Dai sogni di Simon al caos della complessità: il percorso dell'intelligenza artificiale nelle organizzazioni

Erano gli anni cinquanta quando Herbert Simon dichiarava espressamente gli obiettivi che, secondo lui, l'Intelligenza Artificiale avrebbe raggiunto in un limitato intervallo di tempo.
Ciò che Simon esprimeva erano i suoi sogni, ma erano anche le convinzioni di chi, come lui, nel 1956 aveva contribuito alla nascita ufficiale dell'Intelligenza Artificiale.
Simon credeva che entro un decennio si sarebbero realizzati programmi in grado di: battere il campione mondiale di scacchi, dimostrare importanti nuovi teoremi di matematica e ispirare la maggior parte delle teorie psicologiche.
Sono trascorsi ormai più di quarant'anni, e di quei sogni solamente uno si è realizzato, quello relativo al gioco degli scacchi. Credo sia opportuno fermarsi a riflettere sul perché.
Sappiamo ormai che molti compiti apparentemente semplici ed alla portata di un bambino, come riconoscere in modo sicuro forme e suoni, sono per un computer molto più difficili del gioco degli scacchi.
Mi sembra quindi corretto affermare che il gioco degli scacchi non è il giusto metro per misurare l'intelligenza di una macchina, o perlomeno non lo è per misurare ciò che io intendo per intelligenza.
La tecnologia nulla ha potuto per gli altri due sogni di Simon; per alcuni ricercatori sono solo rimandati, per altri sono accantonati definitivamente.
L'unico dato di fatto è che l'impostazione data all'Intelligenza Artificiale dai suoi padri fondatori ha portato ad un certo tipo di risultato che non è all'altezza delle alte aspettative poste.
Esistono alcuni esempi di programmi in grado di simulare molti aspetti del ragionamento induttivo, capaci di andare oltre l'informazione data nel problema, per arrivare ad una soluzione che non è deduttivamente determinata negli elementi del problema stesso. Ma le capacità acquisite da questi programmi non sono comunque tali da farli giudicare intelligenti.
Probabilmente è stata la mancanza di risultati brillanti a far vacillare l'impianto teorico che stava alla base delle ricerche di Simon, Newell, Minsky e degli altri studiosi che avevano dato lustro all'Intelligenza Artificiale nei primi anni, fatto sta si è passati dall'approccio riduzionista a quello dei teorici della complessità.
Di fronte ai problemi complessi, che sfuggono ai saperi scientifici, dobbiamo ammettere che il mondo è qualcosa di più della somma delle sue parti. Per districare le innumerevoli interazioni, che fanno della complessità qualcosa di irriducibile la scienza ha dovuto compiere un salto di paradigma, facendo proprio un approccio, l'approccio olistico, che lo sperimentalismo riduzionista aveva programmaticamente relegato fuori del proprio dominio; una svolta resa possibile dall'affinamento degli strumenti di analisi e dall'enorme potenza di calcolo dei moderni elaboratori elettronici.
I pionieri della scienza cognitiva studiavano l'intelligenza umana simulando al computer le competenze più elevate del cervello umano, ma trascurando la fisiologia e la struttura neurobiologica del cervello stesso. Al contrario, gli studiosi di Intelligenza Artificiale subcognitiva, una branca della teoria della complessità, costruiscono i loro modelli computazionali partendo sempre "dal basso": le competenze di questi modelli sono limitate, ma lo fanno in maniera analoga a quanto avviene nel cervello umano.
L'Intelligenza Artificiale attualmente ci mette a disposizione diversi strumenti che, pur non essendo del livello auspicato da Simon, costituiscono un valido strumento di supporto in diversi settori della vita umana, ed è su questi strumenti che ora dobbiamo riflettere.
Queste macchine sono il frutto dell'applicazione di tecnologie che in un primo tempo avevano come punto di riferimento i Sistemi Esperti, poi si sono avvantaggiati di Reti Neurali, Algoritmi Genetici e Fuzzy Logic, il più delle volte combinati tutti insieme per trarre il maggior vantaggio possibile.
Nell'ultima parte della tesi sono andato a verificare l'applicabilità di questi strumenti in alcuni settori aziendali, partendo dalla classica applicazione per la selezione del personale fino ad arrivare a quella molto più rischiosa relativa alle previsioni di natura finanziaria.