• AI
• apprendimento automatico
• apprendimento profonto
• artificial intelligence
• cognition
• cognitive AI
• cognitive psychology
• cognitive science
• cognizione
• deep learning
• epistemologia
• epistemology
• expert AI
• expert systems
• expertise
• human-level AI
• IA
• intelligenza artificiale
• machine learning
• neural networks
• performance
• psicologia cognitiva
• reti neurali
• scienze cognitive
• sistemi esperti

Per comprendere cosa sia una performance esperta, bisogna considerare variabili episte-miche, cognitive, tecniche e sociali: l’expertise è infatti un concetto complesso, multifattoriale e sfaccettato che richiede una prospettiva multidisciplinare per essere ben compreso. J.C. Watson ha sistematizzato, nel suo lavoro di ricerca, la principale letteratura scientifica sull’expertise umano, dal quadruplice punto di vista prestazionale (performance-based accounts), cognitivo (cognitive systems account), sociologico-scientifico (social role accounts) e veritista (truth-based accounts). Il suo lavoro, tuttavia, si mostra volutamente lacunoso e aperto quando si cita l’Intelligenza Artificiale, per cui Watson in più punti lascia aperta la porta della ricerca e invoca l’impegno di esperti e studiosi per colmare tale mancanza.
Allo scopo di proseguire il lavoro di Watson, il presente elaborato si pone l’obiettivo di riprendere le teorie sull’expertise prestazionale e cognitivo che psicologi cognitivi ed epistemologi hanno variamente proposto e calarle nei sistemi intelligenti in termini comparativi, per comprendere come questi si avvicinino all’expertise umano a livello prestazionale e cognitivo, cosa siano in grado di fare e in cosa differiscano dagli agenti umani. Partendo da un’introduzione ge-nerale all’expertise e all’Intelligenza Artificiale – comprensiva di Symbolic AI, logic-based AI, reti neurali, metodi di apprendimento e aspetti cognitivi dell’AI (Cognitive AI) – la tesi riprenderà i quattro ambiti principali della psicologia cognitiva necessari per studiare le caratteristiche dell’esperto (conoscenza, ragionamento, problem solving e decision making) e, proponendo un abbozzo di stato dell’arte in ognuno di essi, esaminerà come si articolano a livello computazionale nei sistemi esperti e nel deep learning. Dopo una menzione di robotica cognitiva, robotica situata e soluzioni come la Neuro-Symbolic AI, il Neuromorphic Computing e la Quantum AI, saranno infine prospettati i possibili sviluppi della ricerca, nella direzione di una eventuale Artifi-cial General Intelligence o human-level AI.