Nuove tendenze nella psicologia odierna

1. Nuove tendenze nella psicologia odierna A cura di Eleonora Bilotta

Cognitive science

Approccio dinamico alle scienze cognitive

Human Computer Interaction

Intelligenza Artificiale

Agenti autonomi

Sistemi multiagenti e Intelligenza Artificiale distribuita

Giocattoli che pensano e che comunicano

Computer indossabiliRobotica

Studi sulla coscienza

Reti neurali e connessionismo

Fuzzy Logic

Neuroscienze e Brain Imaging

Linguistica computazionale

Vita artificiale

La Scienza Cognitiva un settore di studio che si sta rapidamente espandendo che ha lo scopo di capire i processi mentali che soggiacciono alle abilit. Filosofi, Psicologi, Linguisti, Neuro-scienziati e ricercatori della Computer Sciencein questo settore studiano i processi di base dellattivit cognitiva cercando di creare modelli computazionali che possano essere utilizzati da altri sistemi intelligenti (agenti, robot, sistemi diffusi nellambiente, intrattenimento, educazione).

La Scienza cognitiva si interessa di:

Quali sono le componenti di base dei processi cognitivi? Sono in qualche modo sussunti da un meccanismo mentale comune? Qual la relazione tra lapparato fisico e la cognizione?

Le aree investigate includono: acquisizione dellinformazione emeccanismi di processamento dellinformazione che soggiacciono ad abilit cognitive quali percezione, riconoscimento, stivaggio dellinformazione e suo ritrovamento, acquisizione del linguaggio, comprensione e produzione, acquisizione di concetti, problem solving e ragionamento.

La Scienza Cognitiva lo studio dellintelligenza e dei sistemi intelligenti, con particolare riferimento al comportamento intelligente inteso come computazione. Sebbene nessuna definizione soddisfacente sia stata proposta ancora oggi, tutti gli esseri umani sono capaci di giudicare quando un determinato comportamento possa essere definito intelligente. Il range di comportamenti intelligenti molto vasto ed articolato, e va dalla risoluzione di problemi, alla risposta adeguata ad una domanda, alla creazione di manufatti interessanti, belli o nuovi. Solitamente il termine intelligenza viene applicato a questo insieme diverso di comportamenti in quanto si presuppone chesoggiacciano a tali processi un insieme comunedi caratteristiche e di unit funzionali che svolgono le attivit.

I test di intelligenza, organizzati su tali attivit differenti ci permettono di comparare persone differenti attraverso una valutazione utilizzata come scala di valori di riferimento. Ci sono batterie di test che permettono la valutazione di compiti veramente diversificati, dalle prove di vocabolario a quelle di logica a quelle della risoluzione di problemi. Per rispondere ad alcune di queste provei soggetti devono possedere una specifica conoscenza dellargomento, per altre nessuna conoscenza specifica richiesta, in quanto si presuppone che i contenuti siano familiari alla maggior parte degli esaminati.

Oggi noi attribuiamo intelligenza sia agli umani che ai sistemi non umani, in particolare ai computer. Non tutti accettano questo punto di vista, ma possibile definire questultimi come intelligenti se esibiscono comportamenti analoghi a quelli umani. Lintelligenza deve essere interpretata giudicando labilit dei sistemi di eseguire compiti intellettuali, indipendentemente dalla natura del sistema fisico che esibisce questa abilit.

La Scienza Cognitiva, definita come lo studio dellintelligenza e dei suoi processi computazionali, pu essere interpretata in numerosi modi. E possibile costruire una teoria dei processi intelligenti, completamente divisa dallo specifico sistema fisio o biologico in cui viene ravvisata o implementata. E possibile studiare lintelligenza umana o animale, cercando di estrarre una teoria dei processi intelligenti attraverso lo studio del comportamento degli organismi intelligenti.Oppure possibile studiare lintelligenza dei computer, cercando di capire i principi computazionali che soggiacciono allorganizzazione e al comportamento dei programmi intelligenti.

La Scienza Cognitiva segue queste tre strade. Un esempio di teoria astratta dellintelligenza la logica formale. Per oltre un secolo, la psicologia sperimentale ha studiato lintelligenza di soggetti umani e animali nei laboratori.

Mentre dal 1950 con la pubblicazione del saggio Computing Machinery and Intelligence di Turing, sorto quella parte della scienze dei computer detta intelligenza artificiale che studia lintelligenza esibita dalla macchine.

Quindi possibile definire la Scienza Cognitiva come lo studio dellintelligenza e dei suoi processi computazionali negli umani e negli animali, nei computer e come possibile che si realizzi attraverso teorie formali o astratte. Potrebbe essere interessante, dal punto di vista didattico, analizzare le parti comuni a questi tre differenti tipi di approcci allo studio dellintelligenza per vedere come queste strade si siano diversificate o unite dando avvio alla nascita alla Scienza Cognitiva.

Le principali discipline che confluiscono nella Scienza Cognitiva

Norman (1981) suggeriscele principali discipline che hanno permesso la nascita della Scienza Cognitiva. Fra queste lautore individua la psicologia sperimentale e cognitiva, lintelligenza artificiale (con la computer science), la linguistica, la filosofia (in particolare modo la logica e lepistemologia) le neuro-scienze e alcune altre fra le quali vi sono lantropologia, leconomia, la psicologia sociale.

Psicologia

Fin dagli inizi, la Psicologia si occupata di intelligenza. I testi di Binet-Simon sono dellinizio del secolo ventesimo. La scuola del behaviorismo, che ha imperato per quasi tutta la met del secolo, ha impedito agli psicologi sperimentali di vedere cosa succedeva allinterno dellorganismo, concentrando la maggior parte delle investigazioni nel comportamento manifesto.

La ricerca sul cervello ha contribuito allo sviluppo della conoscenza della localizzazione delle funzioni al suo interno; mentre invece gli studi che riguardano i processi intellettivi sono molto scarsi. Gli sperimentalisti in questo periodo, si sono focalizzati sullesecuzione relativamente semplice di compiti cognitivi, ponendo laccento sui processi sensoriali e motori, sul coordinamento mano occhio, sui compiti di memoria e sullacquisizione di concetti e di procedure linguistiche. Lintelligenza di animali quali i ratti e i piccioni era pi studiata di quella degli umani. Il compito di sviluppare teorie coerenti sullintelligenza umana e animale (soprattutto di complesse azioni intellettive come la formazione dei concetti e il problem solving) fu lasciato agli psicologi della Gestalt Theorie fra i quali possiamo ricordare Koelher, Koffka, Duncker Wertheimer ed altri.

I contributi alla Scienza Cognitiva furono portati dalla psicometria con le sue misure dellintelligenza e delle componenti dellintelligenza; dalla neurofisiologia che ha indagato sulle strutture biologiche che permettono il pensiero; dalla psicologia sperimentale che ha indagato sulla velocit e i limiti dellacquisizione dellinformazione durante i processi sensoriali, percettivi, motori e di memoria; dagli psicologi della Gestalt che hanno avanzato interessanti ipotesi sui processi che avvengono durante i compiti di pensiero. Ognuno di questi indirizziaveva un proprio paradigma e tendeva a mantenere posizioni estremamente separate quando non erano conflittuali. Era necessaria la messa a punto di un nuovo paradigma che mettesse tutti daccordo.

Il cambiamento si ebbe conlavvento dello Human information processingintorno agli anni 50-60. Secondo questo approccio, il pensiero un processo di manipolazione di simboli e la simulazione.

I concetti chiave della Scienza cognitiva

Howard Gardner (1984) nel suo libroThe Minds New Science, sostiene che i concetti chiavi del settore di studio che attualmente va sotto il nome di Scienza Cognitiva sono:

Rappresentationi

Quali sono le forme di rappresentazione mentali che usa luomo per risolvere problemi e per comprendere il mondo? Per cui, lostudio dellintelligenza nelle moderne Scienze Cognitive diventato lo studio delle rappresentazioni (visuali, linguistiche, sonore, ecc.) concepite in modo computazionale.

Computer Models

La Scienza cognitiva influenzata dai computer coe metafora centrale per rappresentare la mente umana. Molti scienziati che appartengono a tale settore utilizzano i computer per simulare teorie della mente che possono essere formulate attraverso espressioni algoritmiche. Il computer, in tal modo, fornisce una provadi concetto di una teoria ( se si pu dimostrare che la teoria funziona bene sul computer), essa diventa una pi fondata teoria della mente come risultato. Gli scienziati di Intelligenza Artificiale ritengono che il computer sia lultima e pi brillante metafora che si pu utilizzare e sfruttare per descrivere il cervello in termini di meccanismi.

De-Emfasi sulla Cultura, Contesto, Storia and Sentimento

La Scienza Cognitiva, nel suo sforzo di rappresentare teorie della mente in modo algoritmico, ha sottovalutato o non considerato il tuolo della cultura e della storia nel pensiero e loperazione di un agente cognitivo. Lobiettivo principale della Scienza Cognitiva quello di modellare direttamente gli aspetti del pensiero, trattando gli aspetti culturali e contestuali come variabili che influenzano in modo circoscritto i processi di pensiero. Questa concentrazione sul cuore funzionale della mente stata praticata da Chomsky e dai suoi seguaci nella Linguistica moderna, che ha sfruttato simili assunzioni facendo convergere la ricerca verso lo studio dei meccanismi del linguaggio umano.

Credo nella Cooperazione Inter-Disciplinare

La Scienza Cognitiva per definizione uno sforzo interdisciplinare in quanto la mente umana non pu essere investigata fruttuosamente da una singola scuola di pensiero o di ricerca, al contrario di quanto fanno i Linguisti che vedono il linguaggio come un processo separato dalle altra facolt mentali quali la visione, la memoria o la percezione. Un nuovo settore della Linguistica, detta Linguistica Cognitiva si pone in antitesi con questa visione, focalizzandosi sugli aspetti inter-disciplinari del linguaggio e conosciuta come la Scienza Cognitiva del linguaggio.

Approccio dinamico

Presentazione del modello

Per pi di tre decadi o piil campo delle scienze cognitivestato dominato dall'intelligenza artificiale, approccio basato sul paradigma computazionale che modella e organizza la cognizione come una manipolazione sequenziale di strutture simboliche discrete. Attualmente i ricercatori stanno sviluppando nuovi modelli e descrizioni alternativi. Una di queste possibilitl'approccio dinamico alle scienze cognitive.

Tale indirizzo di studi non nuovo; l'uso della dinamica fu prominente nella cibernetica nel periodo che va dal 1945 al 1960 e ci sono stati programmi di ricerca su tale base sin da allora. In anni recenti ci sono stati due importanti sviluppi. Il primo include il declino d'autorit del paradigma computazionale che ha generato, come conseguenza un aumento incredibile delle ricerche basate sull'approccio dinamico. Il secondo, si basa sull'idea che la dinamica non fornisca solo un insieme di strumenti matematici, ma anche una profonda e differente prospettiva sulla natura dei sistemi cognitivi. I ricercatori di questo settore condividono non solo un linguaggio matematico ma anche una comune visione del mondo.

Visione storica dell'approccio dinamico

Il problema che ha sempre dominato la psicologia e le scienze cognitivearrivare ad una chiara definizione delle cause del nostro comportamento, dalle attivit pi elementari che noi svolgiamo nella nostra vita quotidiana a quelle pi complesse che, per esempio, utilizziamo quando lavoriamo o quando pensiamo e scriviamo. Lo scopo ultimodescrivere la cognizione, in altre parole i meccanismi soggiacenti a tali attivit, gli stati mentali e i processi che sono messi in atto.

Per decenni le scienze cognitive sono state dominate dalla metafora che la cognizione possa essere vista come un'operazione svolta da uno speciale computer mentale, localizzato nel cervello. Gli organi di senso smistano rappresentazioni dell'ambiente a tale computer. Il corpo emette delle azioni.

L'approccio informazionale prevede che gli organi di senso veicolino stimoli verso i centri che li elaborano, in raccordo con gli scopi che l'individuo deve portare a termine. I sistemi di pianificazione inferiscono dalle basi di conoscenza cosa deve essere fatto e inviano ordini agli organi motori, che eseguono un set d'azioni appropriate. Nella sua versione pi brillante, l'approccio computazione fa una serie d'ulteriori assunzioni. Le rappresentazioni sono strutture statiche di simboli discreti. Le operazioni cognitive sono trasformazioni da strutture di simboli statiche alle successive.

Queste trasformazioni sono discrete, effettivamente istantanee e sequenziali. Il computer mentalevisto come un insieme di moduli ognuno responsabile per differenti compiti di processazione di simboli. Un modulo accoglie le rappresentazioni simboliche come input e computa rappresentazioni simboliche in output. Alla periferia del sistema ci sono trasduttori d'input e d'output, in altre parole strutture che trasformano la stimolazione sensoriale in rappresentazioni d'input e rappresentazioni d'output in movimenti fisici. L'intero sistema, e ognuno dei suoi moduli, opera ciclicamente: input, manipolazione di simboli interni, output.

L'approccio computazione fornisce una struttura molto potente per sviluppare teorie e modelli dei processi cognitivi. Il classico lavoro di Newell, Simon e Minsky fu uno dei primi. Su questa scia, centinaia di modelli furono prodotti. Ognuno di tale produzione puq divergere per alcuni particolari dal modello base, ma quasi tutti concordano con le sue assunzioni pi profonde. Secondo Kuhn l'approccio computazionale pu essere definito dome un paradigma di ricerca in quanto definisce un ventaglio d'interrogativi e le risposte a tali interrogativi; fornisce inoltre un insieme d'esemplari, ovvero classici pezzi di ricerca che definiscono come la cognizione deve essere pensata e cosa conta per creare un modello di successo. Migliaia di libri sono stati dedicati alla sua articolazione e difesa. Sfortunatamente tale approccio ha un piccolo problema: i sistemi di cognizione naturali della gente o di altre specie animali non sono computers.

Uno dei problemi principali che definisce il fallimento dell'approccio computazionaleil tempo. I processi cognitivi e i loro contesti si attuano continuamente e simultaneamente in tempo reale. I modelli computazionali specificano sequenze discrete di stati interni statici in stati arbitrari di tempo (T1, T2).

Prendiamo per esempio il processo di decisione. Voi avete un ventaglio di scelte, e considerate prima una e poi le altre. In tale scelta, c esitazione, ansiet. Arrivate ad una scelta, ma l'attrazione per un'altra alternativa rimane. Com considerato tale processo nell'approccio computazionale? Il sistema comincia ad organizzare rappresentazioni simboliche del ventaglio di scelte e dei loro possibili risultati, associando a tali rappresentazioni valori. Con una sequenza di manipolazioni di simboli, il sistema calcola il valore complessivo per ogni scelta e determina il risultato con il pi alto valore. Il sistema adotta quest'ultima scelta. Fine del processo decisionale. Esistono molte variazioni su questo tema. Differenti modelli propongono regole differenti per calcolare la scelta che il sistema adotta. Ma nessuno di tali modelli tiene conto perfettamente di tutti i dati che riguardano le scelte che fanno gli umani. Per esempio, niente si dice sul corso temporale dello sviluppo della scelta: quanto tempo ci vuole per arrivare ad una decisione; come tale decisione dipende da tale tempo di delibera, come una scelta pu apparire alcune volte attraente altre volte meno. I modelli computazionali sono incapaci di fare tali predizioni, perch essi non considerano il tempo o meglio lo considerano semplicemente come un'astratta sequenza di stati simbolici.

Qual i l'alternativa all'approccio computazionale?

In anni recenti, molta gente si i rivolta al paradigma alternativo, il connessionismo, in altre parole la modellazione di processi cognitivi usando reti d'unit neurali come alternativa. Ma tali proposte spesso disistimano la profondit e la pervasivit delle assunzioni computazionali. La maggior parte dei lavori connessionisti i solo una variazione del computazionalismo, sostituendo patterns d'attivazione ai simboli. L'alternativa dovrebbe essere un approccio allo studio della cognizione che comincia dall'assunto che i processi cognitivi accadono nel tempo. Tempo reale. Esiste gi una struttura matematica per descrivere come i processi in un sistema naturale si sviluppano nel tempo reale. E' il modello dinamico. Tale sistema i quello pi utilizzato, il pi potente e di successo il pi sviluppato e compreso nella struttura descrittiva di tutte le scienze naturali. E' usato per spiegare e predire i fenomeni pi diversi quali i moti subatomici, il sistema solare, i flussi dei fluidi e gli ecosistemi.

Perch non utilizzarlo per descrivere i processi cognitivi?

Per cui si pu affermare che un approccio alternativo i l'approccio dinamico allo studio dei processi cognitivi. Il cuore i l'applicazione degli strumenti matematici della dinamica allo studio della cognizione. La dinamica fornisce una vasta disponibilit di concetti e di strumenti di modellizzazione.

Da quest'assunto si ricava che il sistema cognitivo non i un computer, i un sistema dinamico. Il sistema cognitivo non i una manipolazione sequenziale e discreta di strutture rappresentazionali statiche; piuttosto, i una struttura di cambiamento influenzantesi, muti e simultanei. I suoi processi non accadono nel tempo arbitrario e discreto dei passi del computer. Piuttosto essi si dispiegano nel tempo reale del cambiamento che avviene nell'ambiente, nel corpo e nel sistema nervoso. Il sistema cognitivo non interagisce con altri aspetti del mondo passando messaggi o comandi. Esso evolve continuamente con loro. L'approccio dinamico nonun'idea nuova. Le teorie dinamiche sono state compresenti all'interno delle scienze cognitive. Non i una visione di come le cose dovrebbero essere fatte, ma una modalit gi esistente, per esempio nella modellazione neurale, nelle neuroscienze cognitive, nella robotica situazionale, nel controllo motorio e nella psicologia ecologica.I modelli dinamici si stanno sviluppando nella psicologia cognitiva, la psicologia dello sviluppo e persino in alcune aree della linguistica. In breve, l'approccio dinamico i un modo di riorganizzare concettualmente le scienze cognitive e come sono attualmente praticate. L'approccio dinamico sarpresentato nelle sue linee essenziali. Gli studiosi dell'approccio dinamico sono gruppi altamente diversi e nessuna caratteristica li potrebbe descrivere in modo coerente anche se le posizioni che rappresentano sono uno standard dell'approccio dinamico. Tale modo pu servire come un punto di riferimento per la comprensione della ricerca dinamica. L'intento principale di tale approccio i quello di comprendere i sistemi cognitivi naturali, cio i sistemi biologici evoluti come gli umani e gli altri animali.

Che cos l'approccio dinamico?

Il cuore dell'approccio dinamico pu essere succintamente espresso nella forma di un'ipotesi empirica molta vasta sulla natura della cognizione. Per decenni, la filosofia delle scienze cognitive i stata dominata dall'ipotesi computazione e cio che i sistemi cognitivi sono un genere speciale di computer. L'approccio dinamico ritiene che i sistemi cognitivi naturali possano essere compresi dalla prospettiva dinamica. Per questo essi, all'interno di questo nuovo paradigma di ricerca, sono visti come sistemi cognitivi dinamici.

La nozione di sistemi dinamicipresente in un largo ventaglio di contesti matematici e scientifici. Tali sistemi dinamici sono caratterizzati da stati numerici che evolvono nel tempo secondo alcune regole. Per cominciare si pu affermare che un sistema i un insieme di aspetti cambianti del mondo. Lo stato del sistema ad un tempo datocome tali aspetti si presentano a quel tempo. IL comportamento del sistema i il cambiamento nel tempo e nello stato corrispettivo. La totalit di tutti gli stati del sistema costituiscono un insieme di stati o spazio dello stato. In tal modo il comportamento del sistema pu essere pensato come una sequenza di punti nel suo spazio dello stato. Non tutti gli aspetti del mondo costituiscono un sistema. Un sistemadistinto dal fatto che i suoi aspetti in qualche modo si appartengono. Questo vuol dire due cose. Primo, gli aspetti devono interagire con ogni altro; il modo in cui ognuno di essi cambia deve dipendere dal modo in cui sono gli altri.

Secondo, se c qualche altro aspetto del mondo che interagisce in questo senso con ogni cosa nell'insieme, allora esso pure i realisticamente parte dello stesso sistema. In breve, perch un insieme di aspetti venga qualificato come un sistema, essi devono essere interattivi e auto-contenuti: il cambiamento in ogni aspetto deve dipendere da e solo da altri aspetti nell'insieme.

I sistemi dinamici sono generi speciali di sistemi. Per vedere alcune loro qualit, noi abbiamo bisogno di un'altra nozione quella di sistemi a stato-determinato (Ashby, 1952) Un sistemaa stato determinato soltanto quando il suo stato corrente sempre determina un unico comportamento futuro.

Lo Human Computer Interaction (HCI) riguarda la progettazione di sistemi computerizzati che aiutano gruppi di persone a svolgere le loro attivit in modo produttivo e sicuro, all'interno di ambienti lavorativi ma anche ricreativi ed educativi. Il computer, come mezzo cognitivo, sta diventando uno strumento che attualmente, grazie agli avanzamenti tecnologici, utilizzato non solo da esperti (come succedeva una trentina di anni fa) ma da una vasta gamma di utenti per i fini pi svariati. I primi computer, comparsi sulla scena commerciale intorno al 1950, erano estremamente difficili da usare, erano molto grandi e costosi, utilizzati esclusivamente da scienziati ed ingegneri, i quali erano gli unici a possedere i "linguaggi specializzati" per farli funzionare. Da allora molte cose sono cambiate. In primo luogo i computer sono diventati meno costosi e soprattutto pi piccoli e pi usabili e c' stato un processo di adeguamento fra l'uomo e questi strumenti perch si arrivasse a renderli pi facili e pi maneggevoli. Ma per quanto lo sforzo si sia concentrato sulla semplificazione dei linguaggi di interazione (gli strumenti per poter far funzionare correttamente i computer: le interfacce), siamo ancora molto lontani da realizzazioni che siano immediatamente fruibili e facili da apprendere. Infatti, nonostante in questa ultima decade, anche i bambini (vedi Kid Sim, una speciale interfaccia per bambini sviluppata presso il Media Lab del Massachusetts Institute of Technology) e le persone portatori di handicap (vedi tutta la tecnologia cosiddetta "assistiva") li possono utilizzare proficuamente e con personale soddisfazione, il gap fra la psicologia umana e processi di pensiero biologici da una parte e macchina dall'altra ancora notevole.

Pertanto proprio le ricerche di psicologia, pi di quelle tecnologiche, sono oggi determinanti per compiere passi avanti. Lo sviluppo dei primi personal computer nei primi anni '70, dovuto agli avanzamenti della ricerca tecnologica che ha messo a punto il "chip" di silicone, l'abilit ingegneristica non solo di miniaturizzare i circuiti ma anche di mettere insieme un gran numero di chip, ha dato luogo alla realizzazione di computer sempre pi potenti, con una grande capacit di stivare e processare materiale informativo in formato digitale. La diffusione di questi sistemi computazionali ormai quasi capillare. I computer sono usati in tutti i settori produttivi (commercio, industrie, difesa, trasporti) e si stanno ormai affermando prepotentemente anche nel settore dell'intrattenimento e dell'educazione. Si pu dire che vasti strati della popolazione odierna, a qualsiasi livello di et, dai bambini agli anziani, sono in qualche modo influenzati dai computer. Questo fenomeno, di proporzioni ormai enormi, sta inducendo i progettisti a pensare a dei sistemi computerizzati che si adattino a bisogni fra i pi diversificati. Infatti, perch i computer siano un prodotto di consumo e accettati dagli utenti, necessario che siano prima di tutto ben progettati. Questo non vuol dire pensare ad una progettazione individualizzata, ma certamente specifica per i bisogni e le capacit di determinate classi di utenze.

In ogni caso, la parte progettuale (come i computer sono costruiti nel loro interno, la loro architettura di circuiti, ecc. ) non necessariamente interessa l'utente ed ha poca influenza su un utilizzo "esperto" del sistema. Una buona progettazione influisce nell'interazione fra sistemi computerizzati ed utenti (ma anche nell'interazione uomo oggetti della vita quotidiana) attraverso il modello mentale di funzionamento del sistema stesso che deve essere compreso dall'utente. A questo proposito Norman ( 1988 ,1992 ) individua due concetti chiave per una buona progettazione. L'autore parla di "visibilit" ed "affordance". Con il primo concetto egli intende la possibilit per l'utente di controllare visivamente tutta la mappa dell'interazione, individuando nel sistema le parti interagibili (bottoni, leve, altro) che producono un feed-back e che permettono di capire a cosa servono e soprattutto la loro funzione nel processo di interazione. Il secondo concetto "affordance" un "termine tecnico che si riferisce alle propriet degli oggetti, ovvero quali operazioni possono essere fatte su un particolare oggetto". Le porte per esempio suggeriscono l'apertura, le sedie il supporto. Le affordance giocano un ruolo dominante nella progettazione di oggetti. Ma cosa realmente importante la funzione che viene percepita attraverso l'espressione delle qualit caratteristiche, inerenti all'oggetto stesso. Molte volte l'estetica, nella progettazione di un oggetto, in contrasto netto con la funzionalit e con il far percepire all'utente tale funzionalit.

Un altro importante concetto che riguarda lo Human Computer Interaction quello di "interfaccia utente", anche nota come "interfaccia uomo-macchina".Moran(1981)definisce questo termine come tutti "quegli aspetti del sistema con cui un utente viene in contatto" che si traducono, per l'utente in un linguaggio per inviare informazioni (input language) al sistema, e per la macchina, in un linguaggio di risposta (output language) verso l'utente. Tali linguaggi innescano un ciclo comunicativo dialogico e determinano lo sviluppo del processo di scambio, che si effettua normalmente nell'interazione uomo-computer.Le interfacce si sono evolute nel tempo. Negli anni '70, quando ci fu la grande esplosione tecnologica, le case produttrici si accorsero che, migliorando la parte fisica dell'interfaccia utente, rendendola pi accattivante e comprensibile (quindi pi funzionale), i computer potevano essere pi graditi sul mercato. Sotto la spinta commerciale, nacquero le cosiddette interfacce amichevoli, le cui qualit principali furono quelle di rivelarsi, almeno nei primi tempi del loro avvento, piacevoli esteticamente e restando, dal punto di vista dei bisogni di chiarezza e funzionalit dell'utente, perfettamente incomprensibili. Al contrario, nello stesso periodo, la ricerca sul settore era impegnata a verificare come l'uso dei sistemi computerizzati potesse migliorare e arricchire la vita personale e lavorativa degli utenti. In particolare, l'attenzione dei ricercatori era concentrata sulle capacit e i limiti degli utenti umani, per capire il lato umano dell'interazione con i computer e cio le abilit di tipo psicologico coinvolte nell'interazione.

Successivamente ci si rese conto che, anche i problemi riguardanti il training, le pratiche di lavoro come la gestione e l'organizzazione, la salute e fattori neuro fisiologici, uniti a fattori ambientali, possono influire sull'interazione fra uomo e sistemi computerizzati. Questo settore di studi fu chiamato Human Computer Interaction. Tale "disciplina riguarda la progettazione, la valutazione e l'implementazione di sistemi interattivi di computazione per uso umano e lo studio dei principali fenomeni che li circondano" ( ACM SIGCHI, 1992 ). Da quando fu costruito il chip di silicone (che ha permesso a cos tanta gente di venire in contatto con i computer), la velocit di innovazione tecnologica non diminuita. Lo sviluppo di macchine sempre pi potenti dal punto di vista della processazione delle informazioni un trend che continua, in combinazione con miglioramenti tecnologici sia nella struttura hardware che software. Strumenti speciali permettono agli utenti di esplorare oggetti e di spostarli in ambienti virtuali; le applicazioni multimediali in cui suono, immagini statiche e in movimento, video e testo sono strutturati insieme sono diventati patrimonio comune; sviluppi nelle telecomunicazioni come i Servizi Digitali Integrati di Rete (ISDN ovvero Integrated Services Digital Network) permettono che flussi sempre crescenti di informazioni di tutti i tipi (immagini, video, testi e suono) siano organizzati, veicolati e fruiti attraverso le reti, con grande efficienza e qualit. Tali informazioni, stivate nei database (grandi librerie di documenti in formato digitale, ovvero processabili dai computer) possono essere raggiunte da ogni cittadino, stando comodamente seduto a casa propria.

Che cosa significa Intelligenza Artificiale? Abbiamo visto che lintelligenza gi di per s un concetto abbastanza difficile. La parola intelligenza deriva dal latino legere che significa raccogliere, collezionare, costruire. Intellegere di solito si pensa abbia significato di scegliere tra, comprendere, percepire e conoscere. Feigenbaum e McCorduk (1983) commentavano: Se potremo immaginare un artefatto che possa raccogliere, costruire, scegliere, capire, percepire e conoscere, allora tale artefatto avr unintelligenza artificiale. La definizione di I.A. che ognuno d, dipende fortemente dalle proprie aree di interesse. Cos Margaret Boden (1977) dichiara: Una cosa per certa: lIntelligenza Artificiale non lo studio dei computer. I calcolatori sono macchine metalliche di interesse specifico per gli ingegneri elettronici, ma come tali, per non molte altre persone. Per I.A. Boden intende luso dei calcolatori e di tecniche di programmazione al fine di far luce sui principidellintelligenza in generale e del pensiero umano in particolare.

Lidea che lespressione possa essere usata come un termine che copra tutta la ricerca fatta con delle macchine, che sia in qualche modo in relazione con la psicologia e la conoscenza umana.... In un approccio del genere lenfasi posta sul software: sembra persino che si debba immaginare che, quando uno ha scritto una sequenza accettabile di istruzioni in codice, abbia creato un certo tipo di macchina con intelligenza artificiale. Ma non tutti i ricercatori considerano i computer come relativamente privi di importanza: limmagine delle lattine di hardware non universale. Un programma pu, ad esempio simulare il comportamento di un robot, ma la sua importanza pratica dipende unicamente dal fatto che sia disponibile un sistema fisico su cui esso possa venire eseguito. Marvin Minsky, in una famosa citazione ha suggerito il carattere pratico dellIntelligenza Artificiale: LIntelligenza Artificiale la scienza che si occupa di far fare alle macchine cose che, se fatte da un uomo, richiederebbero intelligenza.

Ma la definizione non dice nulla sulla natura dellintelligenza. Come si visto, in genere si ritiene che la capacit umana di compiere calcoli complessi richiede intelligenza, ma assai di rado i ricercatori nel campo dellIntelligenza Artificiale includono tale tipo di capacit in tale ambito. Ho gi indicato qualcosa sulle caratteristiche dellIntelligenza Artificiale, dando un elenco di attivit tipiche dei ricercatori in questo campo, come la risoluzione dei problemi, la percezione ed i giochi. Un altro approccio consiste nellelencare gli scopi dellIntelligenza Artificiale in termini pi generali.

In questo modo si pu dare una definizione efficace di Intelligenza Artificiale Aron Sloman (1978), per esempio vede tre fini principali della ricerca sullintelligenza artificiale:

- analisi teoretica delle possibili spiegazioni efficaci del

comportamento intelligente;

- spiegazione delle capacit umane;

- costruzioni di artefatti intelligenti.

Queste finalit cos estese implicano il nascere di molte ulteriori questioni. Si riconosce che il comportamento intelligente ha a che fare con la capacit di costruire, descrivere, interpretare, confrontare, modificare ed usare strutture complesse, comprese certe strutture simboliche come le frasi, i dipinti, le carte ed i piani dazione. Per di pi la ricerca nellIntelligenza Artificiale che specifica del dominio destinata a sovrapporsi alla ricerca in altre discipline, molte delle quali hanno riferimenti umanistici (psicologia, educazione, antropologia e fisiologia). E impossibile, ad esempio far comprendere ad un calcolatore un linguaggio naturale (come linglese o il giapponese) senza la sintassi e la semantica (cio senza interessarsi di linguistica). La difficolt nel definire lIntelligenza Artificiale deriva da due fattori principali. Il primo che la stessa intelligenza mal definita e poco compresa; il secondo che molti individui hanno una riluttanza profondamente radicata ad ammettere che degli artefatti possano sviluppare attributi mentali.

Il secondo motivo inevitabilmente confonde il gioco di definizione: qualsiasi cosa i computer realizzano gli scettici guardano sempre a quelle cose ancora non ottenute che costituiscono la vera intelligenza. Per chiaro che pi i computer si avvicinano alle capacit umane pi sar difficile dimostrare che essi non hanno un comportamento veramente intelligente.

Molti dei primi obiettivi degli entusiasti dell Intelligenza Artificialesono ancora irrealizzati. Per esempio, non vi ancora un traduttore universale di linguaggio ed il campione mondiale di scacchi ancora un essere umano.

Nello stesso tempo, importanti progressi dell Intelligenza Artificialesono stati fatti in un certo numero di campi diversi; tra questi :

- traduzione automatica dei linguaggi;

- giochi (scacchi, backgammon, bridge, poker, ecc...);

- dimostrazione di teoremi (nella logica simbolica e nella

geometria elementare);

- lettura di caratteri manoscritti o stampanti;

- riconoscimento di elementi in unimmagine fotografica;

- riconoscimento di facce umane (anche quando assumono

differenti espressioni);

- riconoscimento di parole parlate e del parlare continuo;

- comprensione dei linguaggi naturali (risposte a domande e

riassunto di parti di testo);

- scrittura di poesiee brevi storie;

- composizione di melodie musicali ed armonizzazioni;

- pensiero per analogie (ad esempio usando forme geometriche);

- diagnosi di difetti e guasti in circuiti elettrici.

In una indagine sulle possibilit dei computer (Winston, 1979) viene puntualizzato che essi, in vario modo possono:

- effettuare prove di intelligenza geometrica;

- apprendere nozioni matematiche, geometriche e di altre discipline;

- comprendere un inglese semplice;

- comprendere semplici disegni;

- risolvere problemi matematici, chimici, medici ed altri campi;

- comprendere circuiti elettronici;

- compiere utili lavori nellindustria;

- modellare i processi psicologici umani;

-costruireagenti intelligenti;

-costruirecaratteri sintetici.

Sintetizzando, Winston, scrivendo parecchi anni dopo, commenta il fatto che i computer possono gi svolgere molte cose che richiedono intelligenza: Possono risolvere molti problemi come degli esperti, fare dei ragionamenti geometrici, risolvere problemi matematici, apprendere semplici concetti, comprendere semplici disegni, ingaggiare semplici dialoghi e compiere attivit utili. Oggi con il crescente interesse nei sistemi esperti e limpatto del programma giapponese della quinta generazione c sempre un pi ampio riconoscimento delle possibili collocazioni di artefatti intelligenti.

Un agente autonomo pu essere visto come un sistema capace di interagire indipendentemente ed efficacemente con il suo ambiente attraverso i suoi sensori ed i suoi effettori per compiere alcuni compiti (Davidsson, 1996).

Mentre lIntelligenza Artificiale e il settore computazionale della Scienza Cognitiva si sono concentrate sulla i modellizzazione dellesecuzione di alcuni compiti che sono facilmente descrivibili in termini di un ben specificato insieme di simboli e un articolato insieme di regole per operare su quei simboli (Simon, 1990), ma tralasciando completamente il problema di come quei simboli sono correlati allambiente (Harnad, 1990), il settore di ricerca sugli Agenti Autonomi sta cercando di sviluppare modelli alternativi di progettazione e dimplementazione di sistemi intelligenti.

Il punto di partenza sempre lo studio dellintelligenza. Ci sono due tipi di approcci per analizzare il problema.

a) Si pu studiare lintelligenza o la cognizione dal punto di vista computazionale, attraverso la modellazione cognitiva (cognitive modeling), che cerca di sviluppare teorie dei processi cognitivi negli umani e negli animali.

b)Si pu studiare lintelligenza dal punto di vista ingegneristico, che tenta di esplorare tutti i possibili meccanismi cognitivi, senza rispetto della loro occorrenza negli organismi viventi.

Contribuiscono al primo approccio:

a) la Psicologia Cognitiva che studia come gli umani trattano i concetti nei processi di memoria, di percezione, ragionamento, ecc.;

b) la Filosofia ( in maniera particolare la branca specializzata della Filosofia della Mente) disciplina nella quale le questioni ontologiche ed epistemologiche riguardano la natura dei concetti studiati;

c) la Psicologia dello sviluppo, che tratta le questioni che riguardano come formiamo e impariamo i concetti durante lo sviluppo ontogenetico;

d) la Linguistica, settore in cui sono studiate le relazioni fra concetti e linguaggio;

e) la Neurologia, che investiga la processazione di basso livello dei concetti nel cervello;

f) le Neuroscienze, che si interessano di correlare particolari aree cerebrali con la produzione di concetti.

Per quanto riguarda lapproccio ingegneristico esso stato adottato nel campo dellIntelligenza Artificiale.

Per la costruzione di agenti autonomi attualmente viene utilizzato un approccio misto che presuppone che il compito di crearetali sistemi intelligenti non equivalente alla modellizzazione cognitiva, in quanto un modello cognitivo non necessariamente deve essere un modello reale della cognizione umana per essere utile in in Intelligenza Artificiale. Per cui i ricercatori di questo settore non si interessano della plausibilit dei modelli presentati.

Un agente autonomo pu essere visto come un sistema capace di interagire indipendentemente ed efficacemente con il suo ambiente attraverso i suoi sensori ed effettori per compiere qualche compito o dato in partenza o autogenerato dallagente stesso. Il compito dellIntelligenza Artificiale quello di creare agenti autonomi artificiali capacidi raggiungere il livello di performance umana. Uno sguardo alla ricerca corrente in Intelligenza Artificiale rivela che si distanti dal raggiungere tale obiettivo.Tutti gli agenti autonomiin Intelligenza Artificiale hanno, pi o meno, una architettura formata da sensori, magazzini dei dati sensoriali, un gruppo di processo, un sistema dove sono stivate le azioni, gli effettori. I sensori (visivi, direzionali e di tatto) ricevono input dallambiente e forniscono dati per la componente cognitiva. In seguito, la componente cognitivadecide quale azione eseguire e comanda gli effettori (differenti tipi di motori) per espletare queste azioni.

Differenti tipi di agenti

Esistono differenti tipi di agenti in Intelligenza Artificiale. E possibile dividere le classi pi generali di agenti autonomi in categorie sulla base di come, e in quale grado,essi realmente interagiscono con il mondo reale. Due caratteristiche importanti sono se tali agenti sono situati oppure no, se sono incorporati oppure no. Secondo Brooks (42)gli agenti situati(situated agentes)sono situati nel mondo nel senso che essi non trattano solo con una descrizione astratta di esso. Le caratteristiche ambientali influenzano direttamenteil comportamento dellagente..

Gli agenti incorporati (embodied agents) hanno corpi ed esperiscono il mondo direttamente; le loro azioni sono parte di una dinamica con il mondo, e le azioni hanno immediato feed-back sulle sensazioni proprie del robot (Brooks).

Gli agenti che non sono n situati n incorporati sono quelli che hanno meno interazioni con il mondo reale; essi sono in fondo simulazioni di computer di agenti reali . Una classe di agenti incorporati che non sono situati, sono i robot industriali. Essi hanno corpi fisici ma non usano linformazione sul corrente stato dellambiente per guidare il loro comportamento; eseguono una serie di azioni pre-programmate. Per esempio, un sistema per fare la prenotazione di biglietti situato, come gli eventi nellambiente (richieste, cambi nel DB) e direttamente influenzano il suo comportamento.

Poich il sistema non fisico e linterazione con lambiente consiste soltanto nel mandare e ricevere messaggi, tale sistema non pu essere considerato incorporato. Altri tipi di sistemi che appartengono a tale categoria sono i software agents, o softbots, agenti che operano in ambienti software (operating system o databases).

Embodied Situated mobile robotsNon situated traditional industrial robot

Not embodiedSoftware agents Computer simulation

Nei sistemi di Intelligenza Artificiale tradizionali, un operatore umano presente e descrive lambiente (il problema) mandando informazioni al computer. I risultati della computazione del computer sono interpretati dalloperatore, il quale, in seguito, esegue lazione richiesta.

Un agente autonomo, daltra parte, deve osservare lambiente da s e trasformare queste osservazioni in descrizioni per il computer che verranno computate ulteriormente. Inoltre, esso deve interpretare i risultati delle sue computazioni e in seguito eseguire le azioni appropriate.

(Multi Agent System, MAS)

Multi Agent System un sottocampo emergente dellIntelligenza Artificiale che ha come scopo quello di fornire principi per la costruzione di sistemi complessi che coinvolgono molti agenti e meccanismi di coordinazione del comportamento di tali agenti.

Anche se non esiste una definizione generalmente accettata di Agente in Intelligenza Artificiale, alcuni autori (per esempio, Stone e Veloso, 1997) considerano un agente come una entit dotata di obiettivi, azioni, un dominio di conoscenza, situato in un ambiente. Il modo in cui agisce detto comportamento. Il settore si sta sviluppando nel campo della Intelligenza Artificiale distribuita (Distribuited Artificial Intelligence, DAI), un sottosettore dellIntelligenza Artificiale che applica le tecniche sviluppate in questultimo settore ai problemi della computazione distribuita. I principali argomenti considerati in tale sottosettore sono la gestione dellinformazione come la decomposizione del compito e la sintesi di soluzione.

Parallelamente al DAI, negli anni passati emerso un altro settore che si focalizzato sulla gestione del comportamento, piuttosto che sulla gestione dellinformazione: il settore che riguarda i Multi Agent Systems (MAS). In tale campo di ricerca i sotto problemi di un problema pi generalesono risolti da differenti agenti problem solvers, ciascuno con propri interessi e propri obiettivi. In questi ultimi tempi si sta assistendo alla nascita di sistemi con agenti multipli di ogni tipo, persino con alcuni veicoli autonomi e agenti umani che interagiscono.

Il settore organizzato in una serie di scenari multi agente, a complessit crescente. Infatti, poich i sistemi multi agenti sono anche molto eterogenei, oltre che complessi, per creare una tassonomia di tali sistemi, sono state individuate due dimensioni di analisi: eterogeneit degli agenti e quantit di comunicazione fra gli agenti.

Le reti neurali (Neural Networks), o per meglio dire le reti neurali artificiali (Artificial Neural Networks) per distinguerle dalle reti neurali di tipo biologico, le cui architetture sono sicuramente pi complesse, sono una struttura composta da processori semplici, le unit, ognuna delle quali ha un piccolo deposito di memoria locale. Le unit sono connesse da canali di comunicazione unidirezionali (le connessioni), che trasportano dati numerici o digitali. Le unit operano soltanto sui loro dati locali o sugli input che ricevono attraverso le loro connessioni. Una rete neurale uno strumento di processazione di informazioni, e pu concretizzarsi sia in un software (un algoritmo) sia in uno strumento hardware, la cui progettazione emula in qualche modo la progettazione e il funzionamento del cervello umano e dei suoi componenti. Numerose reti neurali hanno regole interne che permottono loro di apprendere dall'esperienza; attraverso tali regole possibile cambiare i pesi delle connessioni, sulla base dei modelli di presentazione appresi durante il training formativo iniziale. Per cui si pu dire che le reti neurali sono algoritmi, ispirati pi o meno dal tipo di strutture computazionali trovate nel cervello, che permettono ai computer di imparare dall'esperienza. Tali reti contengono elementi di processo, conosciute come "unit", che sono analoghe ai neuroni. Questi elementi sono classificati come unit di input, unit nascoste e unit di output. Se una di queste unit viene connessa ad un'altra, l'attivit di una unit influenza l'attivit dell'altra. L'inclinazione all'attivit che in una unit induce o inibisce l'attivit nell'altra il "peso" della connessione tra queste unit. Le reti imparano modificando le forze o i pesi di queste connessioni. Le unit di input, come i recettori dei sensori del sistema nervoso biologico, ricevono informazioni dal mondo esterno alla rete. Nel sistema nervoso, un recettore sensoriale deve tradurre un segnale come per esempio l'intensit luminosa nella forza di un segnale.

In una rete connessa pienamente, tutte le unit di input si connettono a tutte le unit nascoste, e tutte le unit nascoste si collegano a tutte le unit di output. Esistono molte variazioni su questo tema. Questa classe di reti detta di "preazione" (feed-forward) perch l'attivit in una unit influenza soltanto l'attivit delle unit nello strato posteriore, non quelle del primo strato. Esistono anche reti ricorrenti o di ritorno (feed-back or recurrent networks). Per ogni connessione fra due unit, un "peso" caratterizza la "forza" della connessione. L'apprendimento della rete richiede la modificazione selettiva di questi pesi, e differenti strategie sono state investigate per compiere questo processo. Le reti imparano, modificando successivamente la forza delle connessioni fra le unit, nella direzione di ridurre l'errore in fase di output.Backpropagation dell' errore Lo stato dinamico di una rete neurale determinato dalla funzione di trasferimento dei segnali da uno strato all'altro o tra strati di unit. In una rete che non apprende, tutti i pesi delle unit sono fissati e non cambiano. I pesi iniziali possono essere stabiliti da un algoritmo, oppure possono essere dati a caso. I pesi di interconnessione fra le unit sono cambiati in funzione dell'algoritmo di apprendimento. L'obiettivo principale quello di aggiustare i pesi cosicch l'errore nello strato di output venga ridotto. La "backpropagation of errors" attualmente l'algoritmo di apprendimento pi usato per reti multistrato. Esistono tuttavia centinaia di algoritmi di apprendimento.

Tale algoritmo prima aggiusta i pesi connessi allo strato di output. Dopo, lavorando a ritroso sullo strato di input, aggiusta i pesi in ogni strato successivo per ridurre l'errore ad ogni livello. Per rendere questo processo concreto e contestualizzarlo nell'argomento che si sta trattando, il riconoscimento automatizzato di facce all'interno della Computer Vision, riportiamo brevemente come pu essere utilizzata una rete neurale in questo settore. Un insieme di immagini di facce servono come input. Valori normalizzati di livelli di grigio per ogni punto dell'immagine (formata da 30x30 pixel) forniscono i valori per ognuna delle 900 unit di input. Queste attivit sono passate, attraverso pesi inizialmente casuali, a 40 unit nascoste, che, a loro volta, sono connesse, inizialmente da pesi dati a caso, ad una singola unit di output. Questa unit fornisce alla fine del processo il valore di zero, se la faccia input di sesso femminile; e il valore uno se la faccia input di sesso maschile. L'output attuale non avr alcuna somiglianza all'output desiderato, in quanto i pesi sono stati dati inizialmente a caso. L'errore di output sar calcolato. La rete deve imparare a riconoscere le facce, per cui deve fare un training appropriato.

Dopo che tutte le facce che sono servite per il training, sono state presentate (riservando solo alcune facce per verificare e testare la rete pi tardi), sar calcolata la somma di tutti gli errori per tutte le facce e i pesi saranno modificati leggermente, per far s che la rete svolga meglio il suo compito con il prossimo gruppo di immagini. Questo processo sar ripetuto fino a quando la rete non svolge bene il compito del riconoscimento. A questo punto, verranno presentate le immagini test (sulle quali la rete non aveva svolto alcun training) per valutare la performace della rete nell'esecuzione del compito. Le 40 unit nascoste sono una rappresentazione sottodimensionata della faccia. Molti dei misteri che riguardano le propriet matematiche delle reti neurali di preazione e della backpropagation sono state sottoposte ad analisi negli ultimi anni. Attualmente si sa che tali reti sono degli approssimatori, nel senso che le reti di preazione possono approssimare funzioni con comportamenti chiari ad una accuratezza arbitraria. Reti con unit nascoste lineari eseguono l'analisi dei componenti principali (eigenfaces); reti con unit nascoste non lineari forniscono una generalizzazione non lineare di queste tecniche.

Attualmente le reti neurali sono utilizzate in un numero di settori disciplinari veramente vasto, coinvolgendo diversi ricercatori, tra cui: scienziati che si occupano di computer e simulano attraverso le reti neurali tutti quei fenomeni che trattano la processazione di informazione non-simbolica e i sistemi di apprendimento in generale; ingegneri, di diversa estrazione disciplinare, sfruttano le capacit delle reti neurali in molte aree di ricerca (signal processing and pattern recognition) per risolvere i loro problemi applicativi; ricercatori di scienze cognitive, i quali vedono nelle reti neurali uno strumento che fornisce la possibilit di descrivere ed esplorare le funzioni del cervello di medio livello, quali la memoria, il sistema sensorio, il sistema motorio umano e artificiale; fisiologi, i quali usano le reti neurali per modellare i fenomeni nella meccanica statistica e per molti altri compiti; biologi, che usano le reti neurali per interpretare le sequenze di nucleotidi del DNA; filosofi e linguisti, per lo studio delle reti semantiche e per varie altre ragioni. Le architetture di rete cosidette di preazione sono usate in molte applicazioni di reti neurali e sono molto versatili. Per molte applicazioni come per esempio il riconoscimento del parlato, in cui l'informazione da processare si sviluppa nel tempo, i modelli temporali possono essere mappati in un insieme spaziale, convertendo il modello temporale in un modello spaziale, un arrangiamento chiamato "rete neurale con tempo ritardato"(time-delay neural network) ( SejnowskieRosenberg , 1987 Architetture di reti neurali pi avanzate incorporano propriet dinamiche, tali come la processazione temporale nei nodi (costanti di tempo o memoria a breve termine) e connessioni ). per il feed-back ( Pearlmutter , 1989 ). Queste architetture di reti neurali sono anche state usate per risolvere i problemi di controllo meccanico, come il controllo di un arto di un robot ( Jordan etal., 1992 ) o il tracciato dell'occhio che si muove seguendo oggetti in movimento ( LisbergeSejnowski , 1992 ).

Lista di risorse sulle Neuro scienze

Autonomic NervousSystem A web-based tutorial and on the structure and function of the autonomic nervous system.(Kenneth Chan)

Blood Supplyof theBrain A strait-forward explanation of the blood supply to the central nervous system. Also discusses the basics of stroke (brain attack).(Eric Chudler )

BrainModelTutorial Uses some nice graphics to give a simple overview of the brain's gross anatomical features.(Mark Darty)

TheBrainPage A short quiz on neuroanatomy and function with some good dissection photos.

Brain Poke An interactive demonstration of what a brain surgery patient might perceive after stimulating certain areas of the cerebral cortex.(J.R. Leitch and Tyler Lorig)

BrainSurf An attractive web site with basic information about neuroscience, some games, a short glossary, and more.(Roger West, Paula Wirth, Cynthia Miller)

Brain Tutorial A fairly thorough overview of neuroanatomical aspects of the brain, it's blood supply, and basic function.

Cell Biology Laboratory Manual (A+)A comprehensive on-line manual of cellular biology and relevant methods.(William H. Heidcamp)

CNSExam (A+)This is cool. An on-line medical neuroscience exam with realtime scoring and answers. Two parts with questions1-55 , and56-99 .(Univ . Utah )

DoWe Use Only10% orOur Brain ? Learn the facts behind the myth.(Eric Chudler )

Drugs ,BrainsandBehavior (A+)An on-line textbook covering aspects of how drugs affect the way we act.(C.Robin Timmons&LeonardW.Hamilton )

Global Brainstem (A+)This is a very useful site that covers anatomy and some functional aspects of the brainstem nuclei. Includes quizzes.(John K. Harting)

Global Cerebellum This is a very useful site that reviews the anatomy and some functional aspects of the cerebellum.(John K. Harting)

Global Cranial Nerve Review This is a very useful site that reviews the cranial nerves.(John K. Harting)

Global Spinal Cord This is a very useful site that covers anatomy and some functional aspects of the spinal cord.(John K. Harting)

GlossariesofNeuroscience Terms Sites that provide dictionaries and glossaries relevant to neuroscience.

Howarewe protected fromthecold ? A short article that describes the physiological and behavioral strategies used by our brain to keep us the right temperature.(Brain Backgrounders )

Howdofactsstick inour mind ? A short article that describes the biological basis for memory.(Brain Backgrounders )

HowDoNerve Cells Communicate ? A short article that discusses how the function of neurons controls our actions.(Brain Backgrounders )

InternetResources for Teaching Neuroscience A good, concise list of useful resources for getting the basics in neuroscience from the internet.(Eric Chudler )

Know Your Brain Brain Basics: a quick overview of the brain and its function.(NINDS )

Medical Biochemistry An on-line biochemistry text book. Includes a section onBiochemistryofNerve Transmission .(MichaelW.King )

TheMedical Education WebRing A WebRing devoted to medical education sites. You can also visit theirhome page .

NeuroNationalBoardReview (A+)About to take your medical boards? Here's a site with a practice exam and real-time answers.(John K. Harting)

NeuroanatomyandPathologyon the Internet (A+)A guide for medical students and health professionals, it offers a variety of resources on anatomy, histology, publications and more.(Katalin Hegeds)

Neurological SurgeryQuiz (A+)An on-line exam of neurosurgical knowledge.(M. Sam Elijamel)

Neuromuscular DiseaseCenter This is a cool site, essentially a neuromuscular disease textbook on the web.(Alan Pestronk )

TheNeuronand TheNervousSystem Reviews the basics of the neuron, the brain and electrophysiology.(Sophie Duncan )

NeurOn Neuroscience research at NASA. Includes chat, question forum, images, and more.

Neurolab Explore NASA'a efforts in neuroscience research on the space shuttle.

Neurophysiology This site is useful. It's Neuro 101, lucidly explaining the physiology and function of the nervous system.(Univ. Waterloo)

Neuroscience Departments Homepage fo the Association of Neuroscience Departments and Programs.

Neuroscience Laboratory Experiments PDF files of a manual for 12 neuroscience experiments that can be used in the classroom - created by the National Association of Biology Teachers.

Neuroscience Tutorial Designed for medical students and Washington University School of Medicine.(Diana Weedman Molavi)

Neuroscience EducationPage Lists of links to various neuroscience information sources. Very useful!(Eric Chudler )

Neuroscience for Kids (A+)This is great site. It's designed for kids to learn about all aspects of neuroscience andfor teachers planning neuroscience education.(Eric Chudler )

NeuroscientistNetwork Q/A Kids and teachers get their neuroscience questions answered.(Eric Chudler )

Newton' sApple :Brain Non-technical explanations and demonstrations of neuroscience basics designed for kids.

Newton' sApple :Reflexes Non-technical explanations and demonstrations of neuroscience basics designed for kids.

Probe theBrain Interactive site that allows you to stimulate a brain from the comfort of your own computer. Also delves into the history of localization of function.(PBS )

Statistics :BytheNumbers A simple explanation of basics in statistics.(Eric Chudler )

What istheCerebellum ? A short article that describes the cerebellum and its role in regulating motor coordinated movement.(Brain Backgrounders )

What is Neuroscience ? A short article that explains what the discipline of neuroscience and what various sub-specialties of neuroscientists do.(Brain Briefings )

WritingandFunding Proposal Designed as a tool for advanced graduate students and others to learn more about the actual proposal writing process.(S. Joseph Levine)

WritingandPresenting Your Thesis Created to assist graduate students in thinking through the many aspects of crafting, implementing and defending a thesis or dissertation.(S. Joseph Levine)

Neuroscience Dictionary Neuroscience Education Neuroscience Textbook

La Linguistica Computazionale una disciplina che sta tra la linguistica tradizionale e la Computer Science che si interessa degli aspetti computazionali del linguaggio umano. Appartiene alle Scienze Cognitive e sconfina dentro l'Intelligenza Artificiale, una branca della Computer Science il cui scopo quello di costruire modelli delle facolt cognitive umane. La Linguistica Computazionale ha una parte applicativa e una parte teorica. La parte applicativa si interessa dei risultati pratici che si possono ottenere attraverso la creazione di un modello del linguaggio. Questi prodotti, che possono essere sia software che hardware, sono necessari per migliorare l'interazione uomo-macchina in quanto il principale ostacolo tra uomo e computer quello della comunicazione. Attualmente i computer non capiscono il linguaggio umano e i linguaggi di programmazione non sono cos "amichevoli" per gli utenti, anzi il pi delle volte risultano difficili e incomprensibili, soprattutto per i non addetti ai lavori. Inoltre i linguaggi di programmazione certamente non sono simili al modo di processare del pensiero umano.

Sebbene i programmi di Linguistica Computazionale sono molto lontani dal raggiungere l'abilit umana, essi hanno la possibilit di essere applicati in numerosi settori. Anche se il linguaggio che la macchina comprende e il suo dominio di discorsi molto ristretto, l'utilizzo del linguaggio umano nell'interazione uomo-computer o uomo-macchina pu aumentare l'accettazione e la gradevolezza degli strumenti di comunicazione tecnologica da parte degli uomini, con sicuri miglioramenti della loro produttivit. Le interfacce basate sul linguaggio permettono agli utenti di comunicare con il computer con qualsiasi lingua naturale. Alcune di tali interfacce sono applicazioni che permettono di inviare richieste ad un database per ottenere informazioni, di richiamare testi, oppure sono sistemi esperti. Gli attuali avanzamenti nel riconoscimento del linguaggio parlato migliorano l'usabilit di molti tipi di sistemi basati sul linguaggio naturale. La comunicazione con i computer, usando le interfacce basate sul linguaggio avranno sicuramente una ripercussione nel mondo del lavoro e sulle modalit di svolgere il lavoro stesso, sull'utilizzo dei nuovi strumenti di comunicazione da parte di disabili e gruppi svantaggiati, aprendo aree di applicazione completamente nuove per la tecnologia dell'informazione. Un altro problema che le interfacce basate sul linguaggio potrebbero risolvere quello della comunicazione fra persone che parlano lingue differenti.

Infatti, uno dei principali obiettivi della linguistica computazionale era (e lo ancora) quello di sviluppare sistemi di traduzione completamente automatizzati tra i linguaggi umani. Molti scienziati devono constatare amaramente che, ancora oggi, essi sono lontani dall'aver raggiunto questo obiettivivo. Ciononostante, la Linguistica Computazionale ha realizzato sistemi software che sicuramente (anche se certamente in modo molto limitato) possono aiutare il lavoro dei traduttori umani e chiaramente aumentare la loro produttivit. Il futuro della Linguistica Computazionale sar determinato dal crescente bisogno degli utenti di comunicare con i computer attraverso interfacce che utilizzino il linguaggio, ricreando condizioni di comunicazione molto simili ai modelli dell'interazione uomo-uomo. Anche se tale livello di imitazione della competenza linguistica umana non sar raggiunto nei prossimi anni, i ricercatori nel settore della Linguistica Computazionale hanno numerosi obiettivi immediati da raggiungere che coinvolgono la progettazione, la realizzazione e il mantenimento di sistemi che facilitino la vita quotidiana, come per esempio gli individuatori automatizzati di errori, per i programmi di word-processing.

La parte teorica della Linguistica Computazionale prende direttamente le mosse dalla Linguistica teorica. Quest'ultima si interessa delle teorie formali che sono state elaborate nel corso del tempo (vedi il capitolo sulla comunicazione verbale), riguardo la conoscenza di cui un essere umano ha bisogno per generare e produrre il linguaggio. Attualmente queste teorie hanno raggiunto un grado di complessit che si pu maneggiare solo utilizzando i computer. La Linguistica Computazionale ha sviluppato modelli formali simulando aspetti del linguaggio umano e implementandoli come programmi di computer. Questi programmi costituiscono la base per la valutazione e per l'ulteriore sviluppo delle teorie. In aggiunta alle teorie linguistiche, le scoperte che provengono dai settori di ricerca dalla Psicologia Cognitiva e in particolar modo dall'area che si chiama Psicolinguistica ( Carroll , 1964 ), migliorano la simulazione delle competenze linguistiche.

La Vita Artificiale , come disciplina, riguarda la costruzione e lo studio sistemi creati dalluomo che possiedono le propriet essenziali della vita naturale. I principali problemi di cui si interessa sono:

Quali sono le propriet essenziali della vita? Qual il range di possibilit che la vita potrebbe prendere? Si possono utilizzare tali forme di vita per migliorare la risoluzione di problemi in aree tradizionali quali la Biologia e lIngegneria?

Cos la Vita artificiale? Proviamo a dare qualche risposta utilizzando le definizioni dei pi importanti studiosi di tale settore.

Lo studio dei sistemi fatti dalluomo che esibiscono comportamenti carattistici dei sistemi viventi naturali.

C. G. Langton. "Artificial Life." In C. G. Langton, editor.Artificial Life , Volume VI ofSFI Studies in the Sciences of Complexity , pages 1-47, Addison-Wesley, Redwood City, CA, 1989.

La Vita Artificiale un campo di studi dedicato alla comprensione della vita attraverso il tentativo di estrarre i principi dinamici fondamentali che soggiacciono ai fenomeni biologici, e di ricreare tali dinamiche in altri media fisici, come i computer, rendendo talifenomeni accessibili a nuovi tipi di manipolazioni sperimentali e di verifica.

C. G. Langton. "Preface." In C. G. Langton, C. Taylor, J. D. Farmer, and S. Rasmussen, editors,Artificial Life II , Volume X ofSFI Studies in the Sciences of Complexity , pages xiii-xviii, Addison-Wesley, Redwood City, CA, 1992.

La vita Artificiale limpresa di capire la biologia costruendo fenomeni biologici al di fuori delle componenti artificiali, piuttosto che rompere le forme naturali di vita nelle parti che le compongono. E lapproccio sintetico piuttosto che lapproccio riduttivo.

T. S. Ray. "An evolutionary approach to synthetic biology: Zen and the art of creating life."Artificial Life Journal , Volume 1, Number 1/2, pages 179-209, 1994. The MIT Press, Cambridge, MA.

"... I modelli della Vita artificiale ...Sono abbastanza potenti per catturare la maggior parte della complessit dei sistemi viventi, in una forma che facilmente manipolabile, ripetibile e soggetta a esperimenti rigorosamente controllati che sono il corrispondente dei sistemi naturali.

C. Taylor and D. Jefferson. "Artificial life as a tool for biological inquiry."Artificial Life Journal , Volume 1, Number 1/2, pages 1-13, 1994. The MIT Press, Cambridge, MA.

Documents

Nuove tendenze nella psicologia odierna