1 giorno fa
11
AGI - La capacità di creare e interpretare metafore, una delle competenze cognitive più sofisticate dell'essere umano, potrebbe presto diventare patrimonio anche dei sistemi di intelligenza artificiale. Un passo in questa direzione è rappresentato dal lavoro di tre ricercatori italiani, recentemente selezionato per la conferenza mondiale sull'intelligenza artificiale IJCAI (International Joint Conference on Artificial Intelligence), che si terrà il prossimo agosto a Montreal, in Canada.
Il paper, dal titolo "The Delta of Thought: Channeling Rivers of Commonsense Knowledge in the Sea of Metaphorical Interpretations", è firmato da Antonio Lieto (Università di Salerno), Gian Luca Pozzato (Università di Torino) e Stefano Zoia (Università di Torino) e introduce un nuovo sistema chiamato METCL (Metaphor Elaboration in Typicality-based Compositional Logic), in grado di generare e classificare metafore sfruttando un motore logico ispirato ai meccanismi della cognizione umana.
"Combinazione e composizione sono aspetti centrali del nostro modo di esprimerci - spiega Stefano Zoia, dottorando del Dipartimento di Informatica dell'Università di Torino - e ciò è particolarmente evidente nel caso delle metafore. Per esempio, dire che qualcuno ha un cuore di pietra vuol dire associare metaforicamente il cuore alla pietra per evocare freddezza e insensibilità. METCL combina la conoscenza tipica legata ai concetti coinvolti per generare un concetto ibrido che cattura il significato della frase". Alla base del sistema c'è una logica composizionale basata sulla tipicalità, in grado di fondere concetti e creare nuove strutture di senso.
"Il cuore del nostro lavoro - racconta Antonio Lieto, direttore del CIIT Lab dell'Università di Salerno - è un motore di ragionamento in grado di operare in maniera simile ai processi cognitivi umani. Questo approccio è cruciale per replicare funzioni cognitive complesse, come la comprensione e la produzione di metafore, che richiedono una vera capacità di astrazione e generalizzazione". Un aspetto chiave del sistema METCL è la sua spiegabilità, ovvero la capacità di fornire motivazioni per le sue decisioni in modo comprensibile agli umani: il suo funzionamento è trasparente e fondato su solide basi formali, a differenza di molti modelli sub-simbolici oggi dominanti nel panorama dell'IA.
"In un'epoca in cui si tende a pensare, erroneamente, che i grandi modelli linguistici possano fare tutto, METCL dimostra quanto sia ancora fondamentale il contributo delle logiche per la rappresentazione della conoscenza - aggiunge Gian Luca Pozzato, Professore Ordinario del Dipartimento di Informatica e presidente dei corsi di studio SUISS dell'Università di Torino. - La nostra logica descrittiva basata sulla tipicalità permette al sistema di essere interpretabile e riutilizzabile in contesti anche molto diversi tra loro".
Le innovazioni introdotte da METCL sono molteplici. Non solo migliora le prestazioni dei sistemi attualmente disponibili nella generazione e nell'identificazione di metafore, ma lo fa in maniera complementare rispetto ai grandi modelli linguistici neurali - come GPT-4o, Qwen 2.5 Max o DeepSeek R1 - e ai precedenti approcci simbolici basati su risorse come MetaNet (UC Berkeley).
Inoltre, il lavoro offre un contributo teorico rilevante: mostra come la generazione di metafore possa essere considerata un processo cognitivo di categorizzazione creativa, in linea con alcune delle teorie più influenti nelle scienze cognitive. L'impatto potenziale di METCL va ben oltre l'ambito accademico. Le metafore non sono solo abbellimenti stilistici, ma strumenti potenti per semplificare concetti complessi.
Per questo, un sistema capace di generarle o identificarle automaticamente può rivelarsi prezioso per: insegnanti, che vogliono spiegare in modo più chiaro concetti astratti o difficili; scrittori, sceneggiatori e giornalisti, che cercano ispirazione creativa; professionisti della comunicazione e del marketing, interessati a formulare messaggi più evocativi. In definitiva, METCL dimostra come approcci alternativi e integrati possano affiancare, e potenziare, i modelli neurali nell'ambito dell'IA generativa. Un passo in avanti importante per realizzare sistemi intelligenti più simili all'essere umano, non solo in termini di prestazioni, ma anche nella capacità di "pensare in modo creativo".
·
·
·
·
·
·
·
