
Sorry: they don't do them anymore.


Meccanismi neuronali e molecolari similari possono gestire problemi alquanto diversi come la ricerca spaziale di un oggetto (che coinvolge la corteccia parietale), il recupero dalla memoria (ippocampo e corteccia prefrontale) e il processo decisionale astratto (cingolo anteriore, corteccia prefrontale e la funzione dello striato dipendente dalla dopamina). Questi diversi processi diretti agli obiettivi sono fondamentali per la cognizione e si basano sull'integrazione di architetture correlate alla ricerca. Risultati come questi portano alla sorprendente conclusione che gli stessi processi cognitivi e neurali possono essere alla base di gran parte del comportamento umano che comprende la ricerca cognitiva, sia nel mondo esterno che nella memoria interna. (recensiti in HIlls 2006)
Nel 1975, Allen Newell e Herbert Simon ricevettero il premio Turing per il loro contributo all'informatica e alla psicologia. Prevalentemente essi furono riconosciuti per il loro lavoro sull'intelligenza artificiale. Nel loro discorso di accettazione, Newell e Simon (1976, 1987) descrissero come affrontarono i problemi dell'intelligenza artificiale studiando l'intelligenza naturale delle persone. Questi studi su esseri umani e macchine li hanno portati a concludere che la chiave dell'intelligenza era la capacità di manipolare i simboli. Essi credevano che tutti i comportamenti intelligenti, umani o meccanici, derivassero dalla composizione di simboli in entità chiamate strutture di simboli che possono essere manipolate da insiemi di operatori.
Cosa si intende per sistema di simboli fisici? Innanzitutto, è un sistema fisico, cioè un sistema che segue le leggi della fisica e può essere progettato. Un sistema di simboli fisici è una macchina che produce nel tempo una raccolta, in evoluzione, di strutture di simboli. Il sistema contiene processi per creare e modificare strutture di simboli, che sono espressioni che contengono simboli come componenti. I simboli stessi sono schemi fisici che denotano oggetti. Un computer digitale è una macchina multiuso per manipolare simboli. In combinazione con i processi per la creazione, la modifica e la distruzione di strutture di simboli che denotano oggetti nel mondo reale - come obiettivi e possibili azioni per raggiungere gli obiettivi - abbiamo un esempio di un sistema di simboli fisici in grado di esibire azioni intelligenti. Cosa si intende per azione intelligente? L'intelligenza può essere definita come la capacità di attingere alle conoscenze per raggiungere un obiettivo.
Come scrive il giornalista Carlo Bastasin recensendo il libro della sociologa Soshana Zuboff "Il capitalismo della sorveglianza" :
C'è una componente magica nell'esaudire i desideri con una semplice ricerca sul web, opere come quella di Zuboff contribuiscono al disvelamento di questo incanto a cui siamo tutti esposti.
Nel 1877, in un saggio intitolato "il fissarsi della credenza" (da: Opere, C.S.Peirce, 2003 -pp.361-362), egli descrisse ciò che si oppone all'autocorrezione dei processi di pensiero:
L'irritazione del dubbio causa una lotta per conseguire uno stato di credenza.[...]Perciò la lotta inizia con il dubbio, e termina con la cessazione del dubbio. Insomma, il solo obiettivo della ricerca è lo stabilirsi di un'opinione. Si potrebbe supporre che questo non basti, e che noi andiamo in cerca non meramente di un'opinione, ma di un'opinione vera. Ma se mettete alla prova questa supposizione, la troverete senza fondamento: infatti, appena raggiungete una salda credenza, siete perfettamente soddisfatti, sia che la credenza sia vera, oppure falsa.[...] Possiamo al massimo sostenere che andiamo in cerca di una credenza che 'crederemo vera'.
- Fase 1: Individuazione delle proprie carenze conoscitive (Initiate): la prima attività consiste nell'individuare le proprie carenze conoscitive riguardo al tema della ricerca. Può sembrare una cosa ovvia ma l'illusione della conoscenza è sempre in agguato. Occorre riconoscere la necessità di aggiornare le proprie conoscenze ed assurmesene la responsabilità. "Identificare la necessità di informazioni è un primo passo cruciale nel processo di ricerca. Navigare nell'attuale ambiente di informazione richiede un pensiero critico e la capacità di indagare ciò che è disponibile e se è presentato in modo chiaro e diretto." (Fonte: MILNE Library)
Come ha scritto lo psicologo Paolo Legrenzi recensendo il libro "L'illusione della conoscenza. Perchè non pensiamo mai da soli" (vedi bibliografia):Nel 1999 David Dunnig e Justin Kruger, psicologi alla Cornell University, mostrano sperimentalmente come chi è scarso in prove linguistiche, logiche, o di altro tipo, tende a sovrastimare le sue capacità mentre questo non capita ai migliori. Dunnig e Kruger si stupiscono non delle differenze di prestazioni, ma della sopravvalutazione delle proprie capacità soltanto da parte dei meno bravi.
- Fase 2: Ricerca di ciò che è disponibile sul tema (Locate): la seconda attività consiste nell'identificare il formato informativo (digitale, stampa) e le fonti disponibili (che, con un grado di approfondimento crescente, sono: Articoli giornalistici, Blog, Articoli accademici, Libri), gli ambiti di ricerca: worldcat.org (per le biblioteche accademiche e la possibilità di accedere al prestito interbibliotecario per le biblioteche pubbliche ). Wikipedia va consultata solo per farsi un'idea del tema ma non citata tra le proprie fonti perchè soggetta a modifiche continue da parte di soggetti dalla credibilità non valutabile. A questa attività appartengono sia l'individuazione degli strumenti (Tools) con cui fare la propria ricerca, che le modalità di ricerca (Keywords, operatori booleani).
E' opportuno iniziare dai motori di ricerca (Tools) che, nell'ordine di consultazione, sono: 1-Google, 2-Google Scholar 3-Academia.edu 4-JSTOR Database (per il Surface Web). La quantità di risorse presenti sul web è molto elevata ma la maggior parte non è disponibile perchè privata (Deep Web), oppure illegale (Dark Web). Occorre limitarsi a cercare nel Surface Web (che ammonta a circa il 4% dell'intero web). - Fase 3: Selezionare i documenti più rilevanti (Select): la terza attività consiste nell'attribuire ai documenti trovati una rilevanza riguardo agli obiettivi della propria ricerca. Occorre quindi valutare il numero di citazioni, la qualità degli abstract e delle conclusioni effettuando la valutazione di un documento scientifico. Quando la ricerca è molto complessa e i risultati trovati sono molti conviene realizzare una mappa (mentale o concettuale) dei risultati. Fase di sfruttamento
- Fase 4: Organizzazione dei documenti trovati (Organize): la quarta attività consiste nell'organizzare i documenti trovati in base all'obiettivo della ricerca, cioè realizzare una sorta di sommario delle risorse e una bibliografia (Ogni pagina di questo sito è organizzata in tal senso e prevede una bibliografia con gli autori e i documenti a corredo della pagina, incluso il numero di citazioni, se presente). Buona parte delle informazioni disponibili sono la proprietà intellettuale di qualcuno, si ha quindi la responsabilità di riconoscere il contributo di quella persona attraverso la citazione. La citazione aiuta a evitare il plagio.
- Fase 5: Valutare i risultati della propria ricerca (Present): la quinta attività consiste nel valutare se i risultati cui si è pervenuti soddisfano la propria ricerca (identificare i punti salienti, le argomentazioni, il diritto d'autore e la credibilità degli esiti) e, infine, occorre decidere se si può interrompere la ricerca o se è necessario un supplemento d'indagine.
- Fase 6: Riassumere ciò che si è imparato dalla ricerca (Assess): la sesta e ultima attività consiste nel prendere coscienza dei cambiamenti che la ricerca ha prodotto nei propri schemi di pensiero. Questa è un'attività che poche persone fanno deliberatamente ma che si rivela essenziale, a posteriori, per consolidare i risultati della ricerca all'interno dei propri schemi di pensiero.

Noi studiamo la nuova generazione di soluzioni di ricerca aziendale che utilizzano tecnologie di intelligenza artificiale (AI) come l'elaborazione del linguaggio naturale (NLP) e l'apprendimento automatico (machine learning) per importare, comprendere, organizzare e interrogare il contenuto digitale di dati provenienti da fonti multiple
Gli algoritmi di apprendimento automatico (machine learning) del linguaggio saranno, secondo Gualtieri, il successivo passo per lo sviluppo di soluzioni che consentano il passaggio dalla ricerca semantica alla ricerca contestuale. Seguirà un ulteriore passo attraverso la "natural human interaction", cioè quella modalità che consente l'interazione "naturale" uomo-macchina (con espressioni vocali, gestuali ed emotive, e l'esplorazione di ambienti attraverso la visione e la manipolazione di oggetti fisici) per arrivare a quella che Gualtieri chiama "ricerca cognitiva" (impropriamente perchè tutte le ricerche sono cognitive). Ultimo passo prima della fusione tra uomo e macchina (neural lace), ipotizzata dall'imprenditore Elon Musk che ha creato la società "Neuralink" per sviluppare questo progetto (vedi video). La fusione uomo-macchina venne ipotizzata dal direttore scientifico di Google, Ray Kurzweil, che immaginò un cervello umano connesso in rete con il cloud e in grado di attingere automaticamente alle conoscenze del web.Per linguaggio naturale si intende la lingua che usiamo nella vita di tutti i giorni, come l’Inglese, il Russo, il Giapponese, il Cinese, ed è sinonimo di linguaggio umano, principalmente per poterlo distinguere dal linguaggio formale, incluso il linguaggio dei computer. Così com’è, il linguaggio naturale è la forma di comunicazione umana più naturale e più comune, e non solo nella sua versione parlata, anche quella scritta sta crescendo esponenzialmente negli ultimi anni, da quando il mobile internet è in fermento con i nuovi social media. Rispetto al linguaggio formale, il linguaggio naturale è molto più complesso, contiene spesso sottointesi e ambiguità, il che lo rende molto difficile da elaborare.

Iscriviti alla Newsletter di pensierocritico.eu per ricevere in anteprima nuovi contenuti e aggiornamenti:
- Thomas Hills, Reuven Dukas (2012), The evolution of cognitive search (PDF) [26 citazioni]
- Allen Newell (1980), Physical symbol systems (PDF) [1870 citazioni]
- Nicholas Ourusoff (1985), The Physical Symbol System Hypothesis of Newell and Simon: A Classroom Demonstration of Artificial Intelligence [2 citazioni]
- Plan: Developing Research Strategies - MILNE Library
Kristin Finklea (2015), Dark Web (PDF) [18 citazioni] - Congressional Reserve Service
Ryen W. White (2013), Beliefs and Biases in Web Search (PDF) [101 citazioni]
(2014), Cinque cose da sapere sul Deep Web - Focus
Cathy Costello (2015), The Research Process - Virtual Library
- Sam Hurley (2018), Smashing Semantic SEO IN 2017 & Beyond: The ultimate guide - digitalcurrent
- Joshua Hardwick (2019), 6 tool gratis per la ricerca delle parole chiave (da fare impallidire Google Keyword Planner)
- (2019), Il più grande cambiamento all’algoritmo di Google degli ultimi tempi - Il Post
- Kåre Letrud, Sigbjørn Hernes (2019), Affirmative citation bias in scientific myth debunking: A three-in-one case study - Plos One
- Mike Gualtieri (2017), The Forrester Wave™: Cognitive Search And Knowledge Discovery Solutions, Q2 2017
- Wei Li (2015), Che cos'è il Natural Language Processing? - Celi
- Leonhard Glomann (2014), Natural Human Interaction - The Future of Social Media
- Dimitris N. Kanellopoulos, Sotiris B. Kotsiantis (2007), Semantic Web: A state of the art survey - Academia.edu
- Peter Todd, Thomas Hills, Trevor Robbins, (2012), Building a Foundationfor Cognitive Search
Pagina aggiornata il 9 settembre 2022