"Explainable Agency in Artificial Intelligence: Research and Practice" di Silvia Tulli, David W. Aha — CRC Press, 2023
Il volume Explainable Agency in Artificial Intelligence: Research and Practice, pubblicato da CRC Press nel 2023 e curato da Silvia Tulli e David W. Aha, si presenta come una raccolta organica di contributi dedicati a un sotto-ambito specifico della spiegabilità dell’intelligenza artificiale: la explainable agency (EA). L’obiettivo centrale del libro è analizzare, definire e sviluppare le condizioni che rendono possibile dotare gli agenti intelligenti – siano essi sistemi software, robot o strutture decisionali autonome – della capacità di produrre spiegazioni comprensibili delle proprie scelte, dei propri ragionamenti e delle aspettative formulate durante la pianificazione e l’esecuzione delle azioni. Il tema emerge in modo chiaro sin dalle prime pagine, dove gli autori distinguono l’EA dalla più ampia area dell’Explainable AI (XAI), prevalentemente concentrata su tecniche di interpretable machine learning (IML), chiarendo che l’EA non riguarda l’interpretabilità dei modelli statistici, ma la capacità di un agente autonomo di spiegare il proprio comportamento in riferimento ai propri obiettivi, alle proprie credenze e ai propri processi decisionali. Il volume si compone di contributi provenienti da campi diversi – intelligenza artificiale simbolica, robotica, cognitive science, human–computer interaction, filosofia – con l’obiettivo comune di chiarire quali strutture cognitive, rappresentazionali e interattive debbano essere implementate perché un sistema autonomo risulti effettivamente “spiegabile”. L’impostazione è dichiaratamente interdisciplinare: i capitoli analizzano prospettive teoriche (come quelle di Pat Langley), rassegne di letteratura (ad esempio sull’apprendimento per rinforzo), architetture robotiche ibride che integrano ragionamento basato sulla conoscenza e apprendimento statistico, metodologie per generare spiegazioni contrastive, strutturali e processuali, fino a contributi dedicati alla valutazione empirica della qualità delle spiegazioni fornite agli utenti. Complessivamente, il libro mira a colmare un vuoto editoriale riconoscibile: l’assenza di un testo sistematico dedicato all’EA come disciplina autonoma, distinta dal ML interpretabile, e orientata a preparare la transizione verso agenti realmente affidabili nei settori critici come finanza, sanità, mobilità autonoma, difesa e sistemi complessi.