Sei sulla pagina 1di 2

Obiettivo di questa tesi sar quello di descrivere unintelligenza che possa eguagliare

un agente umano nel processo di creazione di teorie su un insieme finito di dati, e


quali condizioni devono essere rispettate per rendere il processo di ragionamento
cibernetico si assimilabile a quello in cui si trova lagente umano nel momento in cui
ottiene nuova conoscenza:

1) Lautoma possieder risorse limitate, ovvero potr eseguire soltanto un numero


finito di operazioni in un numero finito di cicli.
2) Lautoma operer in condizione di informazione limitata sul mondo, e ad ogni ciclo
aumenter e selezioner parti di informazioni sul mondo.
3) Lautoma sar a conoscenza delle informazioni sul mondo che possiede in un ciclo
k, e avr memoria di informazioni che riteneva vere in ciclo k-n. Lautoma presenter
anche la capacit di selezionare diverse informazioni sul mondo in base al grado di
salienza che attribuisce ad esse, e ad ogni ciclo perder un certp numero di
informazioni per principio d entropia di shannon nei sistemi informazionali.

Queste tre condizioni forniscono inoltre una definizione elementare di intelligenza


artificiale

Lautoma operer su due ambienti, che verranno definiti in virt della classe di
problemi con cui lautoma si trover ad interfacciare:

Lambiente macchina-forte (AMF) , che contiene la classe di tutti i problemi P i cui


elementi sono oggetti computabili ovvero esprimibili tramite decimale e ricorsivit, per
cui esister una soluzione meccanica, dove allora esister anche una sottoclasse di P
per cui PNP, ovvero la classe di quei problemi per cui una soluzione esister ma non
sar possibile trovare una soluzione meccanica in un tempo polinomiale finito.
(problema del P=NP completezza).
Qui si sollevano le seguenti questioni:
a) tutti i problemi per cui possibile trovare una soluzione ( tramite macchina di
turing universale, funzioni parzialmente ricorsive o calcolo lambda, per tesi turing
church) tale che P=NP possono essere considerate triviali, in quanto contengono la
soluzione gi a partire dalle premesse, e non vi nessun guadagno epistemico.
b) Tutti quei problemi per cui non esiste soluzione tale che p=np possono essere
considerati non triviali, ma non c possibilit che macchina di turing universale o
equipollenti trovi soluzione.
Si faranno qui proposte per speciali tipi di automi a funzionamento algoritmico:
macchine di turing accellerate, macchine di turing quantistiche, macchine di turing
oracolari (decision turing machine contrapposta al modello classico, automatic turing
machine).

Lambiente macchina-debole (AMD) (lambiente pi vicino a quello in cui operano gli


agenti umani) che contiene la classe di tutti i problemi E che contiene oggetti non
computabili per cui non esiste soluzione meccanica. Il sistema operer con programmi
non algoritmici, con semantiche non modellate teoricamente ma costruite per
esperienza in base alle informazione ricevute dai dati in un numero finito di cicli.
Oper con metodi euristici e logica fuzzy proposta nel NARS di Pei Wang.
Si vedr anche se i due ambienti sono compatibili, ovvero se una volta ottenuta e
quale valore epistemico possa avere ( modello neopositivista logico)