L'evoluzione degli agenti AI - IBM

Prime radici filosofiche (1940-1960)

Testi esoterici e letteratura di fantascienza che risale a centinaia di anni fa hanno riflettuto sui concetti di intelligenze artificiali e automi che hanno la capacità di pensare e agire in modo autonomo. Queste prime riflessioni hanno gettato le basi per immaginare i meccanismi che un giorno sarebbero stati chiamati agenti AI.

Il campo dell'AI è generalmente considerato nato a metà del 20° secolo. Il lavoro di Norbert Wiener sulla cibernetica ha introdotto l'idea dei cicli di feedback. Lavori successivi in neuroscienze e AI hanno portato ad applicazioni avanzate. Il termine "intelligenza artificiale" fu coniato ufficialmente nel 1955 e ha aperto la strada a progetti collaborativi tra istituti accademici e aziende tecnologiche.

Alcune delle principali pietre miliari di questa svolta includono:

• 1943: Warren S. McCulloch e Walter Pitts pubblicano un articolo fondamentale sul funzionamento cerebrale come calcolo matematico.
• 1950: Alan Turing pubblica un documento su come determinare se una macchina può pensare.
• 1955: L'inizio ufficiale della ricerca accademica in AI al Dartmouth Summer Research Project.
• 1959: Oliver Selfridge presenta un modello basato su "demon" per imitare l'apprendimento.

Questi contributi iniziali fornirono l'idea di base del concetto di agente AI come elemento attivo.

Logica e risoluzione dei problemi (1950-1970)

Dagli anni '50 in poi, il calcolo digitale ha reso possibile implementare alcune delle idee proposte. Furono sviluppati primi tentativi di intelligenza artificiale, come:

• 1951: Lo Stochastic Neural Analog Reinforcement Calculator (SNARC) di Marvin Minsky e Dean Edmunds, uno dei primi esperimenti in apprendimento per rinforzo.
• 1956: Il Logic Theorist e il General Problem Solver di Allen Newell e Herbert Simon, due tentativi di duplicare la capacità umana di risolvere problemi.

I primi agenti erano limitati all'esecuzione specifica di sequenze predefinite. Comunque, mostrarono che la macchina può comportarsi in strade simili al ragionamento umano.

Altri sviluppi chiave includevano:

• Gli esperimenti con linguaggi di programmazione simbolica come la logica matematica, che diede origine agli "alberi di decisione" e a sistemi rudimentali di inferenza.
• L'elaborazione euristica, un approccio per risolvere problemi complessi in modo semplificato.

I limiti tecnologici e culturali di questo periodo fecero sì che alcune aree di ricerca avanzassero, mentre altre stagnassero. Tuttavia, si delineò chiaramente il concetto di agente, che sarebbe diventato centrale nella programmazione moderna.

L'avvento dei modelli simbolici e l'inverno dell'AI (1970)

Negli anni '70, i sistemi esperti divennero una svolta nel campo dell'intelligenza artificiale. Questi proto-agenti avevano la capacità di:

• Catturare la conoscenza specialistica.
• Adottare modelli logici simbolici.
• Offrire decisioni basate su una base di dati strutturata.

Uno dei sistemi più famosi fu MYCIN, sviluppato a Stanford in grado di diagnosticare infezioni e prescrivere antibiotici. Tuttavia, tali sistemi fallivano quando mancavano dati strutturati o dove c'era alta ambiguità.

Il periodo tra la fine degli anni '70 e il '90 è stato noto come l'"inverno dell'AI" per la seguente motivazione:

• Limiti nella capacità di gestire informazioni non strutturate.
• Costi elevati per l'implementazione.
• Una riduzione dei finanziamenti governativi e industriali.
• Crescita dei sospetti etici riguardo l'uso del calcolo simbolico.

Nonostante questo periodo di stagnazione, la ricerca non cessò. Essa diede origine a nuove idee per l'architettura del calcolo.

Preparazione del terreno per gli agenti (1970-2010)

Il periodo che va dagli anni '70 alla metà degli anni '00 vide l'emersione e la maturazione di idee fondamentali necessarie per un futuro sviluppo degli agenti AI:

Calcolo concorrente e modello degli attori

La programmazione concorrente diede vita al modello degli attori, che propose un'architettura software in cui:

• Ogni entità ("attore") riceve, invia e gestisce messaggi in modo autonomo.
• Le decisioni sono basate su input esterni e stato interno.
• Il calcolo emerge da interazioni locali piuttosto che da algoritmi centrali.

Questo modello ha anticipato la concetto moderno di agente AI: una entità che agisce autonomamente in base a un contesto in tempo reale.

Programmazione orientata agli oggetti

Negli anni '70 e '80 si sviluppò la programmazione orientata agli oggetti. Questo paradigma:

• Definì entità ("oggetti") dotati di attributi e comportamenti.
• Rendette il software modulare, più facile da gestire.
• Incoraggiò il pensiero in termini di interazioni piuttosto che di codice centralizzato.

Questa filosofia ha fornito un modello concettuale per creare agenti AI con caratteristiche simili a quelle umane.

L'introduzione del calcolo distribuito

L'aumento delle capacità di calcolo ha dato vita al paradigma del calcolo distribuito, in cui:

• I sistemi decentralizzati comunicano tra di loro per raggiungere un obiettivo.
• La decisione avviene a livello locale, non globalmente.
• I concetti di "sistema multiagente" si raffinarono.

Questi sviluppi tecnologici fornirono i fondamenti critici per la costruzione di sistemi autoregolati, autonomi e in grado di adattarsi a contesti mutevoli.

Il modello moderno di agentic AI (2010 in poi)

Alla fine degli anni '90 e durante la decade successiva, due fattori decisivi spianarono la strada all'agentic AI:

• L'aumento esponenziale del potere di calcolo.
• L'accesso a dati di grande quantità.

Questo ha permesso lo sviluppo dei modelli linguistici di grandi dimensioni, tra cui ChatGPT, che hanno dimostr