Un recente studio condotto da ricercatori della Carnegie Mellon University ha aperto nuove strade nel campo dell’intelligenza artificiale, suggerendo che la compressione delle informazioni possa contribuire a risolvere compiti di ragionamento complessi senza necessità di un pre-addestramento su grandi volumi di dati. Questo approccio sfida le convenzioni consolidate riguardo all’apprendimento automatico e alla sua capacità di sviluppare abilità di problem-solving.
Indice dei contenuti
Il progetto innovativo di CompressARC
Isaac Liao, un dottorando al primo anno, insieme al suo relatore, il professor Albert Gu, ha condotto ricerche sull’argomento e si è chiesto: “La compressione delle informazioni senza perdita può da sola generare comportamenti intelligenti?”. I risultati suggeriscono che la risposta possa essere positiva. Hanno sviluppato un sistema chiamato CompressARC, i cui risultati sono stati divulgati in un ampio articolo sul sito web di Liao.
Seguici su Google News
Ricevi i nostri aggiornamenti direttamente nel tuo feed di
notizie personalizzato
Seguici ora
Durante le loro ricerche, Liao e Gu hanno deciso di testare il loro sistema sull’Abstraction and Reasoning Corpus , un benchmark visivo creato nel 2019 dal ricercatore François Chollet. Questo strumento serve a valutare le abilità di ragionamento astratto nei sistemi di intelligenza artificiale. L’ARC presenta dei puzzle visivi basati su una griglia, ognuno dei quali offre diversi esempi che dimostrano una regola sottesa, che il sistema deve dedurre e applicare a un nuovo esempio.
Un esempio di puzzle ARC-AGI
Ad esempio, uno dei puzzle all’interno di ARC-AGI mostra una griglia divisa in scatole da righe e colonne di colore blu chiaro. La sfida consiste nel determinare quali colori devono essere posizionati in ciascuna scatola in base alla loro posizione: il nero per gli angoli, il magenta per il centro, e colori direzionali per le altre scatole. Tre ulteriori esempi di puzzle ARC-AGI, reperibili sul sito di Liao, forniscono un’ulteriore illustrazione delle sfide presentate da questo sistema.
Questi puzzle testano abilità che alcuni esperti considerano fondamentali per il ragionamento umano generalizzato, talvolta definito AGI, ovvero intelligenza artificiale generale. Le proprietà coinvolte comprendono la comprensione della persistenza degli oggetti, comportamenti orientati verso un obiettivo, capacità di conteggio e nozioni di geometria di base, senza richiedere conoscenze specializzate.
Risultati e considerazioni sul ragionamento astratto
Attualmente, l’uomo medio riesce a risolvere il 76,2% dei puzzle presenti nell’ARC-AGI, mentre gli esperti umani raggiungono un impressionante 98,5%. Questo divario suggerisce che ci sono ancora notevoli sfide da affrontare per i sistemi di intelligenza artificiale nel replicare le abilità cognitive umane.
Con risultati promettenti come quelli forniti da CompressARC, il panorama della ricerca sull’intelligenza artificiale potrebbe cambiare radicalmente. Le implicazioni di queste scoperte potrebbero estendersi oltre il semplice ragionamento astratto, aprendo nuove vie per applicazioni pratiche in numerosi settori. In un’epoca in cui l’intelligenza artificiale è sempre più presente nelle nostre vite quotidiane, tali studi rappresentano un passo significativo verso il miglioramento delle capacità decisionali e di problem-solving dei sistemi automatici.
