Tipi di intelligenza artificiale: ANI, AGI, ASI e altre classificazioni

L'intelligenza artificiale può essere classificata in diversi modi. ANI, AGI e ASI descrivono i livelli di capacità, ma non spiegano da soli come un sistema apprende, che tipo di risultato produce o quanto può agire senza l'intervento umano.

Un’intelligenza artificiale può anche essere predittiva, generativa, conversazionale, basata su regole, addestrata attraverso l’apprendimento supervisionato o funzionare come un agente in grado di utilizzare strumenti.

Pertanto, quando ci chiediamo quanti tipi di intelligenza artificiale esistono, la risposta dipende dai criteri utilizzati.

In questa guida imparerai a conoscere le principali classificazioni, le loro differenze e quali corrispondono alle tecnologie esistenti o ai concetti che rimangono ipotetici.

Per una panoramica di come funziona, applicazioni, vantaggi e rischi, puoi consultare il nostro guida completa all'intelligenza artificiale.

Come viene classificata l'intelligenza artificiale

Non esiste un'unica classificazione in grado di descrivere tutti i sistemi di intelligenza artificiale.

Possiamo raggrupparli secondo:

• La loro capacità di lavorare in uno o più ambiti.
• La tecnologia o l'approccio utilizzato.
• Il modo in cui imparano.
• Il tipo di risultato che producono.
• Il formato delle informazioni che elaborano.
• La loro capacità di agire in modo autonomo.
• La funzione per cui sono stati progettati.

Lo stesso sistema può appartenere a più categorie.

Ad esempio, un assistente può essere:

• Intelligenza artificiale specializzata.
• Modello basato sul Deep Learning.
• Intelligenza artificiale generativa.
• Intelligenza artificiale conversazionale.
• Sistema multimodale.
• Agente con accesso agli strumenti.

Ogni termine descrive un aspetto diverso.

Tipi di IA in base alle loro capacità

Le classificazioni ANI, AGI e ASI confrontano l'ampiezza delle capacità di un'intelligenza artificiale con la flessibilità dell'intelligenza umana.

Si tratta di un quadro concettuale utile, ma i suoi confini non hanno prove universalmente accettate.

ANI o intelligenza artificiale ristretta

ANI significa Intelligenza artificiale ristretta, tradotto come intelligenza artificiale ristretta, specializzata o limitata.

Descrivere i sistemi progettati per svolgere compiti specifici in contesti specifici.

Tra le sue possibili funzioni troviamo:

• Classificare le immagini.
• Consiglia prodotti.
• Tradurre testi.
• Rilevare operazioni anomale.
• Genera contenuti.
• Calcola i percorsi.
• Riconoscere la voce.
• Prevedere una domanda.

Il termine “ristretto” non significa necessariamente che il sistema possa eseguire una sola azione.

Un modello multimodale può funzionare con testo, immagini, documenti, audio, programmazione e strumenti. Tuttavia, dipende ancora da un'architettura, dati, istruzioni e ambiente definiti.

Caratteristiche dell'ANI

• È progettato o formato per obiettivi specifici.
• Le loro prestazioni variano a seconda del compito.
• Non possiede automaticamente tutte le capacità umane.
• Può superare gli specialisti in attività specifiche.
• Non si generalizza illimitatamente a nessuna situazione.
• Necessita di valutazione e supervisione.

Secondo questa classificazione, i sistemi attualmente implementati sono solitamente inclusi nell’intelligenza artificiale specializzata, sebbene alcuni siano molto versatili.

AGI o intelligenza artificiale generale

AGI significa Intelligenza artificiale generale o intelligenza artificiale generale.

Viene utilizzato per descrivere un sistema in grado di apprendere, ragionare e applicare la conoscenza in un'ampia gamma di compiti e ambiti, comprese nuove situazioni.

Una potenziale AGI dovrebbe mostrare capacità quali:

• Impara nuovi compiti con poche informazioni.
• Trasferire la conoscenza tra domini.
• Adattarsi a situazioni non familiari.
• Pianificare obiettivi complessi.
• Risolvere vari problemi.
• Utilizzare strumenti.
• Correggere gli errori.
• Mantenere ottime prestazioni in molti contesti.

Non esiste una definizione o un test universale per certificare che un sistema sia AGI.

Pertanto, ricercatori, aziende e organizzazioni diversi possono utilizzare il termine in modo diverso.

Alcuni si concentrano sul raggiungimento di prestazioni paragonabili a quelle umane in molti test. Altri richiedono adattamento, memoria, autonomia, apprendimento continuo o la capacità di funzionare in ambienti reali.

AGI non significa necessariamente consapevolezza

Intelligenza generale e coscienza non sono concetti equivalenti.

Un sistema potrebbe mostrare una grande capacità di risolvere compiti senza dimostrare di possedere emozioni, esperienza soggettiva o coscienza.

Pertanto, una tabella su ANI e AGI non dovrebbe utilizzare la consapevolezza come requisito tecnico primario.

Esiste attualmente un AGI?

Non esiste un consenso ampiamente accettato sul fatto che un sistema abbia raggiunto un'intelligenza artificiale generale.

I modelli attuali possono offrire capacità molto ampie, ma continuano a mostrare profili irregolari: eccellono in determinati compiti e falliscono in altri che una persona potrebbe considerare semplici.

Ecco perché è più accurato valutare le capacità concrete piuttosto che affermare in modo assoluto se uno strumento è “intelligente o meno come un essere umano”.

ASI o superintelligenza artificiale

ASI significa Superintelligenza artificiale o superintelligenza artificiale.

Descrivi uno scenario ipotetico in cui un sistema supererebbe di gran lunga le capacità umane in un’ampia varietà di discipline.

Potrebbe includere prestazioni superiori in:

• Ricerca scientifica.
• Ingegneria.
• Pianificazione.
• Matematica.
• Sviluppo tecnologico.
• Strategia.
• Risoluzione dei problemi.
• Creazione di conoscenza.

ASI non rappresenta una tecnologia attualmente disponibile.

Inoltre, non esiste un modo stabilito per sapere come si svilupperebbe, quali capacità avrebbe o se sorgerebbe come conseguenza di un’AGI.

Il suo studio è principalmente legato ai dibattiti su:

• Sicurezza.
• Controllare.
• Allineamento oggettivo.
• Concentrazione del potere.
• Governo.
• Rischi sistemici.

È importante differenziare questi dibattiti dai reali limiti e rischi dei sistemi già in uso.

Confronto tra ANI, AGI e ASI

La tabella non deve essere interpretata come una scala automatica in base alla quale ogni sistema deve andare avanti.

ANI, AGI e ASI sono categorie concettuali basate sull'ampiezza delle capacità.

Tipi di intelligenza artificiale in base al loro approccio tecnico

Possiamo anche classificare l'intelligenza artificiale in base alla tecnologia utilizzata per produrne i risultati.

IA basata su regole e conoscenze

Questi sistemi utilizzano regole, rappresentazioni logiche o conoscenze introdotte da specialisti.

Un semplice esempio potrebbe essere:

Se sono soddisfatte le condizioni A e B, raccomanda l'opzione C.

Possono essere utilizzati in:

• Sistemi esperti.
• Diagnostica basata su regole.
• Configuratori.
• Motori decisionali.
• Validazioni.
• Pianificazione.

I suoi vantaggi sono la tracciabilità e il controllo.

Tuttavia, mantenere migliaia di regole può essere difficile quando il problema cambia o contiene troppe eccezioni.

Apprendimento automatico

Il Machine Learning consente di costruire modelli che apprendono le relazioni dai dati.

Invece di scrivere manualmente tutte le regole, per adattare un modello si utilizzano degli esempi.

Può essere applicato a:

• Classificazione.
• Regressione.
• Rilevamento di anomalie.
• Segmentazione.
• Raccomandazione.
• Elaborazione del linguaggio.
• Visione artificiale.

Apprendimento profondo

Il Deep Learning è un sottocampo del Machine Learning basato su reti neurali multistrato.

Viene spesso utilizzato in attività legate a:

• Lingua.
• Immagini.
• Audio.
• Video.
• Modelli multimodali.
• Generazione di contenuti.
• Riconoscimento di modelli complessi.

Non sostituisce tutti i modelli di Machine Learning. Per alcuni problemi, una tecnica più semplice può essere più veloce, più interpretabile e più efficiente.

La relazione tra questi concetti è spiegata nella guida su come funziona l'intelligenza artificiale.

Tipi di intelligenza artificiale in base al loro metodo di apprendimento

Nell'ambito del Machine Learning possiamo differenziare diversi metodi.

Apprendimento supervisionato

Il modello apprende utilizzando esempi che includono una risposta o un'etichetta corretta.

Ad esempio:

• Email classificate come spam o legittime.
• Immagini taggate.
• Operazioni contrassegnate come fraudolente.
• Case accompagnate dal loro prezzo.

Viene utilizzato principalmente per:

• Classificazione.
• Regressione.
• Previsione.

Apprendimento non supervisionato

Il modello riceve dati senza risposte precedentemente etichettate e cerca strutture o raggruppamenti.

Può essere utilizzato per:

• Segmentare i clienti.
• Documenti di gruppo.
• Rileva modelli.
• Esplora i set di dati.
• Ridurre le dimensioni.
• Identificare comportamenti atipici.

Il sistema trova relazioni, ma una persona deve interpretare il significato dei gruppi ottenuti.

Apprendimento per rinforzo

Un agente impara interagendo con un ambiente.

Ogni azione può produrre una ricompensa o una penalità. L'obiettivo è trovare una strategia che massimizzi la ricompensa accumulata.

Viene utilizzato in:

• Robotica.
• Giochi.
• Controllo dei sistemi.
• Pianificazione.
• Ottimizzazione.
• Ricerca sugli agenti.

Apprendimento autosupervisionato

L'apprendimento autosupervisionato consente di creare segnali di addestramento a partire dai propri dati senza dover etichettare manualmente ogni esempio.

Ad esempio, un modello può imparare cercando di:

• Prevedere una parte nascosta di un testo.
• Ricostruisci un'immagine incompleta.
• Mettere in relazione le rappresentazioni dei contenuti.
• Identificare la parte successiva di una sequenza.

Questo approccio ha svolto un ruolo importante nello sviluppo di modelli linguistici di grandi dimensioni e di modelli fondamentali.

Tipi di IA in base al risultato che producono

Un'altra classificazione particolarmente utile differenzia i sistemi in base all'output che generano.

Intelligenza artificiale predittiva

L’intelligenza artificiale predittiva calcola quale risultato potrebbe essere prodotto da determinati dati.

Può generare:

• Una probabilità.
• Un valore numerico.
• Una previsione.
• Una stima del rischio.
• Una domanda prevista.
• Un avviso.

Esempi:

• Previsione delle vendite.
• Stima dei tempi di consegna.
• Rischio di mancato pagamento.
• Previsione di ripartizione.
• Probabilità di abbandono del cliente.

Solitamente i loro risultati possono essere confrontati in seguito con quanto realmente accaduto.

IA generativa

L'intelligenza artificiale generativa produce nuovi contenuti a partire da un input.

Può generare:

• Testo.
• Immagini.
• Audio.
• Musica.
• Video.
• Codice.
• Presentazioni.
• Modelli tridimensionali.

Non deve essere confuso con AGI.

Un sistema generativo può creare contenuti in vari formati e continuare a essere un'intelligenza artificiale specializzata.

Consulta la nostra guida su cos'è l'intelligenza artificiale generativa per conoscerne i modelli, il funzionamento e i limiti.

Intelligenza artificiale discriminativa o classificatrice

I modelli discriminativi separano gli esempi, calcolano le categorie o stimano le relazioni tra un input e un output.

Possono essere utilizzati per:

• Identificare gli oggetti.
• Classificare le email.
• Rilevamento di malattie nelle immagini.
• Riconoscere le intenzioni.
• Distinguere tra operazioni normali e anomale.

“Generativo” e “discriminativo” descrivono approcci diversi, sebbene lo stesso prodotto possa combinarli entrambi.

Sistemi di raccomandazione

Analizzano le informazioni sugli utenti, sui prodotti o sui contenuti per ordinare le opzioni che potrebbero essere rilevanti.

Vengono utilizzati in:

• Commercio elettronico.
• Piattaforme audiovisive.
• Musica.
• Social network.
• Pubblicità.
• Notizia.
• Formazione.

Possono combinare filtraggio collaborativo, modelli predittivi, contenuti e contesto.

Intelligenza artificiale conversazionale

L'intelligenza artificiale conversazionale elabora il linguaggio per mantenere le interazioni tramite testo o voce.

Può includere:

• Chatbot.
• Assistenti.
• Sistemi di assistenza.
• Interfacce vocali.
• Agenti con strumenti.

Non tutta l'intelligenza artificiale conversazionale è generativa. Alcuni sistemi seguono flussi, intenzioni e risposte predeterminati.

Visione artificiale

La visione artificiale analizza immagini o video.

È possibile eseguire attività quali:

• Classificazione delle immagini.
• Rilevamento di oggetti.
• Segmentazione.
• Riconoscimento ottico dei caratteri.
• Seguito.
• Ispezione di qualità.
• Interpretazione della scena.

Robotica e sistemi autonomi

Questi sistemi combinano percezione, pianificazione e azione all'interno di un ambiente fisico.

Possono incorporare:

• Telecamere.
• Sensori.
• Modelli predittivi.
• Posizione.
• Pianificazione del percorso.
• Controllo del movimento.
• Apprendimento per rinforzo.

La sua autonomia dipende dalla progettazione, dalle restrizioni e dal livello di supervisione.

La guida su applicazioni dell'intelligenza artificiale Spiega in quali settori vengono utilizzate queste categorie.

Tipi di IA in base al loro livello di autonomia

L'autonomia descrive la misura in cui il sistema può selezionare ed eseguire azioni senza che una persona confermi ogni passaggio.

Strumenti di assistenza e copiloti

Aiutano una persona a completare un compito, ma l'utente mantiene il controllo primario.

Possono:

• Suggerisci testo.
• Riassumere le informazioni.
• Consigliare azioni.
• Generare bozze.
• Proponi il codice.
• Analizzare i documenti.

La persona esamina e decide quale risultato utilizzare.

Agenti di intelligenza artificiale

Un agente può ricevere un obiettivo, pianificare diversi passaggi, utilizzare strumenti e agire in un ambiente digitale o fisico.

È possibile eseguire azioni come:

• Interrogare un database.
• Sfoglia un'applicazione.
• Eseguire il codice.
• Crea file.
• Invia informazioni.
• Controlla i risultati.
• Modifica il tuo piano.

Ciò non significa che abbia una propria volontà. Il loro comportamento continua ad essere condizionato da obiettivi, permessi, istruzioni, strumenti e sistemi di controllo.

Sistemi di intelligenza artificiale agente

L'intelligenza artificiale degli agenti può coordinare più agenti o processi per completare obiettivi più ampi per periodi prolungati.

Può includere:

• Divisione di un compito in sottocompiti.
• Delega tra agenti.
• Uso coordinato degli strumenti.
• Monitoraggio dei risultati.
• Adattamento del piano.
• Intervento umano ai posti di blocco.

Maggiore è l’autonomia del sistema, più importanti diventano le autorizzazioni, il monitoraggio, i registri delle attività e i meccanismi per fermarlo.

Questo tipo di sistema può essere utilizzato nei processi di automazione con intelligenza artificiale.

Macchine reattive, memoria limitata e teoria della mente

Un'altra classificazione popolare distingue quattro livelli funzionali:

• Macchine reattive.
• Intelligenza artificiale con memoria limitata.
• Teoria della mente.
• Intelligenza artificiale consapevole di sé.

Dovrebbe essere trattato come un quadro concettuale, non come una tassonomia tecnica universale.

Macchine reattive

Rispondono a una situazione specifica senza costruire una memoria persistente sulle esperienze precedenti.

Possono essere efficaci in un ambiente ben definito.

IA con memoria limitata

Utilizza informazioni recenti, contesto o dati memorizzati per produrre una risposta.

Molti sistemi moderni potrebbero corrispondere in parte a questa descrizione, sebbene l'espressione sia troppo ampia per spiegarne le differenze tecniche.

Teoria della mente

Descrivi l'ipotetica capacità di interpretare le emozioni, le convinzioni, le intenzioni e gli stati mentali degli altri in modo generale.

Esistono sistemi che rilevano segnali emotivi o deducono intenzioni concrete, ma ciò non dimostra una teoria completa della mente umana.

Intelligenza artificiale consapevole di sé

Rappresenterebbe un sistema dotato di una propria coscienza o esperienza soggettiva.

Non esiste alcuna prova accettata che i sistemi attuali siano autocoscienti.

Questa categoria appartiene principalmente al dibattito filosofico e ipotetico e non deve essere confusa con la capacità di conversare o parlare in prima persona.

Lo stesso sistema può appartenere a più categorie

Le classificazioni non si escludono a vicenda.

Un assistente moderno potrebbe essere descritto come:

• Intelligenza artificiale specializzata in base alle sue capacità.
• Deep Learning secondo la sua architettura.
• Autosupervisionato secondo una parte della sua formazione.
• Generativo a seconda del risultato.
• Conversazionale in base all'interfaccia.
• Multimodale secondo i formati.
• Agente se è possibile utilizzare strumenti ed eseguire azioni.

Analogamente, un sistema di rilevamento delle frodi potrebbe essere:

• Intelligenza artificiale specializzata.
• Apprendimento automatico supervisionato.
• Intelligenza artificiale predittiva.
• Modello discriminatorio.
• Sistema di supporto alle decisioni.

Ecco perché non è corretto chiedere semplicemente:

Che tipo di intelligenza artificiale è questa?

La domanda più precisa sarebbe:

Secondo quali criteri vogliamo classificarlo?

Quali tipi di intelligenza artificiale esistono attualmente

Attualmente esistono sistemi reali di:

• Intelligenza artificiale basata su regole.
• Apprendimento automatico.
• Apprendimento profondo.
• Intelligenza artificiale predittiva.
• Intelligenza artificiale generativa.
• Visione artificiale.
• Elaborazione del linguaggio.
• Sistemi di raccomandazione.
• Robotica.
• Agenti di intelligenza artificiale.
• Sistemi multimodali specializzati.

Nel quadro ANI, AGI e ASI, questi sistemi sono solitamente classificati come intelligenze specializzate.

Alcuni hanno ampie capacità e possono svolgere molti compiti, ma non esiste un test universalmente accettato per certificare che un sistema abbia raggiunto l’AGI.

L'ASI rimane uno scenario ipotetico.

Questa distinzione aiuta ad evitare due errori:

• Minimizzare le reali capacità dell'intelligenza artificiale attuale.
• Attributo ad abilità generali, consapevolezza o autonomia che non sono state dimostrate.

Conclusione

I tipi di intelligenza artificiale dipendono dai criteri utilizzati.

ANI, AGI e ASI descrivono l'ampiezza delle capacità. L'apprendimento supervisionato, non supervisionato, per rinforzo e autosupervisionato descrive il modo in cui vengono addestrati determinati modelli. Le categorie predittive, generative, conversazionali o visive spiegano quali risultati producono, mentre gli agenti descrivono il loro livello di autonomia.

I sistemi attuali possono combinare molte di queste categorie.

Pertanto, per comprendere l'IA dobbiamo analizzare:

• Quale compito svolge.
• Quali dati utilizza.
• Come è stata addestrata.
• Quale risultato produce.
• Quali strumenti puoi utilizzare.
• Quanta autonomia possiede.
• Di quale supervisione hai bisogno.

Domande frequenti sui tipi di Intelligenza Artificiale