti gli altri segni del sistema. Il significato di una parola si definisce oppositamente e non
positivamente. La lingua è una forma che ritaglia il piano della realtà.
La lingua segue due meccanismi/relazioni: sintagmatiche (basate su un carattere lineare della lingua, la
posizione dei segni implica una condizione di similarità ma anche di dissimilarità, le quali sono due facce della
stessa medaglia) e paradigmatiche (le relazioni sono anche in assenza). La lingua si sviluppa, dunque, su degli
assi orizzontali (catena sintagmatica) e su assi verticali (catena paradigmatica o associativa).
Molte parole (es. gli articoli) sono molto diverse tra loro ma molto simili dal punto di vista sintattico:
procedono molto spesso sostantivi. Lo stesso ragionamento può essere fatto tra sostantivi e verbi. Si
costruiscono quinti le catene sintagmatiche, ossia le frasi.
Esistono anche le relazioni sintagmatiche: ossia se dico una frase come “sto molto male, chiamate un …” le
parole che seguono possono essere infinite, ma quelle che hanno senso sono poche: medico, ambulanza,
prete. Un bambino, ad esempio, impara a parlare con parole che hanno senso all’interno del contesto della
frase.

Sull’asse orizzontale (frasi) ci sono le catene sintagmatiche e l’asse verticale è l’asse paradigmatico o
associativo.

Neural Networks:
Si implementa il linguaggio andando ad addestrare una rete ad indovinare una parola di una catena
sintagmatica. Si danno in input 2 parole e si chiede in output la parola associata alle 2.
Le parole vengono rappresentata in codifica one-not: Tutto il vocabolario (30.000 termini) vengono codificati
come 30.000 vettori dove in ogni vettore è presente un solo 1 in corrispondenza del termine che si vuole
rappresentare e 0 altrimenti.
I language modal hanno dei limiti: bisogna addestrare una rete per ogni lingua/cultura poiché ritagliano il
continum della realtà in modi diversi. Teconologie come Bert o GPT usano vettori (rappresentativi del
termine) diversi per lo stesso termine a seconda dei contesti di utilizzo.
Un IA riesce oltre a dire qual è la parola più pertinente in una frase anche ad astrarre e fare proporzioni tra
esse: Esempio se sa che roma è la capitale di italia e berlino è la capitale della germania, allora riesce anche a
capire che roma e berlino stanno sullo stesso piano. Astrae i concetti.
Daverio
Sistemi IA e Compiti Conoscitivi

Introduzione: La Scienza Rimarrà Umana?

Il progresso tecnologico ha portato all'integrazione di sistemi di intelligenza artificiale (IA) nella ricerca
scientifica. Questo ha sollevato interrogativi fondamentali sul futuro della scienza: sarà ancora un'impresa
umana o verrà dominata dalle macchine? L'automazione della scienza, attraverso tecnologie come l'IA
generativa, la scienza guidata dai dati (data-driven science) e la robotica, ha il potenziale di migliorare
significativamente l'efficienza e la precisione delle ricerche. Tuttavia, sorgono preoccupazioni circa la possibile
sostituzione degli scienziati umani e l'eventuale diminuzione del ruolo del contributo umano nella scienza.

I Caratteri della Automated Science

La scienza automatizzata si riferisce all'uso delle tecnologie IA per condurre ricerche scientifiche. Questo
include l'utilizzo di IA per prevedere malattie croniche, sviluppare nuovi farmaci e altre applicazioni
biomediche. Ad esempio, algoritmi di machine learning possono analizzare dati medici per prevedere la
progressione delle malattie, permettendo interventi più tempestivi e personalizzati. Tuttavia, le decisioni
prese dalle IA possono essere difficili da interpretare, creando un problema di trasparenza. La mancanza di un
chiaro percorso decisionale rende difficile per i ricercatori comprendere e fidarsi pienamente dei risultati
ottenuti.
La scienza basata sui dati (data-driven science) rappresenta un'altra faccia della medaglia. Questo approccio si
concentra sull'analisi di grandi quantità di dati per identificare correlazioni, spesso senza un solido modello
teorico alla base. Sebbene possa portare a scoperte significative, questo metodo può sbilanciare la scienza,
allontanandola dal ragionamento teorico e rendendola troppo dipendente dai dati. Ad esempio, le tecniche di
data mining possono rivelare correlazioni interessanti, ma senza una comprensione teorica di base, queste
correlazioni possono essere fuorvianti o interpretate erroneamente. Il rischio è che la scienza diventi una
mera attività di raccolta e analisi dei dati, perdendo di vista i principi teorici che hanno tradizionalmente
guidato la ricerca.
I robot scienziati, capaci di eseguire esperimenti in autonomia, rappresentano un ulteriore passo avanti nella
scienza automatizzata. Questi sistemi possono accelerare enormemente il processo di ricerca, eseguendo
esperimenti con velocità e precisione inimmaginabili per gli esseri umani. Ad esempio, robot automatizzati
possono testare migliaia di composti chimici per trovare potenziali farmaci in tempi molto più brevi rispetto
alla ricerca manuale. Tuttavia, l'affidamento completo su robot e IA porta con sé rischi significativi, tra cui bias
ed errori imprevedibili. Senza la supervisione umana, gli errori possono passare inosservati, compromettendo
la validità dei risultati ottenuti.

Implicazioni Epistemologiche
L'uso dell'IA nella scienza solleva importanti questioni epistemologiche. La correlazione statistica e
probabilistica come modello principale di intelligenza artificiale differisce notevolmente dal modo in cui gli
esseri umani comprendono e interpretano il mondo. Gli esseri umani utilizzano una varietà di metodi di
ragionamento e rappresentazione che vanno oltre la semplice correlazione. Ad esempio, mentre un algoritmo
di IA può identificare una correlazione tra due variabili, un ricercatore umano può esaminare le implicazioni
causali e contestuali di tale correlazione, utilizzando conoscenze teoriche e intuitive che l'IA non possiede.
Un altro problema è l'opacità epistemica, spesso descritta come "black box". Le decisioni prese dall'IA sono
difficili da comprendere e spiegare, sfidando il paradigma tradizionale della scienza basata sulla trasparenza e
comprensione. Ad esempio, gli algoritmi di deep learning possono produrre risultati accurati, ma il processo
decisionale interno rimane opaco, rendendo difficile per i ricercatori comprendere come e perché siano state
prese certe decisioni. L'incapacità di spiegare il processo decisionale dell'IA mette in discussione la fiducia
nella scienza automatizzata.
Gli errori imprevedibili costituiscono un ulteriore rischio. L'addestramento delle reti IA deve includere misure
per prevenire questi errori, mantenendo sempre una supervisione umana. Ad esempio, le reti neurali possono
comportarsi in modi imprevedibili se esposte a dati fuori distribuzione o se vengono addestrate con dataset
parziali o biasati. Gli esseri umani devono intervenire per garantire la validità e l'affidabilità dei risultati
ottenuti dalle IA. Ad esempio, il coinvolgimento umano è cruciale per validare e interpretare i risultati delle IA,
assicurando che siano accurati e rilevanti nel contesto scientifico.
Le problematiche generali legate all'IA includono le approssimazioni parziali, dove l'IA produce risultati basati
su dataset limitati, offrendo una comprensione spesso incompleta. Ad esempio, un modello di IA addestrato
su dati raccolti in un contesto specifico può non essere applicabile universalmente, portando a conclusioni
errate se applicato fuori dal suo ambito originale. Inoltre, l'intelligenza umana incorpora valutazioni non
computabili, come questioni valoriali e cambi di prospettiva, che l'IA non può facilmente integrare. Questo
rende l'intervento umano essenziale per garantire una comprensione completa e accurata dei fenomeni
studiati.

Virtù Intellettuali e Data Science

Un approccio basato sulle virtù è proposto per integrare l'etica nella pratica della data science. Questo
approccio, fondato su una concezione di etica centrata sull'azione e le decisioni dello scienziato, incoraggia i
data scientists a coltivare virtù intellettuali come l'attenzione morale e la saggezza pratica (phronesis). Le virtù
intellettuali sono essenziali per garantire che le scelte tecniche siano eticamente fondate e riflettano una
comprensione olistica del contesto e dei valori scientifici.

- Attenzione Morale: Implica porre sistematicamente domande sulla pertinenza e l'etica di ogni processo
tecnico, come l'addestramento degli algoritmi e la pulizia dei set di dati. La capacità di valutare
criticamente ogni passo del processo di data science assicura che le decisioni prese siano moralmente e
scientificamente solide.

- Saggezza Pratica: Consiste nell'agire bene tenendo conto della conoscenza dei principi scientifici, dei
fattori contestuali e dei valori legati all'essere buoni scienziati. La saggezza pratica richiede esperienza e
riflessione, assicurando che le decisioni prese non siano solo tecnicamente corrette ma anche eticamente
appropriate.

Le decisioni etiche nel processo di data science riguardano la scelta dei metodi e la preparazione dei dati.
Scegliere tra supervised e unsupervised learning, o la preparazione dei dati e la scelta delle etichette,
richiedono competenza tecnica e riflessione etica. La preparazione dei dati deve considerare lo scopo del
dataset e l'esperienza previa del ricercatore, garantendo che l'approccio sia etico e responsabile.

Il Fattore Umano nella Pratica Scientifica

Il fattore umano riveste un ruolo cruciale nella pratica scientifica, specialmente considerando l'impatto
crescente dell'intelligenza artificiale (IA). Mentre le tecnologie IA offrono nuove prospettive nel campo della
ricerca scientifica, è importante riconoscere che l'imprevedibilità, l'adattamento e la creatività umane sono
componenti essenziali del processo scientifico. Questi elementi rischierebbero di andare persi in
un'automazione totale della scoperta scientifica, portando a una riduzione della comprensione dei fenomeni e
dei risultati della ricerca.

L'approccio emergente delle virtù morali nella data science sottolinea l'importanza di mantenere l'essere
umano al centro del processo scientifico. Ciò è particolarmente rilevante nel contesto delle tecnologie IA,
dove la supervisione umana è essenziale per individuare errori e bias potenziali. Senza un coinvolgimento
integrale dei ricercatori nel processo di ricerca, potrebbe verificarsi una drastica diminuzione della capacità di
individuare e correggere tali problemi, compromettendo l'integrità e l'affidabilità della ricerca scientifica.

Inoltre, l'integrazione tra tecnologie IA e scienza della vita solleva importanti questioni etiche. Sebbene queste
tecnologie possano ampliare le capacità cognitive e operative degli scienziati e consentire la simulazione e la
modellazione di fenomeni complessi, è essenziale considerare le implicazioni etiche delle loro applicazioni. La
supervisione umana è cruciale per garantire che le tecnologie siano utilizzate in modo responsabile e per
prevenire abusi e bias che potrebbero compromettere i risultati della ricerca scientifica.
Per un Concetto di Tecnologia Sostenibile
Rimanere umani è fondamentale per garantire che le scelte e le responsabilità umane continuino a svolgere
un ruolo cruciale nella produzione di conoscenze scientifiche valide ed etiche. Questo significa che, anche con
l'avvento delle tecnologie IA, gli esseri umani devono mantenere il controllo sui processi decisionali,
assicurando che le innovazioni tecnologiche siano utilizzate per il bene comune e non solo per il profitto o
l'efficienza.

Un concetto di tecnologia sostenibile deve considerare non solo gli impatti ambientali ed economici, ma
anche le implicazioni sociali ed etiche. Ad esempio, lo sviluppo e l'implementazione di tecnologie IA devono
essere guidati da principi di equità, giustizia e trasparenza. Questo implica che le tecnologie dovrebbero
essere accessibili a tutti, evitando di creare o esacerbare disuguaglianze esistenti.

L'educazione e la formazione continua sono elementi chiave per promuovere una tecnologia sostenibile. I
ricercatori e i professionisti devono essere formati non solo nelle competenze tecniche, ma anche nelle
questioni etiche e sociali associate all'uso delle tecnologie IA. Ad esempio, i programmi educativi potrebbero
includere corsi su etica della tecnologia, sostenibilità e responsabilità sociale, preparando così i futuri
scienziati e ingegneri a considerare gli impatti delle loro innovazioni in un contesto più ampio.
DOMANDA ESAME:

• L’approccio replicazione del pensiero localizzazionalista o naturalizzante (che non ci aiuta per
capire il pensiero, ad es. concetto di cane possono esserci molte implicazioni… avevamo individuato
diverse persone specializzate come psicologo ecc. solo che non era utile per replicare il pensiero e
abbiamo cercato di capire attraverso lo studio di sensori quali parti si attivavano nel cervello su
diverse parole come cane. Non esiste una corrispondenza uno ad uno/corrispondenza diretto su
concetti biologici/contenuto del pensiero. Non possiamo fare differenza intersoggettiva tra cervelli.
I cervelli si modificano non allo stesso modo, quindi, c’è un confronto tra cervelli non fattibile —>
non possiamo fare una mappatura del cervello. Inoltre, è dimostrata una differenza intersoggettiva
tra plasticità neuronali e anche se ci riuscissimo, non ci facciamo nulla.

• Luria, contro chi polemizza? Il suo problema qual era? Fa un esperimento sul linguaggio in
Ubzekistan…. Luria va in Uzbekistan per provare che il pensiero non è innato, ma la cultura lo crea.
Questo perché prima si pensava che la struttura del pensiero fosse innata (come dicevano Kant e
Aristotele con le categorie). La parola per loro era data dalle categorie (ossa la struttura innata del
pensiero), le quali sono le coordinate che mi dicono cosa è una cosa. Questa interfaccia consente di
avere un’esperienza, e per avere un’esperienza devo categorizzare le cose. Gli psicologi prima
dicevano che era innata, Luria la pensa diversamente. Il pensiero non è innato perché dipende dalle
condizioni socio-culturali in cui uno vive (scolarizzazione ecc.), fa emergere le condizioni materiali. Il
linguaggio freniche interfaccia di mediazione rispetto ai contenuti.
Contro quale approccio argomenta? Esperimento anticarstesiano: Chiede ai soggetti come sono
arrivati alla conclusione, però non riuscivano a dare una risposta e avevano difficoltà proprio a causa
del rapporto con struttura e lingua che avevano. Questo perché questo tipo di introspezione è
veicolato dal linguaggio. Il linguaggio fornisce un’interfaccia di mediazione rispetto ai contenuti.

• Testo di Cimanti, tra ambiente e mondo: api, zecche ecc. Organismi di esseri animali si muovono in
un ambiente, un’ape risponde a degli stimoli luminosi, chimici ad es., mentre organismi più
complessi possono sbagliarsi invece. L’ape non apprezza il fiore in quanto fiore, ha solo uno stimolo
chimico. Cimatti: differenza mondo e ambiente: Le zecche e gli animali agiscono per stimoli chimici,
vivono in un loro ambiente predeterminato. Una formica non può decidere se seguire o meno una
scia chimica, la segue in un rapporto 1:1 senza farsi domande. Organismi più complessi come noi,
possiamo interrogarci in modo critico.

• Cosa è la Lingua? Confrontare i due modelli di linguaggio affrontati a lezione: La lingua come veicolo
e lingua come forma per ritagliare il piano del contenuto.
Lingua come veicolo di comunicazione e lingua come forma/struttura/sistema per ritagliare il piano
del contenuto. Esempio? Lo spettro dei colori, che è un unico indistinto di tutte frequenze, e la
lingua lo articola secondo le proprie articolazioni. La nostra lingua, ad esempio, ha una sola parola
che identifica la neve e magari in altre lingue possono esserci più parole che la identificano

• Cosa è un errore? L’allontanarsi con il pensiero o con l’azione dal bene/dal vero/dal giusto. Può
essere uno sbaglio di giudizio o di calcolo anche. Un uomo sbaglia non per fare male. L’errore per la
macchina è mancanza di dato, quindi la soluzione all’errore è un altro dato.
• Come definiamo il dato: il dato (factum e datum dal latino) può essere considerato un’unità
costituiva minima di un fenomeno. Se dico qual è il dato minimo fondamentale di questa classe? Il
dato minimo che identifica gli studenti di questa classe è un numero di matricola. È un dato
costruito su un numero che rappresenta una storia accademica. Nei supermercati il dato minimo è il
codice a barre. La scienza ci aiuta a riconoscere fenomeni partendo dalla base minima costituita che
noi gli attribuiamo. Il dato per disambiguarlo dobbiamo frammentarlo. Il dato è un’astrazione del
fenomeno. Il dato non è mai neutro, è costruito da noi con caratteristiche particolari che noi gli
abbiamo dato.

• Intelligenza artificiale - Lingua (?): ristrutturare e articolare il proprio spazio di contenuti come noi lo
facciamo. Il pensiero è una cosa complicata che si appoggia a quella griglia che è la lingua
(interfaccia) che mi articola i contenuti. Quindi creiamo un modello per questa interfaccia.

• Perché l’IA deve passare per la lingua? Perché fornisce a questi sistemi la stessa forma del
contenuto che abbiamo noi.
• Cosa si intende per riduzionismo dell’intelligenza umana: pensare solo in termini di automazione.
• Come comprendere l’autonomia? È una topologia relazionale.
• Come parlano i documenti europei dell’AI? C’è un documento del 2018…. L’AI è stata una definizione
di qualcosa che c’era già in giro, ed era un grande computer. Nei documenti abbiamo preso la
razionalità che definiamo come capacità di scegliere la miglior soluzione per il raggiungimento di un
determinato obiettivo. Come ci arrivo? Un algoritmo (l’AI) me lo dice in 2 secondi come e cosa
posso fare. L’ausilio dell’AI è il motivo per cui l’abbiamo costruita