5 miti sull’intelligenza artificiale da sfatare

Facciamo chiarezza su alcuni aspetti dell’intelligenza artificiale (IA). Qualche giorno fa ho letto un articolo di Business Insider che potrebbe aiutarci a fare delle distinzioni.

Esistono diversi miti sull’IA. Oggi ne vediamo 5 che sono tra i più comuni.

 

1. L’IA eliminerà i lavori

Questo è il primo mito, quello più comune e forse quello più discusso negli ultimi tempi. Le opinioni sono diverse in merito ed è difficile trovare risposte definitive, soprattutto se si prova a guardare al futuro.

Ma di sicuro qui c’è un punto che confonde molte persone. Si tratta del rapporto IA-attività ripetitive. Quando si parla di automazione si parla di programmazione al computer, non di intelligenza artificiale. Quando ci confrontiamo con scenari futuri di magazzini automatizzati al 99% non dobbiamo pensare solo all’IA.

Per automatizzare qualcosa è necessaria l’intelligenza umana. Ma l’automazione che produciamo in questo modo non è di per sé “intelligente”. Il concetto di “intelligenza” va al di là di tante altre nozioni che fanno riferimento al concetto di “creatività”. L’esperto in tecnologie digitali Kevin Kelly ha fatto una bella riflessione in merito descrivendo quella che definisce cognificazione artificiale.

Molte persone, anche addetti ai lavori, provano ad automatizzare alcuni compiti attraverso i computer e a spacciare questi programmi per IA. Luis Perez-Brava, sviluppatore ed autore dell’articolo cui accennavo prima, ha descritto un esempio che ben spiega la differenza tra automazione di attività e IA:

Diversi anni fa, i miei colleghi del MIT ed io abbiamo affermato che se potessimo sapere come viene letto il DNA di una cellula saremmo arrivati un passo più vicino alla progettazione di terapie personalizzate. Invece di costringere un computer ad usare solo ciò che gli esseri umani già sanno sulla biologia, abbiamo istruito un’IA a pensare al DNA come un mercato economico in cui i regolatori del DNA e i geni competono – e abbiamo lasciato che il computer costruisse il proprio modello che ha appreso dai dati. L’IA ha poi usato il proprio modello per simulare il comportamento genetico su un computer portatile in alcuni secondi, con la stessa precisione dei modelli tradizionali del circuito del DNA che hanno richiesto giorni di calcoli con un supercomputer.

Questa è la differenza tra l’automazione di un compito e l’applicazione di un’IA. In questo caso, l’intervento umano, almeno nella fase iniziale, è stato fondamentale. Considerando questa differenza tra automazione e IA, è difficile affermare con sicurezza che le IA elimineranno con facilità diversi tipi di lavori. Di sicuro nella fase iniziale vedremo diverse forme di collaborazione tra umani e IA in differenti ambiti di applicazione.

 

2. I robot sono IA

Un altro mito che si basa sulle scarse conoscenze dei settori della robotica e dell’IA. I robot non sono intelligenze artificiali. I robot sono delle macchine che eseguono compiti specifici e limitati pre-programmati.

Alcuni robot possono essere dotati di un’IA, come per esempio Pepper. I robot dotati di IA possono svolgere compiti più complessi, come riconoscere volti, comunicare e reagire in base all’interazione con l’ambiente e le persone.

Ma sia ben chiaro: i robot non sono di per sé delle IA.

 

3. Big data e sistemi di analisi sono IA

Altro errore. I big data, i sistemi di estrazione e analisi di dati sono solo definizioni di alcune operazioni che possono eseguire i computer. Tali operazioni sono basate su modelli progettati dagli scienziati. Possono essere operazioni molto complesse, ma non si tratta di IA.

I dati sono come i tuoi sensi: solo perché gli odori possono innescare memorie, non significa che l’olfatto stesso sia intelligente, e maggiore olfatto non porta a una maggiore intelligenza“, ha scritto Perez-Brava.

 

4. L’apprendimento automatico e l’apprendimento profondo sono IA

L’apprendimento automatico (machine learning) e l’apprendimento profondo (deep learning) sono solo strumenti che permettono di programmare i computer in modo che reagiscano a modelli complessi. Un classico esempio è il filtro automatico per le email che contengono spam. I filtri diventano sempre più precisi grazie al comportamento di milioni di utenti che classificano determinate email come spam. Il sistema apprende e applica le misure più adeguate in modo autonomo.

Questi sistemi sembrano davvero “intelligenti” e in alcuni casi possono risultare inquietanti. Ma non sono delle intelligenze artificiali. Lo schema seguente può chiarirti meglio le idee.

Glossario dell'intelligenza artificiale

 

5. I motori di ricerca sono IA

I motori di ricerca sembrano dotati di una specie di intelligenza perché ci restituiscono quasi sempre risultati adeguati. Però anche questi strumenti non sono IA. Siamo stesso noi, con le nostre ricerche, a rendere i motori di ricerca sempre più precisi. I computer semplicemente creano dei modelli in base a ciò che cerchiamo e non comprendono nulla di ciò che trovano per noi.

 

Consapevolezza per il futuro

Questi miti sull’intelligenza artificiale vengono poi amplificati attraverso la cattiva informazione. Con questo non voglio dire che tutti dovremmo conoscere nei dettagli cosa sia l’IA, il machine learning e il deep learning. Ma credo sia importante conoscere le differenze principali nel momento in cui si condividono informazioni di un certo rilievo.

Perché poi il discorso diventa ancora più complesso quando dalle applicazioni del presente si passa a quelle del futuro. Kevin Kelly ha parlato del mito della superintelligenza artificiale per spiegarci quanto c’è di vero, di possibile o improbabile nello sviluppo delle future IA.

Il rischio è che in mezzo a questo mare di informazioni, corrette e non, ci si può perdere facilmente. E la confusione, si sa, porta a un’informazione sbagliata o deformata. I media devono catturare l’attenzione e quindi attingono dall’immaginario fantascientifico per fare leva sulla nostra curiosità e sulle nostre paure.

Ciò è controproducente per lo sviluppo delle tecnologie e per la comprensione del nostro potenziale innovativo. Difficilmente si procederà con la progettazione di macchine utili per la società se il loro reale scopo viene travisato. Questo discorso vale anche per l’aspetto opposto ovviamente: tecnologie spacciate per utili e indispensabili quando invece servirebbero a ben poco.

Comunque, la qualità più importante delle IA non è l’elaborazione dei dati o l’esecuzione di programmi. Tutti i computer possono fare queste operazioni. Ciò che dovranno fare le IA sarà imparare a svolgere attività che noi non possiamo eseguire perché limitati dagli strumenti che abbiamo a disposizione. Dovremmo iniziare a considerarla una sorta di partnership: guidiamo le IA a svolgere alcuni compiti e al tempo stesso impariamo a porre domande migliori.

Il tema del futuro del lavoro è quello più scottante. Secondo Luis Perez-Brava, alcune applicazioni di IA hanno già creato centinaia di migliaia i posti di lavoro (Google, Uber, Facebook, Amazon, ecc.). Abbiamo a disposizione 2 tipi di approccio per affrontare la questione: seguire passivamente la narrazione distopica sul futuro dei lavori, oppure riflettere su come rendere l’IA capace di fornire soluzioni ai problemi che non riusciamo a risolvere con i nostri mezzi tradizionali.

Forse la seconda opzione, che si tradurrebbe in azioni utili per il benessere delle società, è quella più conveniente. Cosa ne pensi?

Per ricevere notizie del blog e altri aggiornamenti sulle tecnologie digitali dirompenti, iscriviti alla newsletter.

Controcorrente Newsletter

Fonte: Business Insider


Lascia un commento