Tecnologie esponenziali: cosa sono e come stanno trasformando il futuro

Indice

• L’evoluzione dell’Intelligenza molto artificiale
• L’incredibile intelligenza delle macchine
• Cosa può ingannare il cervello umano
• Conclusione

Le tecnologie esponenziali sono quelle che non crescono in modo lineare, ma accelerano nel tempo, raddoppiando le loro capacità in periodi sempre più brevi. Un esempio semplice per capire questo concetto è immaginare di raddoppiare un grano di riso ogni giorno: dopo 30 giorni, avremmo abbastanza riso per coprire un intero campo. Dovrebbe essere abbastanza semplice come linea visiva. E questo è il potere della crescita esponenziale. Nel mondo reale si traduce in progressi rapidi e imprevedibili in settori come l’informatica, la medicina e l’energia. E abbiamo detto imprevedibili…

Ricordiamo i bei computer degli anni ’70, che occupavano intere stanze e avevano una potenza di calcolo inferiore a quella di uno smartphone moderno. Oggi, grazie alle tecnologie esponenziali, possiamo avere dispositivi che si adattano alle nostre tasche e sono in grado di eseguire compiti complessi in pochi secondi. Questo cambiamento non è solo tecnologico, ma anche sociale ed economico, poiché ha completamente cambiato il modo in cui lavoriamo, comunichiamo e viviamo.

L’evoluzione dell’Intelligenza molto artificiale

La legge di Moore è stata il motore principale della rivoluzione tecnologica degli ultimi decenni. Quando Gordon Moore osservò che il numero di transistor nei microchip raddoppiava ogni due anni, non immaginava che questa tendenza avrebbe influenzato così profondamente il mondo. E, volendo aprire una parentesi, ricordiamo che la ricerca, la vera ricerca, tiene conto sempre degli imprevisti, come possibilità di nuove strade innovative. Questa crescita esponenziale ha quindi permesso di creare computer sempre più potenti e compatti, aprendo la strada a innovazioni come l’intelligenza artificiale.

Il tema ci porta a fare riferimento all’AI ristretta, o narrow AI, che è già parte della nostra vita quotidiana. Pensiamo ai suggerimenti di Netflix, che analizzano le nostre preferenze per consigliarci film e serie TV, o agli assistenti virtuali come Siri e Alexa, che rispondono alle nostre domande e controllano i dispositivi di casa. L’AI generale (AGI), invece, è ancora un obiettivo lontano. Un’AGI sarebbe in grado di svolgere qualsiasi compito intellettuale come un essere umano, ma al momento rimane un’ipotesi teorica. però ci piace molto.

Se volessimo fare un esempio concreto di come la legge di Moore abbia influenzato l’AI, dobbiamo allora parlare di deep learning. Questa tecnica, che si basa su reti neurali artificiali, E’ potenza di calcolo per eccellenza. Senza i progressi nei microchip, non sarebbe stato possibile addestrare modelli come GPT-4 (e altri modelli come lui), che oggi possono generare testi complessi e realistici.

L’incredibile intelligenza delle macchine

Il test di Turing è un concetto fondamentale per valutare l’intelligenza delle macchine. A suo tempo, persone perspicaci decisero di mettere alla prova le macchine e quello che venne fuori fu la possibilità di poter avere una conversazione con un interlocutore nascosto. In che senso? Nel senso che se si fosse riuscito a capire (facendo attenta distinzione) che il dialogo avveniva tranquillamente con una persona allora la macchina havrebbe superato il test. Questo approccio è stato a lungo considerato il “Santo Graal” dell’intelligenza artificiale.

Oggi, l’AI generativa sta avvicinandosi sempre più a questo obiettivo. Prendiamo ChatGPT, per esempio: è in grado di rispondere a domande complesse, scrivere poesie e creare un codice software. Sebbene non sia perfetto, spesso produce risultati così convincenti che è difficile distinguerli da quelli umani. Ma allora, se una macchina può imitare il pensiero umano, cosa significa davvero “intelligenza”?

Cosa può ingannare il cervello umano

L’AI generativa funziona analizzando e imparando a riconoscere schemi e strutture. Un modello di linguaggio come GPT-4 è addestrato su miliardi e miliardi di parole provenienti da libri, articoli e siti web. Grazie a questo addestramento, può generare testi che sembrano scritti da un essere umano. Tools come DALL-E o MidJourney permettono di generare immagini partendo da una semplice descrizione testuale. Se chiedi a DALL-E di creare un “cane che gioca a scacchi con un gatto su un tavolo di legno”, otterrai un’immagine dettagliata e convincente, anche se la scena non esiste nella realtà.

Questa capacità di ingannare il cervello umano è resa possibile dalla combinazione di tre fattori: potenza di calcolo, dati di alta qualità e algoritmi avanzati. Sappiamo ormai che l’AI generativa può essere utilizzata per creare fake news e contenuti ingannevoli, rendendo difficile distinguere tra realtà e finzione. Eppure, così come è avvenuto già in passato, abbiamo compreso che imparare a diversificare i contenuti farà ben presto parte della formazione globale.

Conclusione

Le tecnologie esponenziali, guidate dalla legge di Moore e dall’evoluzione dell’intelligenza artificiale, stanno gestendo l’evoluzione del nostro bel mondo, e ad un ritmo senza precedenti. E l’AI generativa rappresenta una delle frontiere più affascinanti e complesse di questa rivoluzione.

Mentre guardiamo al futuro, è cruciale bilanciare l’innovazione con la responsabilità. Le tecnologie esponenziali hanno il potenziale per migliorare la nostra vita in modi incredibili, ma solo se vengono utilizzate in modo giusto e produttivo. Il futuro è nelle nostre mani, e dipende da come decidiamo di gestire questi potenti strumenti.