Nuovo progetto negli Stati Uniti: una lingua elettronica in grado di potenziare le capacità dell’Intelligenza Artificiale. Il dispositivo può distinguere aspetti diversi tra loro meglio di un essere umano e indagare la ‘mente’ dell’IA in modo approfondito.
Il team della Penn State negli Stati Uniti sostiene che il dispositivo basato sul grafene abbia il potenziale per “rivoluzionare” il rilevamento di cambiamenti chimici e ambientali, e non solo. Potrebbe essere utilizzato in tutto, dalla diagnosi medica all’individuazione di cibo andato a male. La nuova tecnologia offre anche una visione unica dei “pensieri interiori” dell’intelligenza artificiale, un campo poco esplorato fino ad ora.
Il team è stato in grado di fare tutto ciò tramite il reverse engineering. Questo processo ha dato ai ricercatori “uno sguardo al processo decisionale della rete neurale”, che hanno affermato potrebbe portare a una migliore sicurezza e sviluppo dell’intelligenza artificiale. “Stiamo cercando di creare una lingua artificiale, ma il processo di come sperimentiamo diversi cibi coinvolge più della sola lingua”, spiega Saptarshi Das, professore di ingegneria e meccanica alla Penn State.
Intelligenza Artificiale vs essere umano, realizzata una lingua elettronica in grado di fare distinzioni meglio di noi umani
La rete neurale utilizzata dalla lingua elettronica è stata in grado di raggiungere un’accuratezza di degustazione superiore al 95% se confrontata con parametri selezionati dall’uomo. Utilizzando un metodo chiamato spiegazioni additive di Shapley, i ricercatori hanno potuto approfondire il processo decisionale della rete neurale. Invece di valutare i singoli parametri assegnati dall’uomo, la rete neurale ha considerato i dati che ha determinato essere più importanti per valutare i diversi gusti. “Abbiamo scoperto che la rete ha esaminato caratteristiche più sottili nei dati, cose che noi, come esseri umani, facciamo fatica a distinguere correttamente”.
La ricerca è presente in uno studio intitolato “Analisi chimica robusta con chemiosensori al grafene e apprendimento automatico“, sulla rivista Nature.