Vai al contenuto
  • BTC $62.066 −1,0%
  • ETH $1.757 −1,1%
  • SOL $72,88 −0,6%
  • BNB $577,95 −0,5%
  • XRP $0,9647 +0,4%
  • DOGE $0,0581 −0,7%
  • ADA $0,1513 +0,4%

Possibility Theory: l’AI che ragiona oltre la probabilità

intelligenza artificiale possibility theory

Durante l’AI Week di Milano, il Professor Waldo Lockwin ha portato l’attenzione su un concetto spesso trascurato ma rivoluzionario per lo sviluppo dell’intelligenza artificiale: la possibility theory.

Un’alternativa al tradizionale approccio probabilistico, capace di modellare l’incertezza in modo più vicino al pensiero umano.

In un mondo dominato da algoritmi che si basano su dati, frequenze e statistica, la possibility theory propone una logica fondata su insiemi, parole e ambiguità. Un paradigma che potrebbe rivelarsi fondamentale per le future AI che vogliono davvero comprendere il linguaggio naturale, il contesto e le sfumature della realtà.

Cos’è la possibility theory?

La possibility theory (teoria della possibilità) nasce come estensione della fuzzy logic, offrendo uno strumento matematico per trattare l’incertezza non in termini di frequenza, come fa la probabilità, ma in termini di compatibilità con l’informazione disponibile.

In termini semplici: la probabilità risponde alla domanda: “quanto spesso accade X?”

La possibilità risponde alla domanda: “quanto è plausibile X in questo contesto?”

Questa distinzione è cruciale per costruire sistemi AI che si basano su parole vaghe, intuizioni umane o scenari dove i dati sono parziali, incerti o soggettivi.

Un esempio reale: oncologia e intelligenza artificiale

Nel suo intervento all’AI Week, Lockwin ha raccontato di aver usato la possibility theory per sviluppare un modello di radioterapia personalizzata per tumori. L’obiettivo era somministrare la minima quantità di radiazioni in grado di uccidere una massa tumorale, basandosi su descrizioni qualitative fornite dai medici, come “dose minima” o “effetto massimo”.

Queste espressioni non si possono tradurre direttamente in numeri o percentuali. Ma possono essere rappresentate attraverso insiemi fuzzy e modelli possibilistici, che tengono conto delle molteplici interpretazioni e della soggettività del linguaggio.

Il risultato? Un sistema più flessibile, umano e adattivo rispetto a un modello rigido basato esclusivamente su probabilità statistiche.

Perché è rilevante per l’AI di oggi (e di domani)

Nel panorama attuale, dominato dal machine learning e dalle reti neurali profonde, si sta aprendo un dibattito su come rendere l’intelligenza artificiale più interpretabile, affidabile e semantica.

Qui entra in gioco la possibility theory:

  • 🔹 Linguaggio naturale: Le AI moderne, come i grandi modelli linguistici (LLM), si scontrano spesso con concetti sfumati e ambigui. I modelli possibilistici possono offrire una cornice più coerente per trattare termini come “molto”, “quasi”, “forse”, “abbastanza”.
  • 🔹 Decision making: In contesti come la finanza, la medicina o la guida autonoma, dove le decisioni si basano su segnali contrastanti o informazioni incomplete, l’approccio possibilistico può risultare più robusto della probabilità classica. Un esempio è l’uso della intelligenza artificiale in medicina.
  • 🔹 Etica e responsabilità: Una AI che spiega “perché ha scelto quella decisione” in termini di possibilità e alternative è potenzialmente più trasparente e accettabile agli occhi dell’essere umano, come discusso nel ruolo futuro dell’AI nel diritto.

Possibilità vs probabilità: due mondi a confronto

Aspetto Probabilità Possibilità
Basata su Frequenze, dati storici Coerenza con conoscenza attuale
Tipo di logica Statistica Fuzzy logic / insiemi sfocati
Applicazioni tipiche Previsioni, risk management Interpretazione, decisioni umane
Gestione dell’incertezza Quantitativa Qualitativa e descrittiva

Non si tratta di una sostituzione, ma di una integrazione: possibilità e probabilità possono coesistere per dare vita ad AI più complete, capaci di affrontare il mondo reale nella sua complessità, come evidenziato in questo studio.

Possibility theory

Nel grande dibattito sull’intelligenza artificiale, la possibility theory rappresenta una via alternativa e complementare alla probabilità. È meno conosciuta, meno utilizzata, ma potenzialmente più vicina al modo in cui ragionano gli esseri umani.

Come dimostrato alla AI Week 2025, questa teoria non è solo filosofia: ha applicazioni concrete, funziona e può fare la differenza nei settori più delicati, come la sanità o l’automazione critica.

In un’epoca in cui chiediamo all’AI non solo di calcolare, ma anche di comprendere, forse è arrivato il momento di dare una chance alla possibilità.

Francesco Antonio Russo

Francesco Antonio Russo è un analista e divulgatore nel settore delle criptovalute, del Web3 e dell’Intelligenza Artificiale. Da più di 6 anni studia l’evoluzione dei mercati digitali e delle tecnologie decentralizzate, con particolare attenzione all’impatto economico e sociale della blockchain. Su Cryptonomist approfondisce trend, regolamentazioni e innovazioni, offrendo contenuti accurati e comprensibili anche ai non addetti ai lavori.

Tutti gli articoli di Francesco Antonio Russo