Intelligenza Artificiale e Creatività: un nuovo lavoro targato CIIT Lab sulla generazione e classificazione di metafore
Le attività di ricerca del Cognition, Interaction and Intelligent Technologies Laboratory (CIIT Lab) dell’Università di Salerno hanno di recente portato al lavoro “The Delta of Thought: Channeling Rivers of Commonsense Knowledge in the Sea of Metaphorical Interpretations” (PDF) di Antonio Lieto (Università di Salerno), Gian Luca Pozzato (Università di Torino) e Stefano Zoia (Università di Torino) recentemente accettato per pubblicazione nella prossima – e principale – conferenza mondiale di intelligenza artificiale: IJCAI 2025, 34th International Joint Conference on Artificial Intelligence, che si terrà a Montreal il prossimo agosto.
L’articolo presenta un nuovo sistema di intelligenza artificiale chiamato METCL: Metaphor Elaboration in Typicality-based Compositional Logic, in grado di generare (e classificare) metafore tramite una logica che permette di creare e astrarre conoscenza dalla fusione di concetti diversi (la logica si chiama TCL: https://www.antoniolieto.net/tcl_logic.html).
Per fare un esempio: il sistema permette di generare il significato metaforico dell’espressione “Gli avvocati sono squali” combinando – tramite l’uso di strategie ispirate alla cognizione umana e che sono proprie della logica TCL che funge da motore di tutto – la conoscenza che tipicamente associamo ai concetti di “Squalo” e “Avvocato”.
Le principali innovazioni introdotte da questo lavoro sono le seguenti:
1) il sistema METCL è capace di migliorare, integrare ed estendere la generazione e l’identificazione di metafore nei sistemi di intelligenza artificiale attualmente allo stato dell’arte, inclusi sia i principali modelli linguistici “neurali” di grandi dimensioni (#LLMs) – come DeepSeek R1, GPT-4o di OpenAI e Qwen 2.5 Max – sia i precedenti sistemi logici che si basavano su una risorsa chiamata META-NET, sviluppata dall’Università della California Berkeley, che racchiude tutti i tipi di metafore attualmente catalogate.
2) questo lavoro suggerisce che la generazione e l’interpretazione delle metafore possono essere considerate, almeno parzialmente, come un problema basato sulla combinazione generativa e creativa di conoscenza. Così facendo, i risultati ottenuti supportano sperimentalmente i principi della cosiddetta teoria che vede la “metafora come categorizzazione“. La “metafora come categorizzazione” è uno dei principali quadri teorici derivanti dalle scienze cognitive che cerca di spiegare le caratteristiche principali dell’elaborazione metaforica negli esseri umani (e questo lavoro mostra come possa essere utile anche per la costruzione di sistemi intelligenti che cercano di modellare questa capacità cognitiva).
3) dato che le metafore sono fondamentali per veicolare, in un modo cognitivamente semplificato – ma evocativo e semanticamente pertinente – dei contenuti, avere un sistema in grado di generarle ex novo o di riconoscerle può diventare di grande aiuto per professionisti che operano nell’ambito della formazione (pensiamo agli insegnanti, che devono cercare dei modi di far comprendere ai propri studenti dei concetti difficili da imparare). Può essere di aiuto anche per professionisti che operano nell’ambito dell’industria creativa e narrativa. Ad esempio: pensiamo a sceneggiatori, scrittori, giornalisti etc.. Tutte queste figure potrebbero usare sistemi come questo per generare, dato un testo in input, delle metafore da inserire nelle loro storie o nei loro racconti.
In sostanza, questo lavoro mostra come utilizzando un approccio diverso rispetto a quello dei Large Language Models (come ad esempio ChatGPT) si riesca di fatto ad avere una capacità generativa e ad essere meno banali (le metafore create sono state valutate in modo positivo da utenti, a differenza di altri studi) e complementari a loro (per quanto riguarda la capacità di classificare in modo pertinente metafore nei testi).
