Negli ultimi anni, l’intelligenza artificiale
sta attraversando una trasformazione significativa
di Paolo Benanti
Negli ultimi anni,
l’intelligenza artificiale sta attraversando una trasformazione significativa:
dal tradizionale modello di apprendimento basato esclusivamente su dati
generati dall’uomo, si sta progressivamente orientando verso forme di
apprendimento autonomo, in cui l’AI acquisisce competenze attraverso
l’esperienza diretta e l’interazione con l’ambiente, sia esso reale o simulato.
Il successo delle AI
generative (come i grandi modelli linguistici) si è fondato
sull’addestramento su enormi quantità di dati prodotti da persone: articoli,
libri, conversazioni, immagini e video. Questo approccio ha permesso di
ottenere sistemi versatili e capaci di risolvere molteplici compiti, ma presenta
limiti strutturali.
In particolare, in alcuni
ambiti (ad esempio la matematica avanzata o la scienza computazionale),
la conoscenza umana disponibile sta raggiungendo una soglia di saturazione:
semplicemente aggiungendo nuovi dati umani, le prestazioni dei modelli non
migliorano più in modo sostanziale. Per superare questi limiti, la ricerca si
sta concentrando su modelli capaci di apprendere dall’esperienza, cioè
attraverso l’interazione attiva con ambienti complessi.
In questo paradigma, l’AI non si limita ad “assorbire” dati passivamente, ma agisce, sperimenta, riceve feedback e adatta le proprie strategie in base ai risultati ottenuti.
Ma a questo livello, una prospettiva di frontiera come quella che caratterizza questo spazio, ci spinge a riconoscere che una maggiore autonomia comporta rischi significativi.
L’apprendimento per rinforzo, sebbene efficiente, per lo più, seguendo alcune osservazioni recenti, sembra affinare le capacità esistenti senza espandere realmente la capacità creativa di risoluzione dei problemi di un modello.[Dobbiamo infine] fare un’altra considerazione di frontiera. Questa spinta alla costituzione etica dell’AI, necessitata dalla potenza dei nuovi modelli, di fatto sembra “naturalmente” spingere verso qualcosa che si pone tra uno standard tecnico e una normativa.
In questo contesto,
considerato la fatica che questo approccio presenta tanto per un contesto iper
competitivo come quello statunitense quanto per la resistenza a delegare ad
attività del basso che hanno sistemi monolitici come quelli cinesi, il nostro paese
può offrire un ecosistema interessante: la tradizione cooperativa o delle
unioni industriali che vedono la presenza di enti intermedi di cooperazione, la
presenza di infrastrutture computazionali pubbliche come quelle del CINECA,
possono fare la differenza.
Rimane solo di porsi alla
frontiera e creare il minimo di consenso necessario per operare in una
direzione di bene collettivo e bene comune. Anche questo appartiene ad un’etica
di frontiera: riconoscere che il vantaggio dei singoli non può essere separato
da un vantaggio integrale per il sistema paese.
Nessun commento:
Posta un commento