di Carlo MORABITO
Il Calcolo Dolce (Soft Computing) è una metodologia di calcolo in cui le parole e le regole d'inferenza logica vengono usate in vece dei numeri per determinare il risultato di operazioni. La logica fuzzy riveste un ruolo essenziale nello sviluppo dei calcoli secondo questa nuova metodologia. Il Calcolo Dolce è dunque una disciplina in cui si fa uso di parole, aggettivi e concetti espressi nelle maniere usuali del ragionamento umano. Attraverso le regole semantiche di questa scienza, a partire da premesse dichiarate in forme utilizzate dall'uomo, non vengono manipolati numeri ma si arriva alle conclusioni attraverso il linguaggio naturale. Calcolare usando espressioni e parole può sembrare una bizzarria della nostra epoca di controsensi. E' invece una mera necessità allorchè l'informazione disponibile è insufficiente o troppo imprecisa per giustificare il ricorso ai numeri. Dall'altra parte del calcolo ci sono le precisioni infinitesimali dei calcolatori elettronici odierni, con 16 cifre decimali corrette, o peggio. Quanto è utile la precisione, e soprattutto, quanto costa?
La tolleranza per l'imprecisione, come spiegato da Lofti A. Zadeh, inventore della disciplina, e fondatore della Berkeley Initiative on Soft Computing (BISC, acronimo che ricorda un'altra creatura di Berkeley, la RISC, Reduced Instruction Set Computer), può essere sfruttata per potere studiare un problema apparentemente intrattabile, per ottenere soluzioni di basso costo e un migliore rapporto con la realtà. Tra l'altro, l'utilità di avere elaboratori di basso costo è oggi una necessità, tenendo conto che la vorticosa evoluzione della tecnologia ci fa sembrare obsoleti oggetti e calcolatori fino a ieri di prestazioni eccezionali. Che significa calcolo dolce? Perché ne parliamo?
Innanzitutto distinguiamo tra problemi in cui l'accuratezza della soluzione non è richiesta, si pensi per esempio a un braccio di robot che deve prelevare un oggetto su un piano (il punto esatto in cui l'oggetto viene prelevato e' in una certa misura irrilevante), e problemi dove un eccesso di precisione costerebbe troppo, in termini per esempio di carico computazionale, al punto da rendere inutile o fuori tempo la soluzione. Un esempio di quest'ultimo genere di problema è dato dalla soluzione di equazioni differenziali della fluidodinamica, ove la regione di soluzione viene tipicamente discretizzata in cellette e la soluzione viene ottenuta con procedimenti interpolativi a partire dai valori esatti nei punti della griglia. E' intuibile che un miglioramento della qualità della soluzione può essere ottenuta rendendo la maglia più fitta, ma questo fa crescere in maniera intrattabile il numero delle operazioni necessarie per risolvere il problema stesso. In questi casi, il compromesso appare l'unica strada percorribile. D'altra parte è possibile che la soluzione cercata sia sufficientemente regolare in certe regioni dello spazio da discretizzare e rapidamente variabile solo in piccole regioni. Si può in tal caso ricorrere a una strategia guidata di creazione del grigliato, che selettivamente e eventualmente in maniera automatica, decida dove spingere l'approssimazione a danno di regioni dove non è necessario approfondire l'analisi. Come si vede, da qualche parte è utile che ci sia un qualcosa che riesca a prendere decisioni, similmente a come agirebbe l'uomo in situazioni analoghe.
In entrambi i tipi di problema appena accennati sopra (accuratezza non richiesta e precisione troppo costosa), l'intervento del Calcolo Dolce è appropriato. Con riferimento all'esempio della maglia da affinare in alcune zone, le strategie adattative offrono una soluzione alternativa. La differenza sta qui nella possibilità di introdurre proposizioni di decisione, piuttosto che conti (differenze per esempio tra il valore attuale e il valore precedente per verificare l'impatto della modifica di grigliato).
Il Calcolo Dolce differisce dal calcolo convenzionale perché tollera l'imprecisione, l'incertezza e la verità parziale. Il modello del Calcolo Dolce è la mente umana. Le idee di base di questa disciplina sono nate nel 1965, con i primi lavori di Zadeh sulla logica fuzzy. Quindi, negli anni settanta, l'incontro con la teoria della complessità e i processi decisionali, la teoria della biforcazione e il caos, la suggestiva teoria della catastrofe. Alla fine degli anni ottanta, anche le reti neurali entrano a pieno titolo a far parte della famiglia. Oggi, la disciplina include la logica fuzzy, le reti neurali e il ragionamento approssimato, che a sua volta include gli algoritmi genetici, la teoria del caos e la teoria dell'apprendimento. Il contributo individuale delle diverse parti è però complementare piuttosto che competitivo, ciascun partner fornisce il proprio contributo alla soluzione di un problema comune con le proprie metodologie e proprietà. Il punto forte è qui il seguente: un problema può, in molti importanti casi, essere risolto più efficacemente mediante una combinazione di interventi piuttosto che un intervento esclusivo di una tecnica rispetto all'altra. I sistemi neuro-fuzzy, ad esempio, hanno invaso il mercato dell'elettronica di consumo (lavatrici, videocamere, ...) sfruttando un'idea di base semplicissima, fondata sulla logica interpolativa. Si pensi, ad esempio, a una macchina fotografica che propone, come è noto, un insieme discreto di combinazioni tempo di esposizione - apertura del diaframma focale per l'adeguata percezione di una scena che impressionerà la pellicola. E' ovvio che anche l'automatismo non cambia il numero di possibili combinazioni, e tra queste, quasi sempre, non vi è la migliore. Questo si traduce in una colorazione troppo scura o troppo chiara dello sfondo della stampa, oppure nella perdita di nettezza dei contrasti, o infine nel deterioramento dell'oggetto principale della foto a beneficio di irrilevanti background. La logica del Calcolo Dolce è qui fornire una risposta meno imprecisa allo stesso costo. Non esisterà una tabella di corrispondenze, ma un diagramma continuo in cui la macchina, automaticamente, determina il punto di lavoro. In questo esempio, la logica dolce ha fornito una soluzione a un problema che poteva essere risolto con i numeri convenzionali solo a costi inaccettabili per il consumatore.
L'uso del Calcolo Dolce porta a sistemi con elevato Quoziente d'Intelligenza di Macchina (MIQ). La similitudine con il ragionamento umano diventa qui quanto mai spinta. Si misura la prestazione della macchina non tanto in termini di MFlops o altri parametri obiettivi, quanto in termini di comportamento in situazioni non esattamente descritte nell'algoritmo o nel programma di calcolo. Il Calcolo Dolce rappresenta uno spostamento programmato dalle tecniche di calcolo numeriche ad alta precisione verso la mente umana, enormemente più potente quanto a capacità di immagazzinare e correlare informazione, ad abilità di interpolare informazioni imprecise e incomplete e portata in maniera innata a suddividere efficientemente in categorie. Un secondo punto cruciale è qui evidente, cioè la capacità di estrarre e coordinare l'informazione pertinente in un quantitativo di inutile o contraddittoria evidenza sperimentale. Potremmo dire che in questo tipo di procedimenti, all'obiettivo di esattezza di una operazione viene sostituito quello della rappresentazione qualitativa. L'iniziativa BISC ha un ruolo proprio nel favorire l'abbattimento delle barriere tra tecnologie affini allo scopo di riprodurre in maniera via via più efficiente e affidabile queste importanti proprietà della mente umana. I cardini di questa disciplina, da noi discussi nei precedenti interventi su Helios Magazine, sono riassumibili in:
connettività, cioè naturale cooperazione fra entità di elaborazione distribuite; introduzione di proposizioni logiche e parole con la consueta aggettivazione e con valenza non drastica ma interpretabile, morbida; uso della logica fuzzy al posto degli alberi di decisione con bivi drastici; evoluzione della soluzione di un problema attraverso meccanismi genetici, attraverso operatori di mutazione, cross-over, riproduzione e selezione: queste tecniche consentono di operare decisioni in presenza di obiettivi multipli e in competizione; clustering, cioè accorpamento di punti simili per l'individuazione di categorie; sistematica introduzione della non linearità in un mondo scientifico dominato dalla efficienza, precisione e certezza del lineare.
Il Calcolo Dolce non verrà accettato senza resistenze e guerre di religione, non si affermerà senza la lotta fratricida con il calcolo numerico. Tuttavia, nei prossimi anni, è prevedibile una crescita incontrollata di ricercatori che si innamoreranno di questa disciplina, ne prenderanno le difese, la proporranno come alternativa. Come sempre, l'orizzonte è lontano e fumoso, ma, alla fine, nessuno risulterà il vincitore, ma il maturo scienziato del 2000 prenderà qualcosa qui e altro lì, stimolato dalla sempre più potente ragione del mercato e dei media.
