Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Dipartimento di Informatica
1. PREMESSA
Tuttavia ho provato a ipotizzare un tipo di test che, a mio avviso, potrebbe consentire di
distinguere il comportamento umano da quello della macchina basandosi non sulle
prestazioni e sulla capacità di dialogo, ma su una caratteristica che ritengo precipua
dell'essere umano e non riproducibile dalla macchina nemmeno in linea di principio.
In sintesi l'ipotesi è che, per essere registrate in memoria e quindi in tempi successivi
richiamate, e utilizzate per analogie, discriminazioni, deduzioni, induzioni o abduzioni, le
emozioni nell'essere umano non debbano necessariamente passare per il fuoco
attenzionale come avviene per le percezioni. Viceversa la macchina, per definizione, può
acquisire e registrare una percezione solo se i suoi sensori la individuano all'interno del
loro specifico fuoco attenzionale, e per utilizzarla successivamente deve necessariamente
richiamarla interamente in memoria. A loro volta, le emozioni potranno - soprattutto in
futuro - anche essere simulate, ma la macchina non potrà che gestirle nell'unico modo
che le è intrinsecamente possibile, ossia acquisendole o richiamandole interamente dalla
memoria come avviene per le percezioni.
Si tratta quindi di individuare un test che vada a porre domande che coinvolgano la "zona
grigia" delle emozioni che resta fuori dal fuoco attenzionale ed è accessibile all'essere
umano ma - a parità di condizioni - non accessibile alla macchina. Chiameremo
"preconscio" questa zona grigia.
3. LA SPERIMENTAZIONE
La sperimentazione si svolge quindi in due tempi: una fase di training ed una fase di
testing.
a.
Nella fase di training alcuni volontari si sottoporranno alla visione di una serie di
immagini, volte ad innescare alcune emozioni e ad associarle.
Non è possibile valutare quale possa essere la risposta individuale al test. Poichè le
differenze di familiarità potrebbero essere minime, sarebbe utile che alcuni volontari
costituissero un gruppo di controllo, in cui una parte saliente delle prime immagini
verrebbe eliminata, in modo da confrontare i risultati finali fra gruppo sperimentale e
gruppo di controllo e valutare la significatività statistica delle differenze.
b.
Separatamente verrà addestrata una rete neurale artificiale con le stesse immagini. Al
termine del training, il testing consisterà nella somministrazione alla rete neurale di uno
specifico sottoinsieme di immagini. L'output della rete fornirà la capacità di
riconoscimento delle immagini e darà quindi il risultato. Questo sarà esprimibile in
termini percentuali, e quindi immediatamante confrontabile con quello del gruppo di
persone.
Possono essere utilizzati diversi modelli di reti neurali, o sistemi di deep learning di
ultima generazione. Tuttavia l'ipotesi è che le prestazioni delle reti neurali non siano
correlate al risultato finale, che per come è strutturato il test non avrebbe motivo, in
linea di principio, di riflettere alcuna differenza significativa fra le percentuali di
riconoscimento delle immagini somministrate.