funzionamento basilare intelligenza artificiale

premessa: l’intelligenza artificiale non significa necessariamente che impara. una calcolatrice è anch’essa un intelligenza artificiale. l’intelligenza artificiale che impara dalle proprie azioni la possiamo denominare avanzata, e solitamente si riferisce all’informatica/elettronica applicata alla robotica.

argomentazione: la quantità di ripetizioni di azione (nell’intelligenza artificiale avanzata) è determinata dal sistema robotico/elettronico e dal tipo di software informatico che utilizza.

l’equazione da scrivere, sinceramente, non è semplice, ed è variabile in base al sistema, ossia non è una sola equazione a poter rispondere alla domanda. poi ovviamente l’equazione generale è questa che ho scritto a parole. che in terminologie matematiche è più o meno così:

( y + z + w ) – k = x

y = complessità del sistema elettronico/robotico
z = complessità del sistema informatico (software)
w = complessità dell’ambiente del test
k = ottimizzazione dell’intero sistema (hardware + software)
x = un valore generico che più è alto e più il sistema è da migliorare, perché necessita di troppe ripetizioni per imparare

complessità: considerando valutazioni generiche su una scala da 0 a 10, dove 0 è perfetto e 10 è pessimo.

ottimizzazione: considerando valutazioni generiche su una scala da 0 a 10, dove 0 è nessuna ottimizzazione e 10 è massima ottimizzazione realizzabile.

conclusione: perché quel valore (generico) sta ad indicare se troppe ripetizioni, affinché un sistema robotico con annessa intelligenza artificiale impari una determinata azione. poi ovviamente, come ho già scritto, questa è un equazione basilare, una sorta di valutazione del sistema (considerando quante ripetizioni per imparare), non la vera e propria equazione che sintetizza il sistema, e che è diversa da sistema a sistema, e da ambiente ad altro ambiente, eccetera.