Negli ultimi anni l’intelligenza artificiale (IA) ha compiuto passi enormi, ma resta limitata in termini di comprensione intuitiva del mondo. Ora, un nuovo approccio ispirato dalla psicologia infantile sta attirando l’attenzione di scienziati e industria tech: addestrare le IA a imparare come i bambini, attraverso esplorazione, curiosità intrinseca e core knowledge. Vediamo perché questo paradigma può rivoluzionare il futuro dell’IA.

Cosa significa “imparare come un bambino”

I bambini apprendono usando pochissimi esempi e in modo gerarchico: iniziano da concetti semplici (es. oggetti solidi, animati) e poi costruiscono gradualmente nozioni più complesse. Questo approccio, definito core knowledge, consente loro di:

• Comprendere fisica di base (gravità, permanenza degli oggetti)
• Percepire agentività (intenzioni, azioni guidate)
• Esplorare il mondo con curiosità intrinseca

Questo tipo di apprendimento è radicalmente diverso dall’IA tradizionale, che si basa su grandi dataset e sull’addestramento end-to-end

I principali progetti di ricerca

• MIT – Development of Intelligent Minds: un’iniziativa che studia come i bambini apprendono e come trasferire tali meccanismi alle IA.
• DARPA – Machine Common Sense: programma volto a sviluppare IA con senso comune end-to-end, partendo da nozioni base.
• Weizmann Institute – Shimon Ullman: studio “From Infants to AI” mostra che decomporre i task come fa un bambino aumenta l’efficienza e la generalizzazione
• DeepMind – XLand platform: ambienti di gioco 3D in cui l’agente inventa obiettivi autonomamente, innescando abilità emergenti complesse

Curiosità intrinseca e “gioco virtuoso” dell’IA

Le IA ispirate all’infanzia utilizzano modelli che generano sorpresa: quando la loro previsione sul mondo (es. una palla che sparisce) è sbagliata, cercano di esplorare finché non acquisiscono nuovi modelli. Questo avvicina l’IA a un vero sistema explorativo e creativo, lontano dall’IA “passiva” dei tradizionali dataset.

Vantaggi principali

• Efficienza: serve molto meno dato per apprendere
• Generalizzazione: l’IA riesce meglio a trasferire conoscenze a contesti non visti
• Riduzione dei bias: i modelli imparano dall’esperienza piuttosto che riflettere pregiudizi umani

Sfide attuali

• Modelli ibridi complessi: unire apprendimento simbolico e dati è difficile
• Ambienti simulati realistici: servono spazi virtuali sempre più accurati.
• Scalata e potenza computazionale: riprodurre l’apprendimento infantile richiede risorse ingenti.
• Valutazione: misurare l’intelligenza “uman-like” è ancora controverso.

Implicazioni future

• Robotica: macchine più autonome, capaci di capire e interagire nel mondo reale.
• Educazione personalizzata: tutor IA che apprendono come gli studenti.
• Etica e sicurezza: IA capaci di modellare la causalità comprendendo Welfare e conseguenze.
• Verso la AGI: una tappa fondamentale verso intelligenze artificiali generali, più robuste e ‘umane’.

L’approccio “infantile” all’IA è un cambio di paradigma: da sistemi specialistici e rigidi verso sistemi flessibili, curiosi e adattivi. Integrare “core knowledge”, joy of discovery, e apprendimento graduale porta l’IA più vicina al modo in cui funzioniamo noi. È un percorso ancora lungo, ma già oggi mostra risultati che potrebbero innescare una nuova rivoluzione cognitiva.

- Entra nella community di Vita in Pillole -