AI: limiti, hype e preoccupazioni

Sono diverse le preoccupazioni che riguardano la AI, soprattutto all’interno della comunità e dei settori che si riferiscono a questa tecnologia. Gli esperti hanno espresso apertamente il loro pensiero a riguardo di questo hype rivolto alla tecnologia dell’Intelligenza artificiale. 

Probabilmente ognuno di noi è diverso. Alcuni sono spaventati da un’eventuale super intelligenza che potrebbe conquistare il mondo; altri, come me, hanno meno a che fare con i recenti progressi della tecnologia di per sé, e più a che fare con le recenti osservazioni sulle persone stesse.

Possiamo dire che un annetto fa c’era chi era in parte scettico sul fatto che i grandi modelli linguistici avrebbero fatto tanto “rumore” in merito all’intelligenza generale ma c’era ancora tanta disinformazione e sembrava stessimo perdendo tempo su ciò che LeCun, VP & Chief AI Scientist di Meta e professore alla New York University e uno dei massimi esperti al mondo nel campo dell’AI, in seguito aveva descritto come una rampa di lancio. Nello stesso momento però si cominciava già a riconoscere sempre più il valore dell’AI responsabile. 

Yann LeCun: la parola all’esperto

Yann LeCun, uno dei 3 inventori del deep learning, ha affermato che “gli sarebbe piaciuto fornire alle macchine una qualche forma di buon senso, visto che oggi sono veramente stupide”.

E infatti, come altro si potrebbe definire una macchina che ha bisogno di visualizzare centinaia di migliaia di cani per imparare a riconoscerne uno, quando a un bambino di quattro anni basta vederne un paio? Il punto, allora, è capire come le AI possano fare il prossimo passo sulla scala evolutiva.

LeCun aggiunge anche che se in alcune aree è capace di performance superumane, l’apprendimento supervisionato ha dei limiti. Bisogna usare un sacco di dati, indicare alla macchina quando stia sbagliando e ci saranno comunque dei punti ciechi che la porteranno a commettere degli errori. LeCun è sempre stato interessato all’idea di un apprendimento che consentisse alla macchina di imparare da sola come funziona il mondo, lasciando che fosse lei a scoprire le varie strutture.

È l’apprendimento non supervisionato, in cui si danno in pasto alla macchina migliaia di foto o di video e si lascia che sia lei, da sola, a dare un senso a ciò che analizza, senza la guida dell’uomo. Per Yann LeCun, è questa la versione algoritmica di ciò che definiamo buon senso: una delle caratteristiche più importanti dell’essere umano, che gli consente di individuare la soluzione a problemi mai affrontati prima sfruttando le esperienze pregresse.

“Gli uomini imparano moltissimo attraverso la semplice osservazione, senza indicazioni” mentre il modo in cui oggi gli algoritmi apprendono ha ben poco a che fare con l’intelligenza.

Limiti dell’AI

L’intelligenza artificiale svolge un compito alla volta e non è in alcun modo dotata della capacità di astrazione e generalizzazione.

Questo rappresenta il più grande limite che, secondo Gary Marcus, professore emerito alla New York University, pone una seria ipoteca sul futuro del deep learning e sulla possibilità di utilizzarlo per raggiungere un’intelligenza artificiale di tipo umano.

Al giorno d’oggi però le intelligenze artificiali sono alle prese con problemi a noi più vicini come, ad esempio, l’uso di algoritmi di riconoscimento facciale per il timore di una sorveglianza di massa come avvenuto in Cina e bloccato negli USA.

Le invenzioni di AI per fortuna hanno anche tanti lati positivi, tra cui l’identificazione di tumori nelle risonanze magnetiche, le auto a guida autonoma e molti altri casi. La tecnologia è neutra, tutto dipende dall’uso che se ne fa.

Casi virtuosi di AI

AlphaFold è un algoritmo basato sul deep learning per la previsione accurata della struttura proteica. 

Esso incorpora le conoscenze fisiche e biologiche sulla struttura delle proteine, sfruttando gli allineamenti multi-sequenza, nella progettazione dell’algoritmo di deep learning.

Tesla Bot è un robot umanoide sviluppato da Tesla, con l’intenzione non solo di utilizzarlo nelle proprie fabbriche, ma anche di venderlo come prodotto autonomo. 

Il bot si basa sulla stessa intelligenza artificiale alimentata dalla rete neurale che la casa automobilistica utilizza nelle sue auto stradali. Ha lo scopo di eseguire attività ripetitive che altrimenti dovrebbero essere eseguite da esseri umani. 

Tesla ha presentato il suo robot umanoide come prototipo non ambulante chiamato Helioptil durante il Tesla’s 2022 AI Day. Tesla ha mostrato in seguito un video di un altro prototipo chiamato Optimus che camminava e svolgeva compiti semplici, durante il suo Investor Day del 2023.

Il Tesla Bot ha molte applicazioni e alcune di queste potrebbero persino includere la sostituzione di lavoratori umani. Un ottimo esempio di questo è la sostituzione dei primi soccorritori di emergenza con i robot in situazioni estremamente pericolose, come una centrale nucleare dopo un crollo o il tentativo di salvare le vittime da un edificio in fiamme. Tesla testerà i suoi robot umanoidi nelle sue fabbriche prima che raggiungano il mercato. 

Durante questo processo, l’azienda identificherà quali usi avrà il robot in un tale ambiente. Non è difficile immaginare che l’obiettivo finale di Tesla sia progettare un robot umanoide sufficientemente sofisticato.

Il Bot potrebbe anche aiutare in casa, dove potrebbe rivelarsi un fidato compagno per gli anziani, soprattutto se potesse fornire aiuto in caso di caduta. Un’altra applicazione per un robot umanoide sarebbe accompagnare le persone che stanno vivendo la solitudine. (Questa particolare applicazione ha molte considerazioni morali ed etiche che saranno sicuramente oggetto di un intenso dibattito nei prossimi anni.)

La AI oltre le preoccupazioni

Boston Dynamics è nel campo della robotica; con Atlas ha costruito un esempio di Robot umanoide che compie movimenti impressionanti. L’azienda afferma: “Gli umanoidi sono interessanti da un paio di punti di vista. In primo luogo, catturano la nostra visione di un robot del futuro che va ovunque e fa qualsiasi cosa. Potrebbero non essere il miglior design per un’attività particolare, ma se si desidera creare una piattaforma in grado di eseguire un’ampia varietà di attività fisiche, sappiamo già che un fattore di forma umano è in grado di farlo.

Quantum Computing: BMW gestisce un progetto in collaborazione con Amazon Web Services, Inc. (AWS).

La sfida incoraggia i partecipanti a inventare algoritmi quantistici innovativi e testare le loro soluzioni su reali tecnologie di calcolo quantistico. Il calcolo quantistico ha il potenziale per affrontare problemi impegnativi nel settore automobilistico nell’ottimizzazione complessa, nella ricerca sui materiali e nella guida automatizzata nel mondo di domani.

La Quantum Computing Challenge si concentrerà su quattro sfide specifiche in cui il calcolo quantistico potrebbe offrire un vantaggio rispetto ai metodi di calcolo classici: 

• Ottimizzazione delle posizioni dei sensori per le funzioni di guida automatizzate 
• Simulazione della deformazione del materiale nel processo di produzione 
• Ottimizzazione della configurazione del veicolo di pre-produzione 
• Machine Learning per la qualità automatizzata valutazione

Oliver Wick, TS di BMW, immagina che nei prossimi 20 anni i clienti BMW si siederanno davanti a uno schermo e configureranno la propria BMW in tempo reale. Per esempio. Ecco a cosa serve il calcolo quantistico: ripensare processi e configurazioni.

Conclusioni

Oggi viviamo in un mondo in cui l’intelligenza artificiale è un elemento essenziale, nel bene e nel male. Tra assistenti virtuali, applicazioni nel campo della medicina e della psichiatria, algoritmi che ci aiutano a trovare l’anima gemella la strada è ricca di prospettive. Fino ad arrivare ai tentativi, non sempre riusciti, di sfruttare la AI per trovare il candidato più adatto a un posto di lavoro, scegliere a chi erogare un mutuo e addirittura prevedere i crimini: il deep learning è tutto intorno a noi.

Dove arriveremo vista la grande accelerazione dell’AI? Sicuramente a pensarci diversamente, con nuove capacità e soprattutto nuove conoscenze. Saremo in gradi di gestire tutto ciò? Non dobbiamo temere l’AI perché come ogni tecnologia, l’insidia non è da cercare nel mezzo ma nel modi in cui la useremo.