Nuove tendenze nella psicologia odierna

Nuove tendenze nella psicologia odierna
A cura di Eleonora Bilotta

Indice Cognitive science Approccio dinamico alle scienze cognitive
Human Computer Interaction Intelligenza Artificiale Agenti autonomi Sistemi multiagenti e Intelligenza Artificiale distribuita Giocattoli che pensano e che comunicano Computer indossabili Robotica Studi sulla coscienza Reti neurali e connessionismo Fuzzy Logic Neuroscienze e Brain Imaging Linguistica computazionale Vita artificiale

Cognitive science La Scienza Cognitiva è un settore di studio che si sta rapidamente espandendo che ha lo scopo di capire i processi mentali che soggiacciono alle abilità. Filosofi, Psicologi, Linguisti, Neuro-scienziati e ricercatori della Computer Science in questo settore studiano i processi di base dell’attività cognitiva cercando di creare modelli computazionali che possano essere utilizzati da altri sistemi intelligenti (agenti, robot, sistemi diffusi nell’ambiente, intrattenimento, educazione).

Cognitive science La Scienza cognitiva si interessa di:
Quali sono le componenti di base dei processi cognitivi? Sono in qualche modo sussunti da un meccanismo mentale comune? Qual’ è la relazione tra l’apparato fisico e la cognizione? Le aree investigate includono: acquisizione dell’informazione e meccanismi di processamento dell’informazione che soggiacciono ad abilità cognitive quali percezione, riconoscimento, stivaggio dell’informazione e suo ritrovamento, acquisizione del linguaggio, comprensione e produzione, acquisizione di concetti, problem solving e ragionamento.

Scienza Cognitiva La Scienza Cognitiva è lo studio dell’intelligenza e dei sistemi intelligenti, con particolare riferimento al comportamento intelligente inteso come computazione. Sebbene nessuna definizione soddisfacente sia stata proposta ancora oggi, tutti gli esseri umani sono capaci di giudicare quando un determinato comportamento possa essere definito intelligente. Il range di comportamenti intelligenti è molto vasto ed articolato, e va dalla risoluzione di problemi, alla risposta adeguata ad una domanda, alla creazione di manufatti interessanti, belli o nuovi. Solitamente il termine intelligenza viene applicato a questo insieme diverso di comportamenti in quanto si presuppone che soggiacciano a tali processi un insieme comune di caratteristiche e di unità funzionali che svolgono le attività.

Scienza Cognitiva I test di intelligenza, organizzati su tali attività differenti ci permettono di comparare persone differenti attraverso una valutazione utilizzata come scala di valori di riferimento. Ci sono batterie di test che permettono la valutazione di compiti veramente diversificati, dalle prove di vocabolario a quelle di logica a quelle della risoluzione di problemi. Per rispondere ad alcune di queste prove i soggetti devono possedere una specifica conoscenza dell’argomento, per altre nessuna conoscenza specifica è richiesta, in quanto si presuppone che i contenuti siano familiari alla maggior parte degli esaminati. Oggi noi attribuiamo intelligenza sia agli umani che ai sistemi non umani, in particolare ai computer. Non tutti accettano questo punto di vista, ma è possibile definire quest’ultimi come intelligenti se esibiscono comportamenti analoghi a quelli umani. L’intelligenza deve essere interpretata giudicando l’abilità dei sistemi di eseguire compiti intellettuali, indipendentemente dalla natura del sistema fisico che esibisce questa abilità.

Scienza Cognitiva La Scienza Cognitiva, definita come lo studio dell’intelligenza e dei suoi processi computazionali, può essere interpretata in numerosi modi. E’ possibile costruire una teoria dei processi intelligenti, completamente divisa dallo specifico sistema fisio o biologico in cui viene ravvisata o implementata. E’ possibile studiare l’intelligenza umana o animale, cercando di estrarre una teoria dei processi intelligenti attraverso lo studio del comportamento degli organismi intelligenti.Oppure è possibile studiare l’intelligenza dei computer, cercando di capire i principi computazionali che soggiacciono all’organizzazione e al comportamento dei programmi intelligenti. La Scienza Cognitiva segue queste tre strade. Un esempio di teoria astratta dell’intelligenza è la logica formale. Per oltre un secolo, la psicologia sperimentale ha studiato l’intelligenza di soggetti umani e animali nei laboratori.

Scienza Cognitiva Mentre dal 1950 con la pubblicazione del saggio Computing Machinery and Intelligence di Turing, è sorto quella parte della scienze dei computer detta intelligenza artificiale che studia l’intelligenza esibita dalla macchine. Quindi è possibile definire la Scienza Cognitiva come lo studio dell’intelligenza e dei suoi processi computazionali negli umani e negli animali, nei computer e come è possibile che si realizzi attraverso teorie formali o astratte. Potrebbe essere interessante, dal punto di vista didattico, analizzare le parti comuni a questi tre differenti tipi di approcci allo studio dell’intelligenza per vedere come queste strade si siano diversificate o unite dando avvio alla nascita alla Scienza Cognitiva.

Scienza Cognitiva Le principali discipline che confluiscono nella Scienza Cognitiva Norman (1981) suggerisce le principali discipline che hanno permesso la nascita della Scienza Cognitiva. Fra queste l’autore individua la psicologia sperimentale e cognitiva, l’intelligenza artificiale (con la computer science), la linguistica, la filosofia (in particolare modo la logica e l’epistemologia) le neuro-scienze e alcune altre fra le quali vi sono l’antropologia, l’economia, la psicologia sociale. Psicologia Fin dagli inizi, la Psicologia si è occupata di intelligenza. I testi di Binet-Simon sono dell’inizio del secolo ventesimo. La scuola del behaviorismo, che ha imperato per quasi tutta la metà del secolo, ha impedito agli psicologi sperimentali di vedere cosa succedeva all’interno dell’organismo, concentrando la maggior parte delle investigazioni nel comportamento manifesto.

Scienza Cognitiva La ricerca sul cervello ha contribuito allo sviluppo della conoscenza della localizzazione delle funzioni al suo interno; mentre invece gli studi che riguardano i processi intellettivi sono molto scarsi. Gli sperimentalisti in questo periodo, si sono focalizzati sull’esecuzione relativamente semplice di compiti cognitivi, ponendo l’accento sui processi sensoriali e motori, sul coordinamento mano occhio, sui compiti di memoria e sull’acquisizione di concetti e di procedure linguistiche. L’intelligenza di animali quali i ratti e i piccioni era più studiata di quella degli umani. Il compito di sviluppare teorie coerenti sull’intelligenza umana e animale (soprattutto di complesse azioni intellettive come la formazione dei concetti e il problem solving) fu lasciato agli psicologi della Gestalt Theorie fra i quali possiamo ricordare Koelher, Koffka, Duncker Wertheimer ed altri.

Scienza Cognitiva/6 I contributi alla Scienza Cognitiva furono portati dalla psicometria con le sue misure dell’intelligenza e delle componenti dell’intelligenza; dalla neurofisiologia che ha indagato sulle strutture biologiche che permettono il pensiero; dalla psicologia sperimentale che ha indagato sulla velocità e i limiti dell’acquisizione dell’informazione durante i processi sensoriali, percettivi, motori e di memoria; dagli psicologi della Gestalt che hanno avanzato interessanti ipotesi sui processi che avvengono durante i compiti di pensiero. Ognuno di questi indirizzi aveva un proprio paradigma e tendeva a mantenere posizioni estremamente separate quando non erano conflittuali. Era necessaria la messa a punto di un nuovo paradigma che mettesse tutti d’accordo. Il cambiamento si ebbe con l’avvento dello Human information processing intorno agli anni Secondo questo approccio, il pensiero è un processo di manipolazione di simboli e la simulazione.

Scienza Cognitiva/6 I concetti chiave della Scienza cognitiva
Howard Gardner (1984) nel suo libro ‘The Mind’s New Science’, sostiene che i concetti chiavi del settore di studio che attualmente va sotto il nome di Scienza Cognitiva sono: Rappresentationi Quali sono le forme di rappresentazione mentali che usa l’uomo per risolvere problemi e per comprendere il mondo? Per cui, lo studio dell’intelligenza nelle moderne Scienze Cognitive è diventato lo studio delle rappresentazioni (visuali, linguistiche, sonore, ecc.) concepite in modo computazionale.

Computer Models La Scienza cognitiva è influenzata dai computer coe metafora centrale per rappresentare la mente umana. Molti scienziati che appartengono a tale settore utilizzano i computer per simulare teorie della mente che possono essere formulate attraverso espressioni algoritmiche. Il computer, in tal modo, fornisce una provadi concetto di una teoria ( se si può dimostrare che la teoria funziona bene sul computer), essa diventa una più fondata teoria della mente come risultato. Gli scienziati di Intelligenza Artificiale ritengono che il computer sia l’ultima e più brillante metafora che si può utilizzare e sfruttare per descrivere il cervello in termini di meccanismi.

Scienza Cognitiva/7 De-Emfasi sulla Cultura, Contesto, Storia and Sentimento La Scienza Cognitiva, nel suo sforzo di rappresentare teorie della mente in modo algoritmico, ha sottovalutato o non considerato il tuolo della cultura e della storia nel pensiero e l’operazione di un agente cognitivo. L’obiettivo principale della Scienza Cognitiva è quello di modellare direttamente gli aspetti del pensiero, trattando gli aspetti culturali e contestuali come variabili che influenzano in modo circoscritto i processi di pensiero. Questa concentrazione sul cuore funzionale della mente è stata praticata da Chomsky e dai suoi seguaci nella Linguistica moderna, che ha sfruttato simili assunzioni facendo convergere la ricerca verso lo studio dei meccanismi del linguaggio umano.

Credo nella Cooperazione Inter-Disciplinare
La Scienza Cognitiva è per definizione uno sforzo interdisciplinare in quanto la mente umana non può essere investigata fruttuosamente da una singola scuola di pensiero o di ricerca, al contrario di quanto fanno i Linguisti che vedono il linguaggio come un processo separato dalle altra facoltà mentali quali la visione, la memoria o la percezione. Un nuovo settore della Linguistica, detta Linguistica Cognitiva si pone in antitesi con questa visione, focalizzandosi sugli aspetti inter-disciplinari del linguaggio e conosciuta come la Scienza Cognitiva del linguaggio.

Approccio dinamico alle scienze cognitive
Presentazione del modello Per più di tre decadi o più il campo delle scienze cognitive stato dominato dall'intelligenza artificiale, approccio basato sul paradigma computazionale che modella e organizza la cognizione come una manipolazione sequenziale di strutture simboliche discrete. Attualmente i ricercatori stanno sviluppando nuovi modelli e descrizioni alternativi. Una di queste possibilità l'approccio dinamico alle scienze cognitive.

Tale indirizzo di studi non è nuovo; l'uso della dinamica fu prominente nella cibernetica nel periodo che va dal 1945 al 1960 e ci sono stati programmi di ricerca su tale base sin da allora. In anni recenti ci sono stati due importanti sviluppi. Il primo include il declino d'autorità del paradigma computazionale che ha generato, come conseguenza un aumento incredibile delle ricerche basate sull'approccio dinamico. Il secondo, si basa sull'idea che la dinamica non fornisca solo un insieme di strumenti matematici, ma anche una profonda e differente prospettiva sulla natura dei sistemi cognitivi. I ricercatori di questo settore condividono non solo un linguaggio matematico ma anche una comune visione del mondo.

Approccio dinamico alle scienze cognitive/2
Visione storica dell'approccio dinamico Il problema che ha sempre dominato la psicologia e le scienze cognitive arrivare ad una chiara definizione delle cause del nostro comportamento, dalle attività più elementari che noi svolgiamo nella nostra vita quotidiana a quelle più complesse che, per esempio, utilizziamo quando lavoriamo o quando pensiamo e scriviamo. Lo scopo ultimo descrivere la cognizione, in altre parole i meccanismi soggiacenti a tali attività, gli stati mentali e i processi che sono messi in atto. Per decenni le scienze cognitive sono state dominate dalla metafora che la cognizione possa essere vista come un'operazione svolta da uno speciale computer mentale, localizzato nel cervello. Gli organi di senso smistano rappresentazioni dell'ambiente a tale computer. Il corpo emette delle azioni.

L'approccio informazionale prevede che gli organi di senso veicolino stimoli verso i centri che li elaborano, in raccordo con gli scopi che l'individuo deve portare a termine. I sistemi di pianificazione inferiscono dalle basi di conoscenza cosa deve essere fatto e inviano ordini agli organi motori, che eseguono un set d'azioni appropriate. Nella sua versione pi brillante, l'approccio computazione fa una serie d'ulteriori assunzioni. Le rappresentazioni sono strutture statiche di simboli discreti. Le operazioni cognitive sono trasformazioni da strutture di simboli statiche alle successive.

Queste trasformazioni sono discrete, effettivamente istantanee e sequenziali. Il computer mentale visto come un insieme di moduli ognuno responsabile per differenti compiti di processazione di simboli. Un modulo accoglie le rappresentazioni simboliche come input e computa rappresentazioni simboliche in output. Alla periferia del sistema ci sono trasduttori d'input e d'output, in altre parole strutture che trasformano la stimolazione sensoriale in rappresentazioni d'input e rappresentazioni d'output in movimenti fisici. L'intero sistema, e ognuno dei suoi moduli, opera ciclicamente: input, manipolazione di simboli interni, output.

L'approccio computazione fornisce una struttura molto potente per sviluppare teorie e modelli dei processi cognitivi. Il classico lavoro di Newell, Simon e Minsky fu uno dei primi. Su questa scia, centinaia di modelli furono prodotti. Ognuno di tale produzione puq divergere per alcuni particolari dal modello base, ma quasi tutti concordano con le sue assunzioni pi profonde. Secondo Kuhn l'approccio computazionale può essere definito dome un paradigma di ricerca in quanto definisce un ventaglio d'interrogativi e le risposte a tali interrogativi; fornisce inoltre un insieme d'esemplari, ovvero classici pezzi di ricerca che definiscono come la cognizione deve essere pensata e cosa conta per creare un modello di successo. Migliaia di libri sono stati dedicati alla sua articolazione e difesa. Sfortunatamente tale approccio ha un piccolo problema: i sistemi di cognizione naturali della gente o di altre specie animali non sono computers.

Uno dei problemi principali che definisce il fallimento dell'approccio computazionale il tempo. I processi cognitivi e i loro contesti si attuano continuamente e simultaneamente in tempo reale. I modelli computazionali specificano sequenze discrete di stati interni statici in stati arbitrari di tempo (T1, T2). Prendiamo per esempio il processo di decisione. Voi avete un ventaglio di scelte, e considerate prima una e poi le altre. In tale scelta, c’è esitazione, ansietà. Arrivate ad una scelta, ma l'attrazione per un'altra alternativa rimane. Com’è considerato tale processo nell'approccio computazionale? Il sistema comincia ad organizzare rappresentazioni simboliche del ventaglio di scelte e dei loro possibili risultati, associando a tali rappresentazioni valori. Con una sequenza di manipolazioni di simboli, il sistema calcola il valore complessivo per ogni scelta e determina il risultato con il pi alto valore. Il sistema adotta quest'ultima scelta. Fine del processo decisionale. Esistono molte variazioni su questo tema. Differenti modelli propongono regole differenti per calcolare la scelta che il sistema adotta. Ma nessuno di tali modelli tiene conto perfettamente di tutti i dati che riguardano le scelte che fanno gli umani. Per esempio, niente si dice sul corso temporale dello sviluppo della scelta: quanto tempo ci vuole per arrivare ad una decisione; come tale decisione dipende da tale tempo di delibera, come una scelta può apparire alcune volte attraente altre volte meno. I modelli computazionali sono incapaci di fare tali predizioni, perché essi non considerano il tempo o meglio lo considerano semplicemente come un'astratta sequenza di stati simbolici.

Qual i l'alternativa all'approccio computazionale? In anni recenti, molta gente si i rivolta al paradigma alternativo, il connessionismo, in altre parole la modellazione di processi cognitivi usando reti d'unit neurali come alternativa. Ma tali proposte spesso disistimano la profondità e la pervasività delle assunzioni computazionali. La maggior parte dei lavori connessionisti i solo una variazione del computazionalismo, sostituendo patterns d'attivazione ai simboli. L'alternativa dovrebbe essere un approccio allo studio della cognizione che comincia dall'assunto che i processi cognitivi accadono nel tempo. Tempo reale. Esiste gi una struttura matematica per descrivere come i processi in un sistema naturale si sviluppano nel tempo reale. E' il modello dinamico. Tale sistema i quello pi utilizzato, il pi potente e di successo il pi sviluppato e compreso nella struttura descrittiva di tutte le scienze naturali. E' usato per spiegare e predire i fenomeni pi diversi quali i moti subatomici, il sistema solare, i flussi dei fluidi e gli ecosistemi. Perché non utilizzarlo per descrivere i processi cognitivi? Per cui si può affermare che un approccio alternativo i l'approccio dinamico allo studio dei processi cognitivi. Il cuore i l'applicazione degli strumenti matematici della dinamica allo studio della cognizione. La dinamica fornisce una vasta disponibilità di concetti e di strumenti di modellizzazione.

Da quest'assunto si ricava che il sistema cognitivo non i un computer, i un sistema dinamico. Il sistema cognitivo non i una manipolazione sequenziale e discreta di strutture rappresentazionali statiche; piuttosto, i una struttura di cambiamento influenzantesi, muti e simultanei. I suoi processi non accadono nel tempo arbitrario e discreto dei passi del computer. Piuttosto essi si dispiegano nel tempo reale del cambiamento che avviene nell'ambiente, nel corpo e nel sistema nervoso. Il sistema cognitivo non interagisce con altri aspetti del mondo passando messaggi o comandi. Esso evolve continuamente con loro. L'approccio dinamico non un'idea nuova. Le teorie dinamiche sono state compresenti all'interno delle scienze cognitive. Non i una visione di come le cose dovrebbero essere fatte, ma una modalità gi esistente, per esempio nella modellazione neurale, nelle neuroscienze cognitive, nella robotica situazionale, nel controllo motorio e nella psicologia ecologica.I modelli dinamici si stanno sviluppando nella psicologia cognitiva, la psicologia dello sviluppo e persino in alcune aree della linguistica. In breve, l'approccio dinamico i un modo di riorganizzare concettualmente le scienze cognitive e come sono attualmente praticate. L'approccio dinamico sarà presentato nelle sue linee essenziali. Gli studiosi dell'approccio dinamico sono gruppi altamente diversi e nessuna caratteristica li potrebbe descrivere in modo coerente anche se le posizioni che rappresentano sono uno standard dell'approccio dinamico. Tale modo può servire come un punto di riferimento per la comprensione della ricerca dinamica. L'intento principale di tale approccio i quello di comprendere i sistemi cognitivi naturali, cioè i sistemi biologici evoluti come gli umani e gli altri animali.

Che cos’è l'approccio dinamico? Il cuore dell'approccio dinamico può essere succintamente espresso nella forma di un'ipotesi empirica molta vasta sulla natura della cognizione. Per decenni, la filosofia delle scienze cognitive i stata dominata dall'ipotesi computazione e cioè che i sistemi cognitivi sono un genere speciale di computer. L'approccio dinamico ritiene che i sistemi cognitivi naturali possano essere compresi dalla prospettiva dinamica. Per questo essi, all'interno di questo nuovo paradigma di ricerca, sono visti come sistemi cognitivi dinamici. La nozione di sistemi dinamici presente in un largo ventaglio di contesti matematici e scientifici. Tali sistemi dinamici sono caratterizzati da stati numerici che evolvono nel tempo secondo alcune regole. Per cominciare si può affermare che un sistema i un insieme di aspetti cambianti del mondo. Lo stato del sistema ad un tempo dato come tali aspetti si presentano a quel tempo. IL comportamento del sistema i il cambiamento nel tempo e nello stato corrispettivo. La totalità di tutti gli stati del sistema costituiscono un insieme di stati o spazio dello stato. In tal modo il comportamento del sistema può essere pensato come una sequenza di punti nel suo spazio dello stato. Non tutti gli aspetti del mondo costituiscono un sistema. Un sistema distinto dal fatto che i suoi aspetti in qualche modo si appartengono. Questo vuol dire due cose. Primo, gli aspetti devono interagire con ogni altro; il modo in cui ognuno di essi cambia deve dipendere dal modo in cui sono gli altri.

Secondo, se c’è qualche altro aspetto del mondo che interagisce in questo senso con ogni cosa nell'insieme, allora esso pure i realisticamente parte dello stesso sistema. In breve, perché un insieme di aspetti venga qualificato come un sistema, essi devono essere interattivi e auto-contenuti: il cambiamento in ogni aspetto deve dipendere da e solo da altri aspetti nell'insieme. I sistemi dinamici sono generi speciali di sistemi. Per vedere alcune loro qualità, noi abbiamo bisogno di un'altra nozione quella di sistemi a stato-determinato (Ashby, 1952) Un sistema a stato determinato soltanto quando il suo stato corrente sempre determina un unico comportamento futuro.

Human Computer Interaction
Lo Human Computer Interaction (HCI) riguarda la progettazione di sistemi computerizzati che aiutano gruppi di persone a svolgere le loro attività in modo produttivo e sicuro, all'interno di ambienti lavorativi ma anche ricreativi ed educativi. Il computer, come mezzo cognitivo, sta diventando uno strumento che attualmente, grazie agli avanzamenti tecnologici, è utilizzato non solo da esperti (come succedeva una trentina di anni fa) ma da una vasta gamma di utenti per i fini più svariati. I primi computer, comparsi sulla scena commerciale intorno al 1950, erano estremamente difficili da usare, erano molto grandi e costosi, utilizzati esclusivamente da scienziati ed ingegneri, i quali erano gli unici a possedere i "linguaggi specializzati" per farli funzionare. Da allora molte cose sono cambiate. In primo luogo i computer sono diventati meno costosi e soprattutto più piccoli e più usabili e c'è stato un processo di adeguamento fra l'uomo e questi strumenti perchè si arrivasse a renderli più facili e più maneggevoli. Ma per quanto lo sforzo si sia concentrato sulla semplificazione dei linguaggi di interazione (gli strumenti per poter far funzionare correttamente i computer: le interfacce), siamo ancora molto lontani da realizzazioni che siano immediatamente fruibili e facili da apprendere. Infatti, nonostante in questa ultima decade, anche i bambini (vedi Kid Sim, una speciale interfaccia per bambini sviluppata presso il Media Lab del Massachusetts Institute of Technology) e le persone portatori di handicap (vedi tutta la tecnologia cosiddetta "assistiva") li possono utilizzare proficuamente e con personale soddisfazione, il gap fra la psicologia umana e processi di pensiero biologici da una parte e macchina dall'altra è ancora notevole.

Interazione con agenti sintetici al MIT

Agenti sintetici

Human Computer Interaction/2
Pertanto proprio le ricerche di psicologia, più di quelle tecnologiche, sono oggi determinanti per compiere passi avanti. Lo sviluppo dei primi personal computer nei primi anni '70, dovuto agli avanzamenti della ricerca tecnologica che ha messo a punto il "chip" di silicone, l'abilità ingegneristica non solo di miniaturizzare i circuiti ma anche di mettere insieme un gran numero di chip, ha dato luogo alla realizzazione di computer sempre più potenti, con una grande capacità di stivare e processare materiale informativo in formato digitale. La diffusione di questi sistemi computazionali è ormai quasi capillare. I computer sono usati in tutti i settori produttivi (commercio, industrie, difesa, trasporti) e si stanno ormai affermando prepotentemente anche nel settore dell'intrattenimento e dell'educazione. Si può dire che vasti strati della popolazione odierna, a qualsiasi livello di età, dai bambini agli anziani, sono in qualche modo influenzati dai computer. Questo fenomeno, di proporzioni ormai enormi, sta inducendo i progettisti a pensare a dei sistemi computerizzati che si adattino a bisogni fra i più diversificati. Infatti, perché i computer siano un prodotto di consumo e accettati dagli utenti, è necessario che siano prima di tutto ben progettati. Questo non vuol dire pensare ad una progettazione individualizzata, ma certamente specifica per i bisogni e le capacità di determinate classi di utenze.

In ogni caso, la parte progettuale (come i computer sono costruiti nel loro interno, la loro architettura di circuiti, ecc. ) non necessariamente interessa l'utente ed ha poca influenza su un utilizzo "esperto" del sistema. Una buona progettazione influisce nell'interazione fra sistemi computerizzati ed utenti (ma anche nell'interazione uomo oggetti della vita quotidiana) attraverso il modello mentale di funzionamento del sistema stesso che deve essere compreso dall'utente. A questo proposito Norman (1988, 1992) individua due concetti chiave per una buona progettazione. L'autore parla di "visibilità" ed "affordance". Con il primo concetto egli intende la possibilità per l'utente di controllare visivamente tutta la mappa dell'interazione, individuando nel sistema le parti interagibili (bottoni, leve, altro) che producono un feed-back e che permettono di capire a cosa servono e soprattutto la loro funzione nel processo di interazione. Il secondo concetto "affordance" è un "termine tecnico che si riferisce alle proprietà degli oggetti, ovvero quali operazioni possono essere fatte su un particolare oggetto". Le porte per esempio suggeriscono l'apertura, le sedie il supporto. Le affordance giocano un ruolo dominante nella progettazione di oggetti. Ma cosa è realmente importante è la funzione che viene percepita attraverso l'espressione delle qualità caratteristiche, inerenti all'oggetto stesso. Molte volte l'estetica, nella progettazione di un oggetto, è in contrasto netto con la funzionalità e con il far percepire all'utente tale funzionalità.

Immagini che si riferiscono alle Facce Parlanti (Talking Heads)

Ambienti di interazione virtuale

Un altro importante concetto che riguarda lo Human Computer Interaction è quello di "interfaccia utente", anche nota come "interfaccia uomo-macchina". Moran (1981) definisce questo termine come tutti "quegli aspetti del sistema con cui un utente viene in contatto" che si traducono, per l'utente in un linguaggio per inviare informazioni (input language) al sistema, e per la macchina, in un linguaggio di risposta (output language) verso l'utente. Tali linguaggi innescano un ciclo comunicativo dialogico e determinano lo sviluppo del processo di scambio, che si effettua normalmente nell'interazione uomo-computer. Le interfacce si sono evolute nel tempo. Negli anni '70, quando ci fu la grande esplosione tecnologica, le case produttrici si accorsero che, migliorando la parte fisica dell'interfaccia utente, rendendola più accattivante e comprensibile (quindi più funzionale), i computer potevano essere più graditi sul mercato. Sotto la spinta commerciale, nacquero le cosiddette interfacce amichevoli, le cui qualità principali furono quelle di rivelarsi, almeno nei primi tempi del loro avvento, piacevoli esteticamente e restando, dal punto di vista dei bisogni di chiarezza e funzionalità dell'utente, perfettamente incomprensibili. Al contrario, nello stesso periodo, la ricerca sul settore era impegnata a verificare come l'uso dei sistemi computerizzati potesse migliorare e arricchire la vita personale e lavorativa degli utenti. In particolare, l'attenzione dei ricercatori era concentrata sulle capacità e i limiti degli utenti umani, per capire il lato umano dell'interazione con i computer e cioè le abilità di tipo psicologico coinvolte nell'interazione.

Successivamente ci si rese conto che, anche i problemi riguardanti il training, le pratiche di lavoro come la gestione e l'organizzazione, la salute e fattori neuro fisiologici, uniti a fattori ambientali, possono influire sull'interazione fra uomo e sistemi computerizzati. Questo settore di studi fu chiamato Human Computer Interaction. Tale "disciplina riguarda la progettazione, la valutazione e l'implementazione di sistemi interattivi di computazione per uso umano e lo studio dei principali fenomeni che li circondano" (ACM SIGCHI, 1992). Da quando fu costruito il chip di silicone (che ha permesso a così tanta gente di venire in contatto con i computer), la velocità di innovazione tecnologica non è diminuita. Lo sviluppo di macchine sempre più potenti dal punto di vista della processazione delle informazioni è un trend che continua, in combinazione con miglioramenti tecnologici sia nella struttura hardware che software. Strumenti speciali permettono agli utenti di esplorare oggetti e di spostarli in ambienti virtuali; le applicazioni multimediali in cui suono, immagini statiche e in movimento, video e testo sono strutturati insieme sono diventati patrimonio comune; sviluppi nelle telecomunicazioni come i Servizi Digitali Integrati di Rete (ISDN ovvero Integrated Services Digital Network) permettono che flussi sempre crescenti di informazioni di tutti i tipi (immagini, video, testi e suono) siano organizzati, veicolati e fruiti attraverso le reti, con grande efficienza e qualità. Tali informazioni, stivate nei database (grandi librerie di documenti in formato digitale, ovvero processabili dai computer) possono essere raggiunte da ogni cittadino, stando comodamente seduto a casa propria.

Intelligenza Artificiale
Che cosa significa Intelligenza Artificiale? Abbiamo visto che l’intelligenza è già di per sé un concetto abbastanza difficile. La parola “intelligenza” deriva dal latino “legere” che significa raccogliere, collezionare, costruire. “Intellegere” di solito si pensa abbia significato di “scegliere tra”, “comprendere”, “percepire” e “conoscere”. Feigenbaum e McCorduk (1983) commentavano: “Se potremo immaginare un artefatto che possa raccogliere, costruire, scegliere, capire, percepire e conoscere, allora tale artefatto avrà un’intelligenza artificiale”. La definizione di I.A. che ognuno dà, dipende fortemente dalle proprie aree di interesse. Così Margaret Boden (1977) dichiara: “Una cosa però è certa: l’Intelligenza Artificiale non è lo studio dei computer. I calcolatori sono macchine metalliche di interesse specifico per gli ingegneri elettronici, ma come tali, per non molte altre persone”. Per I.A. Boden intende “ l’uso dei calcolatori e di tecniche di programmazione al fine di far luce sui principi dell’intelligenza in generale e del pensiero umano in particolare”.

Intelligenza Artificiale/2
L’idea è che l’espressione possa essere usata “come un termine che copra tutta la ricerca fatta con delle macchine, che sia in qualche modo in relazione con la psicologia e la conoscenza umana...”. In un approccio del genere l’enfasi è posta sul software: sembra persino che si debba immaginare che, quando uno ha scritto una sequenza accettabile di istruzioni in codice, abbia creato un certo tipo di “macchina” con intelligenza artificiale. Ma non tutti i ricercatori considerano i computer come relativamente privi di importanza: l’immagine delle “lattine” di hardware non è universale. Un programma può, ad esempio simulare il comportamento di un robot, ma la sua importanza pratica dipende unicamente dal fatto che sia disponibile un sistema fisico su cui esso possa venire eseguito. Marvin Minsky, in una famosa citazione ha suggerito il carattere pratico dell’Intelligenza Artificiale: “L’Intelligenza Artificiale è la scienza che si occupa di far fare alle macchine cose che, se fatte da un uomo, richiederebbero intelligenza”.

Ma la definizione non dice nulla sulla natura dell’intelligenza. Come si è visto, in genere si ritiene che la capacità umana di compiere calcoli complessi richiede intelligenza, ma assai di rado i ricercatori nel campo dell’Intelligenza Artificiale includono tale tipo di capacità in tale ambito. Ho già indicato qualcosa sulle caratteristiche dell’Intelligenza Artificiale, dando un elenco di attività tipiche dei ricercatori in questo campo, come la risoluzione dei problemi, la percezione ed i giochi. Un altro approccio consiste nell’elencare gli scopi dell’Intelligenza Artificiale in termini più generali. In questo modo si può dare una definizione efficace di Intelligenza Artificiale Aron Sloman (1978), per esempio vede tre fini principali della ricerca sull’intelligenza artificiale: - analisi teoretica delle possibili spiegazioni efficaci del comportamento intelligente; - spiegazione delle capacità umane; - costruzioni di artefatti intelligenti.

Robots antichi e moderni

Queste finalità così estese implicano il nascere di molte ulteriori questioni. Si riconosce che il comportamento intelligente ha a che fare con la capacità “di costruire, descrivere, interpretare, confrontare, modificare ed usare strutture complesse, comprese certe strutture simboliche come le frasi, i dipinti, le carte ed i piani d’azione”. Per di più la ricerca nell’Intelligenza Artificiale che è specifica del dominio è destinata a sovrapporsi alla ricerca in altre discipline, molte delle quali hanno riferimenti umanistici (psicologia, educazione, antropologia e fisiologia). E’ impossibile, ad esempio far comprendere ad un calcolatore un linguaggio naturale (come l’inglese o il giapponese) senza la sintassi e la semantica (cioè senza interessarsi di linguistica). La difficoltà nel definire l’Intelligenza Artificiale deriva da due fattori principali. Il primo è che la stessa intelligenza è mal definita e poco compresa; il secondo è che molti individui hanno una riluttanza profondamente radicata ad ammettere che degli artefatti possano sviluppare attributi mentali.

Il secondo motivo inevitabilmente confonde il ”gioco” di definizione: qualsiasi cosa i computer realizzano gli scettici guardano sempre a quelle cose ancora non ottenute che costituiscono la “vera” intelligenza. Però è chiaro che più i computer si avvicinano alle capacità umane più sarà difficile dimostrare che essi non hanno un comportamento veramente intelligente. Molti dei primi obiettivi degli entusiasti dell’Intelligenza Artificiale sono ancora irrealizzati. Per esempio, non vi è ancora un traduttore universale di linguaggio ed il campione mondiale di scacchi è ancora un essere umano. Nello stesso tempo, importanti progressi dell’Intelligenza Artificiale sono stati fatti in un certo numero di campi diversi; tra questi : - traduzione automatica dei linguaggi; - giochi (scacchi, backgammon, bridge, poker, ecc...); - dimostrazione di teoremi (nella logica simbolica e nella geometria elementare);

- lettura di caratteri manoscritti o stampanti; - riconoscimento di elementi in un’immagine fotografica; - riconoscimento di facce umane (anche quando assumono differenti espressioni); - riconoscimento di parole parlate e del parlare continuo; - comprensione dei linguaggi naturali (risposte a domande e riassunto di parti di testo); - scrittura di poesie e brevi storie; - composizione di melodie musicali ed armonizzazioni; - pensiero per analogie (ad esempio usando forme geometriche); - diagnosi di difetti e guasti in circuiti elettrici.

In una indagine sulle possibilità dei computer (Winston, 1979) viene puntualizzato che essi, in vario modo possono: - effettuare prove di intelligenza geometrica; - apprendere nozioni matematiche, geometriche e di altre discipline; - comprendere un inglese semplice; - comprendere semplici disegni; - risolvere problemi matematici, chimici, medici ed altri campi; - comprendere circuiti elettronici; - compiere utili lavori nell’industria; - modellare i processi psicologici umani; -costruire agenti intelligenti; -costruire caratteri sintetici.

Sintetizzando, Winston, scrivendo parecchi anni dopo, commenta il fatto che i computer possono già svolgere molte cose che richiedono intelligenza: “Possono risolvere molti problemi come degli esperti, fare dei ragionamenti geometrici, risolvere problemi matematici, apprendere semplici concetti, comprendere semplici disegni, ingaggiare semplici dialoghi e compiere attività utili”. Oggi con il crescente interesse nei sistemi esperti e l’impatto del programma giapponese della quinta generazione c’è sempre un più ampio riconoscimento delle possibili collocazioni di artefatti intelligenti.

Agenti autonomi Un agente autonomo può essere visto come un sistema capace di interagire indipendentemente ed efficacemente con il suo ambiente attraverso i suoi sensori ed i suoi effettori per compiere alcuni compiti (Davidsson, 1996). Mentre l’Intelligenza Artificiale e il settore computazionale della Scienza Cognitiva si sono concentrate sulla i modellizzazione dell’esecuzione di alcuni compiti che sono facilmente descrivibili in termini di un ben specificato insieme di simboli e un articolato insieme di regole per operare su quei simboli (Simon, 1990), ma tralasciando completamente il problema di come quei simboli sono correlati all’ambiente (Harnad, 1990), il settore di ricerca sugli Agenti Autonomi sta cercando di sviluppare modelli alternativi di progettazione e d’implementazione di sistemi intelligenti. Il punto di partenza è sempre lo studio dell’intelligenza. Ci sono due tipi di approcci per analizzare il problema. a)Si può studiare l’intelligenza o la cognizione dal punto di vista computazionale, attraverso la modellazione cognitiva (cognitive modeling), che cerca di sviluppare teorie dei processi cognitivi negli umani e negli animali. b) Si può studiare l’intelligenza dal punto di vista ingegneristico, che tenta di esplorare tutti i possibili meccanismi cognitivi, senza rispetto della loro occorrenza negli organismi viventi.

Agenti autonomi/2 Contribuiscono al primo approccio:
a)la Psicologia Cognitiva che studia come gli umani trattano i concetti nei processi di memoria, di percezione, ragionamento, ecc.; b)la Filosofia ( in maniera particolare la branca specializzata della Filosofia della Mente) disciplina nella quale le questioni ontologiche ed epistemologiche riguardano la natura dei concetti studiati; c)la Psicologia dello sviluppo, che tratta le questioni che riguardano come formiamo e impariamo i concetti durante lo sviluppo ontogenetico; d)la Linguistica, settore in cui sono studiate le relazioni fra concetti e linguaggio; e)la Neurologia, che investiga la processazione di basso livello dei concetti nel cervello; f)le Neuroscienze, che si interessano di correlare particolari aree cerebrali con la produzione di concetti. Per quanto riguarda l’approccio ingegneristico esso è stato adottato nel campo dell’Intelligenza Artificiale. Per la costruzione di agenti autonomi attualmente viene utilizzato un approccio misto che presuppone che il compito di creare tali sistemi intelligenti non è equivalente alla modellizzazione cognitiva, in quanto un modello cognitivo non necessariamente deve essere un modello reale della cognizione umana per essere utile in in Intelligenza Artificiale. Per cui i ricercatori di questo settore non si interessano della plausibilità dei modelli presentati.

Agenti Autonomi/3 Un agente autonomo può essere visto come un sistema capace di interagire indipendentemente ed efficacemente con il suo ambiente attraverso i suoi sensori ed effettori per compiere qualche compito o dato in partenza o autogenerato dall’agente stesso. Il compito dell’Intelligenza Artificiale è quello di creare agenti autonomi artificiali capaci di raggiungere il livello di performance umana. Uno sguardo alla ricerca corrente in Intelligenza Artificiale rivela che si è distanti dal raggiungere tale obiettivo.Tutti gli agenti autonomi in Intelligenza Artificiale hanno, più o meno, una architettura formata da sensori, magazzini dei dati sensoriali, un gruppo di processo, un sistema dove sono stivate le azioni, gli effettori. I sensori (visivi, direzionali e di tatto) ricevono input dall’ambiente e forniscono dati per la componente cognitiva. In seguito, la componente cognitiva decide quale azione eseguire e comanda gli effettori (differenti tipi di motori) per espletare queste azioni.

Agenti Autonomi/4 Differenti tipi di agenti
Esistono differenti tipi di agenti in Intelligenza Artificiale. E’ possibile dividere le classi più generali di agenti autonomi in categorie sulla base di come, e in quale grado, essi realmente interagiscono con il mondo reale. Due caratteristiche importanti sono se tali agenti sono situati oppure no, se sono incorporati oppure no. Secondo Brooks (42)gli agenti situati (situated agentes) sono situati nel mondo nel senso che essi non trattano solo con una descrizione astratta di esso. Le caratteristiche ambientali influenzano direttamente il comportamento dell’agente.. Gli agenti incorporati (embodied agents) hanno corpi ed esperiscono il mondo direttamente; le loro azioni sono parte di una dinamica con il mondo, e le azioni hanno immediato feed-back sulle sensazioni proprie del robot (Brooks). Gli agenti che non sono né situati né incorporati sono quelli che hanno meno interazioni con il mondo reale; essi sono in fondo simulazioni di computer di agenti reali . Una classe di agenti incorporati che non sono situati, sono i robot industriali. Essi hanno corpi fisici ma non usano l’informazione sul corrente stato dell’ambiente per guidare il loro comportamento; eseguono una serie di azioni pre-programmate. Per esempio, un sistema per fare la prenotazione di biglietti è situato, come gli eventi nell’ambiente (richieste, cambi nel DB) e direttamente influenzano il suo comportamento.

Agenti sintetici al Mit

Agenti autonomi/5 Poiché il sistema non è fisico e l’interazione con l’ambiente consiste soltanto nel mandare e ricevere messaggi, tale sistema non può essere considerato incorporato. Altri tipi di sistemi che appartengono a tale categoria sono i software agents, o softbots, agenti che operano in ambienti software (operating system o databases). Embodied Situated mobile robots Non situated traditional industrial robot Not embodied Software agents Computer simulation Nei sistemi di Intelligenza Artificiale tradizionali, un operatore umano è presente e descrive l’ambiente (il problema) mandando informazioni al computer. I risultati della computazione del computer sono interpretati dall’operatore, il quale, in seguito, esegue l’azione richiesta. Un agente autonomo, d’altra parte, deve osservare l’ambiente da sé e trasformare queste osservazioni in descrizioni per il computer che verranno computate ulteriormente. Inoltre, esso deve interpretare i risultati delle sue computazioni e in seguito eseguire le azioni appropriate.

Robots attuali

Sistemi Multiagenti (MAS) e Intelligenza Artificiale distribuita (DAI)
(Multi Agent System, MAS) Multi Agent System è un sottocampo emergente dell’Intelligenza Artificiale che ha come scopo quello di fornire principi per la costruzione di sistemi complessi che coinvolgono molti agenti e meccanismi di coordinazione del comportamento di tali agenti. Anche se non esiste una definizione generalmente accettata di Agente in Intelligenza Artificiale, alcuni autori (per esempio, Stone e Veloso, 1997) considerano un agente come una entità dotata di obiettivi, azioni, un dominio di conoscenza, situato in un ambiente. Il modo in cui agisce è detto comportamento. Il settore si sta sviluppando nel campo della Intelligenza Artificiale distribuita (Distribuited Artificial Intelligence, DAI), un sottosettore dell’Intelligenza Artificiale che applica le tecniche sviluppate in quest’ultimo settore ai problemi della computazione distribuita. I principali argomenti considerati in tale sottosettore sono la gestione dell’informazione come la decomposizione del compito e la sintesi di soluzione.

Sistemi multiagenti/2 Parallelamente al DAI, negli anni passati è emerso un altro settore che si è focalizzato sulla gestione del comportamento, piuttosto che sulla gestione dell’informazione: il settore che riguarda i Multi Agent Systems (MAS). In tale campo di ricerca i sotto problemi di un problema più generale sono risolti da differenti agenti problem solvers, ciascuno con propri interessi e propri obiettivi. In questi ultimi tempi si sta assistendo alla nascita di sistemi con agenti multipli di ogni tipo, persino con alcuni veicoli autonomi e agenti umani che interagiscono. Il settore è organizzato in una serie di scenari multi agente, a complessità crescente. Infatti, poiché i sistemi multi agenti sono anche molto eterogenei, oltre che complessi, per creare una tassonomia di tali sistemi, sono state individuate due dimensioni di analisi: eterogeneità degli agenti e quantità di comunicazione fra gli agenti.

Robots che suonano il piano

Robotica

Entertainment robots

Reti neurali e connessionismo
Le reti neurali (Neural Networks), o per meglio dire le reti neurali artificiali (Artificial Neural Networks) per distinguerle dalle reti neurali di tipo biologico, le cui architetture sono sicuramente più complesse, sono una struttura composta da processori semplici, le unità, ognuna delle quali ha un piccolo deposito di memoria locale. Le unità sono connesse da canali di comunicazione unidirezionali (le connessioni), che trasportano dati numerici o digitali. Le unità operano soltanto sui loro dati locali o sugli input che ricevono attraverso le loro connessioni. Una rete neurale è uno strumento di processazione di informazioni, e può concretizzarsi sia in un software (un algoritmo) sia in uno strumento hardware, la cui progettazione emula in qualche modo la progettazione e il funzionamento del cervello umano e dei suoi componenti. Numerose reti neurali hanno regole interne che permottono loro di apprendere dall'esperienza; attraverso tali regole è possibile cambiare i pesi delle connessioni, sulla base dei modelli di presentazione appresi durante il training formativo iniziale. Per cui si può dire che le reti neurali sono algoritmi, ispirati più o meno dal tipo di strutture computazionali trovate nel cervello, che permettono ai computer di imparare dall'esperienza. Tali reti contengono elementi di processo, conosciute come "unità", che sono analoghe ai neuroni. Questi elementi sono classificati come unità di input, unità nascoste e unità di output. Se una di queste unità viene connessa ad un'altra, l'attività di una unità influenza l'attività dell'altra. L'inclinazione all'attività che in una unità induce o inibisce l'attività nell'altra è il "peso" della connessione tra queste unità. Le reti imparano modificando le forze o i pesi di queste connessioni. Le unità di input, come i recettori dei sensori del sistema nervoso biologico, ricevono informazioni dal mondo esterno alla rete. Nel sistema nervoso, un recettore sensoriale deve tradurre un segnale come per esempio l'intensità luminosa nella forza di un segnale.

Reti neurali e connessionismo/2
In una rete connessa pienamente, tutte le unità di input si connettono a tutte le unità nascoste, e tutte le unità nascoste si collegano a tutte le unità di output. Esistono molte variazioni su questo tema. Questa classe di reti è detta di "preazione" (feed-forward) perchè l'attività in una unità influenza soltanto l'attività delle unità nello strato posteriore, non quelle del primo strato. Esistono anche reti ricorrenti o di ritorno (feed- back or recurrent networks). Per ogni connessione fra due unità, un "peso" caratterizza la "forza" della connessione. L'apprendimento della rete richiede la modificazione selettiva di questi pesi, e differenti strategie sono state investigate per compiere questo processo. Le reti imparano, modificando successivamente la forza delle connessioni fra le unità, nella direzione di ridurre l'errore in fase di output Backpropagation dell' errore Lo stato dinamico di una rete neurale è determinato dalla funzione di trasferimento dei segnali da uno strato all'altro o tra strati di unità. In una rete che non apprende, tutti i pesi delle unità sono fissati e non cambiano. I pesi iniziali possono essere stabiliti da un algoritmo, oppure possono essere dati a caso. I pesi di interconnessione fra le unità sono cambiati in funzione dell'algoritmo di apprendimento. L'obiettivo principale è quello di aggiustare i pesi cosicchè l'errore nello strato di output venga ridotto. La "backpropagation of errors" è attualmente l'algoritmo di apprendimento più usato per reti multistrato. Esistono tuttavia centinaia di algoritmi di apprendimento.

Tale algoritmo prima aggiusta i pesi connessi allo strato di output. Dopo, lavorando a ritroso sullo strato di input, aggiusta i pesi in ogni strato successivo per ridurre l'errore ad ogni livello. Per rendere questo processo concreto e contestualizzarlo nell'argomento che si sta trattando, il riconoscimento automatizzato di facce all'interno della Computer Vision, riportiamo brevemente come può essere utilizzata una rete neurale in questo settore. Un insieme di immagini di facce servono come input. Valori normalizzati di livelli di grigio per ogni punto dell'immagine (formata da 30x30 pixel) forniscono i valori per ognuna delle 900 unità di input. Queste attività sono passate, attraverso pesi inizialmente casuali, a 40 unità nascoste, che, a loro volta, sono connesse, inizialmente da pesi dati a caso, ad una singola unità di output. Questa unità fornisce alla fine del processo il valore di zero, se la faccia input è di sesso femminile; e il valore uno se la faccia input è di sesso maschile. L'output attuale non avrà alcuna somiglianza all'output desiderato, in quanto i pesi sono stati dati inizialmente a caso. L'errore di output sarà calcolato. La rete deve imparare a riconoscere le facce, per cui deve fare un training appropriato.

Dopo che tutte le facce che sono servite per il training, sono state presentate (riservando solo alcune facce per verificare e testare la rete più tardi), sarà calcolata la somma di tutti gli errori per tutte le facce e i pesi saranno modificati leggermente, per far sì che la rete svolga meglio il suo compito con il prossimo gruppo di immagini. Questo processo sarà ripetuto fino a quando la rete non svolge bene il compito del riconoscimento. A questo punto, verranno presentate le immagini test (sulle quali la rete non aveva svolto alcun training) per valutare la performace della rete nell'esecuzione del compito. Le 40 unità nascoste sono una rappresentazione sottodimensionata della faccia. Molti dei misteri che riguardano le proprietà matematiche delle reti neurali di preazione e della backpropagation sono state sottoposte ad analisi negli ultimi anni. Attualmente si sa che tali reti sono degli approssimatori, nel senso che le reti di preazione possono approssimare funzioni con comportamenti chiari ad una accuratezza arbitraria. Reti con unità nascoste lineari eseguono l'analisi dei componenti principali (eigenfaces); reti con unità nascoste non lineari forniscono una generalizzazione non lineare di queste tecniche.

Attualmente le reti neurali sono utilizzate in un numero di settori disciplinari veramente vasto, coinvolgendo diversi ricercatori, tra cui: scienziati che si occupano di computer e simulano attraverso le reti neurali tutti quei fenomeni che trattano la processazione di informazione non-simbolica e i sistemi di apprendimento in generale; ingegneri, di diversa estrazione disciplinare, sfruttano le capacità delle reti neurali in molte aree di ricerca (signal processing and pattern recognition) per risolvere i loro problemi applicativi; ricercatori di scienze cognitive, i quali vedono nelle reti neurali uno strumento che fornisce la possibilità di descrivere ed esplorare le funzioni del cervello di medio livello, quali la memoria, il sistema sensorio, il sistema motorio umano e artificiale; fisiologi, i quali usano le reti neurali per modellare i fenomeni nella meccanica statistica e per molti altri compiti; biologi, che usano le reti neurali per interpretare le sequenze di nucleotidi del DNA; filosofi e linguisti, per lo studio delle reti semantiche e per varie altre ragioni. Le architetture di rete cosidette di preazione sono usate in molte applicazioni di reti neurali e sono molto versatili. Per molte applicazioni come per esempio il riconoscimento del parlato, in cui l'informazione da processare si sviluppa nel tempo, i modelli temporali possono essere mappati in un insieme spaziale, convertendo il modello temporale in un modello spaziale, un arrangiamento chiamato "rete neurale con tempo ritardato"(time-delay neural network) (Sejnowski e Rosenberg, 1987Architetture di reti neurali più avanzate incorporano proprietà dinamiche, tali come la processazione temporale nei nodi (costanti di tempo o memoria a breve termine) e connessioni ). per il feed-back (Pearlmutter, 1989). Queste architetture di reti neurali sono anche state usate per risolvere i problemi di controllo meccanico, come il controllo di un arto di un robot (Jordan et al., 1992) o il tracciato dell'occhio che si muove seguendo oggetti in movimento (Lisberg e Sejnowski, 1992).

Neuroscienze Lista di risorse sulle Neuro scienze Autonomic Nervous System A web-based tutorial and on the structure and function of the autonomic nervous system. (Kenneth Chan) Blood Supply of the Brain A strait-forward explanation of the blood supply to the central nervous system. Also discusses the basics of stroke (brain attack). ( Eric Chudler) Brain Model Tutorial Uses some nice graphics to give a simple overview of the brain's gross anatomical features. (Mark Darty) The Brain Page A short quiz on neuroanatomy and function with some good dissection photos. Brain Poke An interactive demonstration of what a brain surgery patient might perceive after stimulating certain areas of the cerebral cortex. (J.R. Leitch and Tyler Lorig)

Normal aging structure and function

Neuroscienze/2 BrainSurf An attractive web site with basic information about neuroscience, some games, a short glossary, and more. (Roger West, Paula Wirth, Cynthia Miller) Brain Tutorial A fairly thorough overview of neuroanatomical aspects of the brain, it's blood supply, and basic function. Cell Biology Laboratory Manual (A+) A comprehensive on-line manual of cellular biology and relevant methods. (William H. Heidcamp) CNS Exam (A+) This is cool. An on-line medical neuroscience exam with realtime scoring and answers. Two parts with questions 1-55, and ( Univ. Utah) Do We Use Only 10% or Our Brain? Learn the facts behind the myth. ( Eric Chudler)

Neuroscienze/3 Drugs, Brains and Behavior (A+) An on-line textbook covering aspects of how drugs affect the way we act. ( C. Robin Timmons & Leonard W. Hamilton) Global Brainstem (A+) This is a very useful site that covers anatomy and some functional aspects of the brainstem nuclei. Includes quizzes. (John K. Harting) Global Cerebellum This is a very useful site that reviews the anatomy and some functional aspects of the cerebellum. (John K. Harting) Global Cranial Nerve Review This is a very useful site that reviews the cranial nerves. (John K. Harting) Global Spinal Cord This is a very useful site that covers anatomy and some functional aspects of the spinal cord. (John K. Harting) Glossaries of Neuroscience Terms Sites that provide dictionaries and glossaries relevant to neuroscience.

Struttura cerebrale

Neuroscienze/4 How are we protected from the cold? A short article that describes the physiological and behavioral strategies used by our brain to keep us the right temperature. ( Brain Backgrounders) How do facts stick in our mind? A short article that describes the biological basis for memory. ( Brain Backgrounders) How Do Nerve Cells Communicate? A short article that discusses how the function of neurons controls our actions. ( Brain Backgrounders) Internet Resources for Teaching Neuroscience A good, concise list of useful resources for getting the basics in neuroscience from the internet. ( Eric Chudler) Know Your Brain Brain Basics: a quick overview of the brain and its function. ( NINDS) Medical Biochemistry An on-line biochemistry text book. Includes a section on Biochemistry of Nerve Transmission. ( Michael W. King)

Neuroscienze/5 The Medical Education WebRing A WebRing devoted to medical education sites. You can also visit their home page. Neuro National Board Review (A+) About to take your medical boards? Here's a site with a practice exam and real-time answers. (John K. Harting) Neuroanatomy and Pathology on the Internet (A+) A guide for medical students and health professionals, it offers a variety of resources on anatomy, histology, publications and more. (Katalin Hegedüs) Neurological Surgery Quiz (A+) An on-line exam of neurosurgical knowledge. (M. Sam Elijamel) Neuromuscular Disease Center This is a cool site, essentially a neuromuscular disease textbook on the web. ( Alan Pestronk) The Neuron and The Nervous System Reviews the basics of the neuron, the brain and electrophysiology. ( Sophie Duncan)

Neuroscienze/6 NeurOn Neuroscience research at NASA. Includes chat, question forum, images, and more. Neurolab Explore NASA'a efforts in neuroscience research on the space shuttle. Neurophysiology This site is useful. It's Neuro 101, lucidly explaining the physiology and function of the nervous system. (Univ. Waterloo) Neuroscience Departments Homepage fo the Association of Neuroscience Departments and Programs. Neuroscience Laboratory Experiments PDF files of a manual for 12 neuroscience experiments that can be used in the classroom - created by the National Association of Biology Teachers. Neuroscience Tutorial Designed for medical students and Washington University School of Medicine. (Diana Weedman Molavi)

Neuroscienze/7 Neuroscience Education Page Lists of links to various neuroscience information sources. Very useful! ( Eric Chudler) Neuroscience for Kids (A+) This is great site. It's designed for kids to learn about all aspects of neuroscience andfor teachers planning neuroscience education. ( Eric Chudler) Neuroscientist Network Q/A Kids and teachers get their neuroscience questions answered. ( Eric Chudler) Newton's Apple: Brain Non-technical explanations and demonstrations of neuroscience basics designed for kids. Newton's Apple: Reflexes Non-technical explanations and demonstrations of neuroscience basics designed for kids. Probe the Brain Interactive site that allows you to stimulate a brain from the comfort of your own computer. Also delves into the history of localization of function. ( PBS)

Tecniche di visualizzazione scientifica (un virus)

Neuroscienze/8 Statistics: By the Numbers A simple explanation of basics in statistics. ( Eric Chudler) What is the Cerebellum? A short article that describes the cerebellum and its role in regulating motor coordinated movement. ( Brain Backgrounders) What is Neuroscience? A short article that explains what the discipline of neuroscience and what various sub-specialties of neuroscientists do. ( Brain Briefings) Writing and Funding Proposal Designed as a tool for advanced graduate students and others to learn more about the actual proposal writing process. (S. Joseph Levine) Writing and Presenting Your Thesis Created to assist graduate students in thinking through the many aspects of crafting, implementing and defending a thesis or dissertation. (S. Joseph Levine) Neuroscience Dictionary Neuroscience Education Neuroscience Textbook

Linguistica computazionale
La Linguistica Computazionale è una disciplina che sta tra la linguistica tradizionale e la Computer Science che si interessa degli aspetti computazionali del linguaggio umano. Appartiene alle Scienze Cognitive e sconfina dentro l'Intelligenza Artificiale, una branca della Computer Science il cui scopo è quello di costruire modelli delle facoltà cognitive umane. La Linguistica Computazionale ha una parte applicativa e una parte teorica. La parte applicativa si interessa dei risultati pratici che si possono ottenere attraverso la creazione di un modello del linguaggio. Questi prodotti, che possono essere sia software che hardware, sono necessari per migliorare l'interazione uomo-macchina in quanto il principale ostacolo tra uomo e computer è quello della comunicazione. Attualmente i computer non capiscono il linguaggio umano e i linguaggi di programmazione non sono così "amichevoli" per gli utenti, anzi il più delle volte risultano difficili e incomprensibili, soprattutto per i non addetti ai lavori. Inoltre i linguaggi di programmazione certamente non sono simili al modo di processare del pensiero umano.

Immagini di Vita Artificiale

Linguistica computazionale/2
Sebbene i programmi di Linguistica Computazionale sono molto lontani dal raggiungere l'abilità umana, essi hanno la possibilità di essere applicati in numerosi settori. Anche se il linguaggio che la macchina comprende e il suo dominio di discorsi è molto ristretto, l'utilizzo del linguaggio umano nell'interazione uomo-computer o uomo-macchina può aumentare l'accettazione e la gradevolezza degli strumenti di comunicazione tecnologica da parte degli uomini, con sicuri miglioramenti della loro produttività. Le interfacce basate sul linguaggio permettono agli utenti di comunicare con il computer con qualsiasi lingua naturale. Alcune di tali interfacce sono applicazioni che permettono di inviare richieste ad un database per ottenere informazioni, di richiamare testi, oppure sono sistemi esperti. Gli attuali avanzamenti nel riconoscimento del linguaggio parlato migliorano l'usabilità di molti tipi di sistemi basati sul linguaggio naturale. La comunicazione con i computer, usando le interfacce basate sul linguaggio avranno sicuramente una ripercussione nel mondo del lavoro e sulle modalità di svolgere il lavoro stesso, sull'utilizzo dei nuovi strumenti di comunicazione da parte di disabili e gruppi svantaggiati, aprendo aree di applicazione completamente nuove per la tecnologia dell'informazione. Un altro problema che le interfacce basate sul linguaggio potrebbero risolvere è quello della comunicazione fra persone che parlano lingue differenti.

Verbots

Infatti, uno dei principali obiettivi della linguistica computazionale era (e lo è ancora) quello di sviluppare sistemi di traduzione completamente automatizzati tra i linguaggi umani. Molti scienziati devono constatare amaramente che, ancora oggi, essi sono lontani dall'aver raggiunto questo obiettivivo. Ciononostante, la Linguistica Computazionale ha realizzato sistemi software che sicuramente (anche se certamente in modo molto limitato) possono aiutare il lavoro dei traduttori umani e chiaramente aumentare la loro produttività. Il futuro della Linguistica Computazionale sarà determinato dal crescente bisogno degli utenti di comunicare con i computer attraverso interfacce che utilizzino il linguaggio, ricreando condizioni di comunicazione molto simili ai modelli dell'interazione uomo-uomo. Anche se tale livello di imitazione della competenza linguistica umana non sarà raggiunto nei prossimi anni, i ricercatori nel settore della Linguistica Computazionale hanno numerosi obiettivi immediati da raggiungere che coinvolgono la progettazione, la realizzazione e il mantenimento di sistemi che facilitino la vita quotidiana, come per esempio gli individuatori automatizzati di errori, per i programmi di word-processing.

Agenti sintetici

La parte teorica della Linguistica Computazionale prende direttamente le mosse dalla Linguistica teorica. Quest'ultima si interessa delle teorie formali che sono state elaborate nel corso del tempo (vedi il capitolo sulla comunicazione verbale), riguardo la conoscenza di cui un essere umano ha bisogno per generare e produrre il linguaggio. Attualmente queste teorie hanno raggiunto un grado di complessità che si può maneggiare solo utilizzando i computer. La Linguistica Computazionale ha sviluppato modelli formali simulando aspetti del linguaggio umano e implementandoli come programmi di computer. Questi programmi costituiscono la base per la valutazione e per l'ulteriore sviluppo delle teorie. In aggiunta alle teorie linguistiche, le scoperte che provengono dai settori di ricerca dalla Psicologia Cognitiva e in particolar modo dall'area che si chiama Psicolinguistica (Carroll, 1964), migliorano la simulazione delle competenze linguistiche.

Vita artificiale La Vita Artificiale , come disciplina, riguarda la costruzione e lo studio sistemi creati dall’uomo che possiedono le proprietà essenziali della vita naturale. I principali problemi di cui si interessa sono: Quali sono le proprietà essenziali della vita? Qual è il range di possibilità che la vita potrebbe prendere? Si possono utilizzare tali forme di vita per migliorare la risoluzione di problemi in aree tradizionali quali la Biologia e l’Ingegneria? Cos’è la Vita artificiale? Proviamo a dare qualche risposta utilizzando le definizioni dei più importanti studiosi di tale settore. “Lo studio dei sistemi fatti dall’uomo che esibiscono comportamenti carattistici dei sistemi viventi naturali.” C. G. Langton. "Artificial Life." In C. G. Langton, editor. Artificial Life, Volume VI of SFI Studies in the Sciences of Complexity, pages 1-47, Addison-Wesley, Redwood City, CA, 1989. “La Vita Artificiale è un campo di studi dedicato alla comprensione della vita attraverso il tentativo di estrarre i principi dinamici fondamentali che soggiacciono ai fenomeni biologici, e di ricreare tali dinamiche in altri media fisici, come i computer, rendendo tali fenomeni accessibili a nuovi tipi di manipolazioni sperimentali e di verifica.” C. G. Langton. "Preface." In C. G. Langton, C. Taylor, J. D. Farmer, and S. Rasmussen, editors, Artificial Life II, Volume X of SFI Studies in the Sciences of Complexity, pages xiii-xviii, Addison-Wesley, Redwood City, CA, 1992.

Ambienti virtuali di Vita Artificiale

Vita artificiale/2 “La vita Artificiale è l’impresa di capire la biologia costruendo fenomeni biologici al di fuori delle componenti artificiali, piuttosto che rompere le forme naturali di vita nelle parti che le compongono. E’ l’approccio sintetico piuttosto che l’approccio riduttivo.” T. S. Ray. "An evolutionary approach to synthetic biology: Zen and the art of creating life." Artificial Life Journal, Volume 1, Number 1/2, pages , The MIT Press, Cambridge, MA. "... I modelli della Vita artificiale ... Sono abbastanza potenti per catturare la maggior parte della complessità dei sistemi viventi, in una forma che è facilmente manipolabile, ripetibile e soggetta a esperimenti rigorosamente controllati che sono il corrispondente dei sistemi naturali.” C. Taylor and D. Jefferson. "Artificial life as a tool for biological inquiry." Artificial Life Journal, Volume 1, Number 1/2, pages 1-13, The MIT Press, Cambridge, MA.

Immagini di Vita Artificiale

Teoria del Caos illustrata

Teoria del Caos illustrata/2

Teoria del Caos illustrata/5 La farfalla di Lorentz

Nuove tendenze nella psicologia odierna

Presentazioni simili

Presentazione sul tema: "Nuove tendenze nella psicologia odierna"— Transcript della presentazione:

Presentazioni simili

Sul progetto

Feed-back

Entrare

Autorizzarsi attraverso i social network:

Nuove tendenze nella psicologia odierna

Presentazioni simili

Presentazione sul tema: "Nuove tendenze nella psicologia odierna"— Transcript della presentazione:

Presentazioni simili

Sul progetto

Feed-back