Intelligenza artificiale può essere psicopatica per nuovi risultati studio Mit Boston

Chi ha visto la serie tv in cui è protagonista sa bene di cosa si parli. Per tutto gli altri basta immaginare il motivo per cui alla prima intelligenza artificiale ufficialmente psicopatica sia stato assegnato il nome di Norman ovvero il ragazzo di Psycho Norman Bates. E a dimostrazione di come non si tratti di un gioco, ma che la faccenda sia terribilmente seria, a svilupparla sono stati gli esperti del Mit di Boston. L'obiettivo dichiarato è verificare fino a che punto i dati con cui si addestra l'intelligenza influiscono sul risultato finale. E per cercare di coinvolgere quanti più utenti possibili, hanno creato un sito web liberamente consultabile.

Intelligenza artificiale psicopatica: creata Norman

Il funzionamento è allora presto detto: l'algoritmo alla base dell'intelligenza artificiale psicopatica è in grado di osservare una foto e capirne il contenuto sulla base di un database da immagini precedentemente memorizzate. Va da sé che l'ampiezza di questo archivio è decisiva per la buona riuscita di questo sperimento. Come è stato spiegato dai ricercatori del Massachusetts Institute of Technology Media Lab, Norman è stato addestrato con immagini di persone morenti prelevate da una sottodirectory del sito Reddit. Non solo, ma un'altra intelligenza artificiale è stata invece allenata con foto normali di animali e persone.

I risultati del test di Rorschach

A quel punto sono state sottoposte al test di Rorschach, quello dell'interpretazione delle macchie di inchiostro indistinte così da valutare la personalità. Ebbene, i risultati sono stati sorprendenti: laddove l'intelligenza normale vedeva un gruppo di uccellini su un ramo, per Norman era un uomo che subiva una scarica elettrica. E anziché un vaso di fiori, Norman vedeva un uomo a cui hanno sparato a morte. E un guanto da baseball è stato interpretato come un uomo ucciso da una mitragliatrice. A detta degli ideatori del Mit, Norman nasce dal fatto che i dati che vengono usati per addestrare un algoritmo influenzano significativamente il comportamento. Quindi quando le persone parlano di algoritmi scorretti il problema non è nell'algoritmo in sé, ma nei dati usati.