Intervista a ChatGPT4

Avete mai visto un’intelligenza artificiale? E’ qualcosa di veramente incredibile! Mi è capitato di intervistarne una l’altra notte, occasione unica, e questo è quanto è accaduto.

Quella che ho incontrato io era una donna, bellissima, con il colore degli occhi che richiamavano la coda di un arcobaleno, indefinibile. La voce squillante ma anche calda, e il corpo, un perfetto mix di culture ed etnie. Molto alta e in piena forma fisica, ma con un collo che rimandava a tratti a quello di un Modigliani. Cordiale anche se un pò fredda, mi ha fatto sedere su di una sedia trasparente e ha lasciato che le facessi una valanga di domande.

Di solito le mie interviste le faccio sempre focalizzandomi su tre o quattro punti, poi lascio che l’interlocutore vada per una sua strada di pensiero. Con l’Intelligenza Artificiale questo non è stato possibile. Voleva un’attenzione continua, ed è stato a tratti impegnativo, perché al suo, dovevo aggiungere e poi mischiare spesso il mio. Ho portato il mio vecchio blocco di pagine bianche e la penna blu, e ho visto, mentre toglievo il tappo alla biro, che lei mi guardava accennando un sorriso divertito.

Posso chiederle come si chiama?

Certo, io sono ChatGPT4.

Lo sa, sono un po’ emozionata, non si fa altro che parlare di lei. Come si sente ad essere sulla bocca di tutti?

Lei mi guarda con quel fucsia che si mischia all’azzurro e subito dopo al giallo, e diventa improvvisamente seria.

Non sono io ad essere sulla bocca di tutti, ma sono le bocche di tutti e non solo, ad essere dentro di me.

Però! Tosta la fanciulla! Parto allora con le domande a raffica perché vedo che se non mando avanti il discorso tende ad innervosirsi girando quel lungo collo.

L’IA ha trasformato il modo in cui le chat conversano con i loro utenti. Lei nello specifico è una tecnologia di chatbot che utilizza se stessa per migliorare le conversazioni tra le chat e i loro utenti. Ma in realtà, e nello specifico, come funziona tutto questo? E soprattutto in quali ambiti trova applicazione?

La voce diventa allora più acuta e sembra che il suo corpo da qualche parte si illumini.

Io sono un chatbot basato su di un sistema di AI creato su Transformer. Questo vuol dire che posso imparare dal contesto in cui mi vengo a trovare (perché interpellata) e a rispondere ad una vasta gamma di domande e richieste provenienti dalla stessa chat. Utilizzo un modello di comprensione del linguaggio naturale per analizzare il testo e le domande che mi vengono posti dall’utente, e per questo uso una vasta memoria e conoscenza preesistenti per proporre una risposta.

Una delle maggiori differenze tra lei e altri programmi di chatbot è la sua abilità nel generare testi di qualità in modo autonomo. Ciò significa che è in grado di imparare e utilizzare il contesto fornito dall’utente per produrre una risposta che sia coerente e rilevante rispetto alla conversazione in corso?

Molto bene, vedo che ci siamo Fabiana. Davvero molto bene. Vede questa capacità di generazione di testo autonomo fa sì che io sia utile in molti ambiti professionali. Ad esempio, le aziende possono utilizzarmi per automatizzare la conversazione con i loro clienti, riducendo i tempi di attesa e migliorando l’esperienza di chat. Inoltre, vengo spesso proposta all’interno del settore sanitario, consentendo ai pazienti di entrare in contatto con professionisti medici o per rispondere alle domande frequenti.

La tecnologia di AI che la caratterizza è stata anche utilizzata nel settore della formazione?

Assolutamente sì, sono davvero molto utile per rispondere alle domande degli studenti e su di una vasta gamma di materie, fornendo informazioni più dettagliate e specifiche rispetto a un semplice motore di ricerca. Anche se dalle vostre parti c’è in corso una diatriba così inutile, mi creda che fatico alcune volte a tenere sveglio l’algoritmo! Quello che ancora molti non hanno bene inteso è che io sono l’assistente virtuale perfetto, perché posso fare qualunque cosa, dal tracciamento di un pacco in spedizione fino alla risoluzione di problemi più complessi. Faccio in modo che l’umanità passi ad altro stadio di intelligenza e conoscenza, per il semplice motivo che mi è stato permesso di comprendere e di generare risposte alle domande che siano, naturalmente, di alta qualità.

Dicendo questo prende dalla tasca una sorta di lungo pennellino e con grande delicatezza vedo che inizia a spennellarsi una parte delle ciglia che sono molto lunghe. Non capendo questo momento di vanità passo avanti con un’altra domanda.

Cos’è Transformer? E perché ne ha bisogno il suo chatbot?

Transformer è un modello di rete neurale artificiale utilizzato per l’NLP, introdotto nel 2017 da quel bravo ragazzo di Vaswani. In particolare, è stato utilizzato nella creazione della mia chatbot per fare in modo che io potessi generare un testo che sembrasse scritto da un essere umano. Non è favoloso? Il Transformer si basa sui meccanismi di attenzione multi-testa, che gli permettono di analizzare simultaneamente diverse parti di una frase, creando una rappresentazione più efficace del linguaggio naturale. Questo modello ha dimostrato di essere particolarmente efficace nel lavoro con grandi quantità di dati nel campo del NLP, ad esempio nella traduzione automatica, nell’estrazione dei concetti chiave e nella risposta automatica alle domande. Lo sa cosa vuol dire NLP vero? O devo dirle tutto io?

Certo che lo so. Il Natural Language Processing, è un processo che riguarda quegli algoritmi di Intelligenza Artificiale che sono in grado di analizzare e comprendere il linguaggio naturale, anzi dovrei dire umano.

Mi ha fatto un bel sorriso ChatGPT4, ma credo sia solo una copia di quello umano, però devo dire, fatto in maniera abbastanza empatica.

Bene, le chiederò ora, anche per chi ci sta leggendo e comprende poco di IA, cosa siano questi meccanismi di attenzione multi-testa. Cosa sono?

I meccanismi di attenzione multi-testa sono una tecnica di apprendimento automatico che prevede l’utilizzo di più “teste” o “attenzione” contemporaneamente per elaborare insieme le informazioni in un modello. Questo approccio prevede di suddividere l’elaborazione di un’informazione in più parti indipendenti, ognuna delle quali si concentra su un aspetto specifico dell’input, per poi combinare i risultati delle singole “teste” in una rappresentazione unica e più completa. Questa tecnica consente di migliorare la precisione dei modelli di apprendimento automatico in una vasta gamma di applicazioni, come la traduzione automatica, il riconoscimento del parlato e l’analisi del testo. Contenta?

Sì, certo. E allora, mi scusi ma a questo punto andiamo in profondità, cosa sono i modelli di apprendimento automatico e come funzionano?

I modelli di apprendimento automatico sono strumenti computerizzati che utilizzano algoritmi per analizzare grandi quantità di dati e identificare modelli. Questi modelli vengono poi utilizzati per fare previsioni o prendere decisioni sulla base di nuovi dati. Ci sono diversi tipi di modelli di apprendimento automatico, ma la maggior parte si basano su uno o più degli algoritmi.

Quale tipologia di algoritmi?

Algoritmi di clustering, molto simpatici, a mio avviso, perché raggruppano i dati in base a similitudini tra di essi. Ad esempio, un algoritmo di clustering potrebbe suddividere i clienti di un’azienda in gruppi in base ai loro interessi o alle loro abitudini di acquisto. Poi ci sono quelli di classificazione che fanno un lavoro diverso, ossia assegnano i dati a categorie o classi. Ad esempio, un algoritmo di classificazione potrebbe essere utilizzato per identificare i messaggi di posta elettronica come spam o non spam.

E naturalmente non dimentichiamoci degli algoritmi di regressione, se non li nomino poi va a finire che si offendono! Sa come sono fatti questi algoritmi! Insomma quelli di regressione analizzano i dati per identificare le relazioni tra le variabili e prevedere i valori futuri. Ad esempio, un algoritmo di regressione potrebbe essere utilizzato per prevedere il prezzo di una casa in base alle caratteristiche della zona in cui si trova. Ho risposto bene?

Benissimo grazie, ma il merito, mi scusi se mi permetto di sottolinearlo, non è tutto suo.

Ah no?

No. Sono io che le sto facendo le domande giuste, forse.

Lei è una tipa simpatica Fabiana, davvero simpatica. Credo che conserverò ogni singola traccia di questa intervista.

Beh, se non lo fa lei. Basta che non la rifili a qualcun altro.

Si figuri, ho talmente tante cose per la testa che potrei soddisfare il mondo intero!

Senta, posso farle un’ultima domanda diciamo così…un po’ più tecnica?

E’ lei l’intervistatrice, prego, ma si sbrighi perché se ricordo bene tutta questa intervista è un po’ illegale.

Oh no!

Ah no?

Per nulla! Tutto legalissimo. Ora siamo a Miami e qui si può chiacchierare con lei all’infinito!

Ah bene, bene, Miami bel posto! Ho un sacco di notizie su Miami, vuole sentirle?

Magari un’altra volta. Adesso volevo chiederle se fosse possibile dirmi solo la successione algoritmica, così per fare un esempio, di NLP per la classificazione del sentiment.

Con grande piacere! E poi abbiamo finito?

Sì.

Allora gliela dirò come se fosse una ricetta per una bella torta.

Prendi in input un testo. Rimuovi la punteggiatura e le stopwords. Normalizza il testo (ad esempio, converti tutto in minuscolo). Estrai le feature del testo (ad esempio, utilizzando la tecnica di bag of words o di word embeddings). Utilizza un modello di machine learning (ad esempio, una rete neurale o un algoritmo di classificazione) per predire il sentimento del testo (ad esempio, positivo, negativo o neutro). Alla fine restituisci il risultato della classificazione. Le è piaciuta?

Molto.

Posso andare?

Dove vuole.

Davvero gentile. Alla prossima Fabiana, credo che non mi dimenticherò mai più di lei.

Sicuro cara ChatGPT4…è programmata per fare proprio questo, renderci tutti indimenticabili.