Metafora e Intelligenza Artificiale

Metafora e intelligenza artificiale: rilevanza statistica e ruolo cognitivo

Il quesito principale attorno a cui ruota questa ricerca riguarda la possibilita’ che esistano sistemi fisici diversi dall’uomo, e quindi artificiali, in grado di riprodurre le fasi che portano alla comprensione di una metafora. L’obiettivo non e’ comprendere l’intera natura della mente umana, impresa che esula da qualunque singolo studio, bensi’ svelarne, almeno in linea di massima, alcune caratteristiche basilari. Lo studio condotto si appoggia in particolare all’analisi del verbo “guidare”, scelto come caso esemplare per osservare come un sistema artificiale possa apprendere a riconoscere usi letterali e usi figurati.

La rivalutazione della metafora

Il primo passo del lavoro consiste nell’avvalorare la tesi di un linguaggio “incorporato”, in cui le metafore occupano un posto primario. Per lungo tempo, e a torto, la metafora e’ stata svalutata e considerata come qualcosa di secondario: un semplice orpello retorico, un abbellimento privo di rilevanza dal punto di vista dell’acquisizione di nuova conoscenza. Questa visione tradizionale relegava la metafora al campo della retorica e della poesia, separandola nettamente dal pensiero “serio” e razionale.

Gli studi di linguistica cognitiva degli ultimi decenni hanno ribaltato questa prospettiva. La metafora non e’ un ornamento accessorio del linguaggio, ma uno strumento conoscitivo fondamentale: comprendere “guidare un’azienda” a partire dall’esperienza concreta del guidare un veicolo significa proiettare un dominio di esperienza familiare su un dominio piu’ astratto. In questo senso il linguaggio e’ “incorporato”, cioe’ radicato nell’esperienza sensomotoria del corpo, e la metafora e’ uno dei ponti che collegano l’esperienza concreta ai concetti astratti. Riconoscerne il ruolo cognitivo, e non solo retorico, e’ il presupposto per chiedersi se una macchina possa replicarlo.

Sistemi che apprendono da soli

Il secondo obiettivo del lavoro e’ dimostrare che esistono sistemi capaci di acquisire conoscenza in modo autonomo, cioe’ senza che sia necessario implementare appositi programmi costruiti al calcolatore perche’ l’apprendimento abbia luogo. La differenza e’ cruciale: non si tratta di scrivere a mano tutte le regole, ma di costruire un sistema che le regole se le ricavi da solo a partire dall’esperienza.

Prima di descrivere questo tipo di sistemi, la ricerca analizza i tentativi di naturalizzazione della mente svolti in precedenza, con esempi di sistemi costruiti per l’analisi del linguaggio naturale. L’esame di questi approcci mette in luce un loro limite di fondo: si tratta di sistemi o simbolici o capaci di apprendere, ma raramente entrambe le cose insieme. I sistemi simbolici manipolano regole esplicite ma faticano ad adattarsi a situazioni nuove; i sistemi che apprendono si adattano ma non rendono espliciti i simboli su cui ragionano.

Sistemi che sono insieme simbolici e capaci di apprendere

Superati questi punti deboli, il lavoro passa all’analisi di un sistema che appaia, al tempo stesso, sia simbolico sia capace di apprendere. Si tratta dell’approccio piu’ promettente, perche’ tenta di unire i due pregi: la trasparenza della rappresentazione simbolica e la flessibilita’ dell’apprendimento dai dati. Le reti neurali artificiali, ispirate alla struttura del cervello, sono uno degli strumenti che si muovono in questa direzione.

Una verifica sperimentale sul verbo “guidare”

La parte sperimentale del lavoro non si limita all’analisi di esperimenti gia’ effettuati. Sulla base degli studi svolti da Elisabetta Gola sul verbo “vedere”, la ricerca ha dato luogo a una verifica sperimentale autonoma, utilizzando come campo d’analisi il verbo “guidare”. Si tratta di un verbo particolarmente adatto allo scopo, perche’ ha un significato concreto di partenza, condurre un veicolo, da cui si diramano numerosi usi figurati: guidare un gruppo, guidare una scelta, guidare un progetto.

Nel corso dell’esperimento al sistema e’ stato fornito un insieme di dati da apprendere, sulla base dei quali ricavare delle regolarita’. Queste regolarita’, e’ il punto centrale, non vengono impartite al sistema dall’esterno ma vengono letteralmente apprese. E’ il sistema stesso ad autocrearsi le regole, proiettando quanto gia’ appreso su contesti non noti, nel tentativo di disambiguarli, cioe’ di stabilire se in un determinato contesto “guidare” sia usato in senso letterale o figurato.

Regole che si ridisegnano di continuo

Questo risultato permette di smentire un’altra delle false credenze a lungo diffuse sul linguaggio: l’idea che la lingua sia fatta semplicemente di regole da seguire rigidamente, sulla base delle quali costruire un testo. In realta’ i limiti entro i quali tali regole sono comprese vengono costantemente ridisegnati, per effetto del continuo imbattersi in situazioni nuove alle quali noi parlanti dobbiamo, linguisticamente, adattarci. La lingua non e’ un codice fisso, ma un sistema vivo che si riconfigura a ogni uso.

In questo modo i sistemi artificiali e quelli biologici possono essere accomunati dalla loro dinamicita’: entrambi fronteggiano le situazioni nuove in un modo che e’, contemporaneamente, controllato e creativo. E’ proprio questa combinazione di controllo e creativita’ a rendere possibile la comprensione delle metafore, e a suggerire che la distanza tra mente umana e sistemi artificiali, almeno su questo specifico terreno, sia meno incolmabile di quanto si tendesse a credere.

Domande frequenti

Perche’ la metafora e’ importante per le scienze cognitive?

Perche’ la metafora non e’ un semplice abbellimento retorico, ma uno strumento conoscitivo fondamentale. Permette di comprendere concetti astratti proiettando su di essi esperienze concrete e familiari, come quando interpretiamo “guidare un’azienda” a partire dal guidare un veicolo. Per questo e’ centrale nell’ipotesi di un linguaggio “incorporato”, radicato nell’esperienza del corpo.

Che cosa significa che un sistema artificiale “apprende” le regole?

Significa che le regole non vengono scritte a mano e inserite nel programma, ma vengono ricavate dal sistema stesso a partire da un insieme di dati. Il sistema individua delle regolarita’ e le proietta su contesti nuovi che non ha mai incontrato, cercando di interpretarli. E’ l’opposto di un programma in cui ogni regola e’ decisa in anticipo dal programmatore.

Perche’ e’ stato studiato proprio il verbo “guidare”?

Perche’ ha un significato concreto di partenza, condurre un veicolo, da cui derivano molti usi figurati come guidare un gruppo o guidare una scelta. Questa ricchezza lo rende un caso ideale per verificare se un sistema artificiale sappia distinguere autonomamente l’uso letterale da quello metaforico. La scelta si ispira agli studi di Elisabetta Gola sul verbo “vedere”.

Che cosa hanno in comune mente umana e sistemi artificiali?

Secondo questa ricerca, la dinamicita’. Sia i sistemi biologici sia quelli artificiali affrontano le situazioni nuove in un modo che e’ allo stesso tempo controllato e creativo: applicano regole apprese ma le adattano e le ridisegnano di continuo a contatto con contesti inediti. E’ questa flessibilita’ a rendere possibile, in entrambi i casi, la comprensione delle metafore.