di Alessandro Scassellati
In questo momento di punta della mania dell’intelligenza artificiale nel mondo tecnologico, ogni volta che le aziende tecnologiche possono apporre un’etichetta di “intelligenza artificiale” su un prodotto, lo fanno. Questa corsa può comportare effetti negativi per noi come consumatori. Più la nostra comprensione di una nuova tecnologia è distorta dall’iperbole, spesso da una vera e propria montature pubblicitaria, meno riusciamo ad applicarla in modo ponderato ed è più probabile che causiamo danni con essa.
I reali progressi nel riconoscimento e nel completamento di modelli basati sull’apprendimento automatico hanno innescato una nuova bolla negli investimenti nel settore tecnologico, incoraggiando le aziende ad applicare l’etichetta “IA” a tutto ciò che si muove.
Paul McCartney ha recentemente dichiarato alla BBC che l’IA stava aiutando i Beatles sopravvissuti a produrre una nuova canzone con la voce di John Lennon, ucciso nel 1980. Sì, ma: la tecnologia non sta riportando in vita la voce che cantava “Imagine” e “Revolution“. Lennon in realtà si trovava davanti a un microfono nel 1978 e cantava le parole della “nuova” canzone, “Now and Then”, su una demo di bassa qualità.
Gli strumenti in grado di estrarre in modo pulito la voce di un cantante da una vecchia registrazione rumorosa sono molto più efficienti oggi che in passato. Ma non sono fondamentalmente diversi dai programmi di riconoscimento di modelli audiovisivi in uso da decenni, come la “bacchetta magica” in Adobe Photoshop che isola un’immagine in primo piano da uno sfondo. Chiamare questa “intelligenza artificiale” suggerisce che sia in qualche modo più intelligente o più autonoma di quanto non sia.
I promotori dell’IA di oggi stanno cercando di avere entrambe le cose: insistono sul fatto che l’IA sta attraversando un confine profondo in un territorio inesplorato con rischi insondabili. Ma definiscono anche l’intelligenza artificiale in modo così ampio da includere quasi tutti i programmi per computer su larga scala basati su statistiche. In base a questa definizione, tutto, dal motore di ricerca di Google allo strumento di sblocco del riconoscimento facciale dell’iPhone, all’algoritmo del feed di notizie di Facebook, è già “guidato dall’intelligenza artificiale” e lo è stato per anni.
Il catalizzatore di questa ondata di clamore è stata l’introduzione di ChatGPT alla fine dell’anno scorso, che ha messo in luce le impressionanti capacità di conversazione dei grandi modelli linguistici di oggi. ChatGPT è un programma che attira l’attenzione, ma l’approccio del chatbot non è una soluzione per tutti i problemi del mondo. Il campo più ampio dell’IA generativa, con i suoi poteri di mimetismo audiovisivo, è altrettanto impressionante, ma limitato.
Ma 20 anni fa abbiamo cambiato la definizione di “intelligenza artificiale” in modi che ci hanno preparato per l’attuale frenesia di chiamare tutto AI. Il termine “intelligenza artificiale” è emerso negli anni ’50 per nominare l’obiettivo di duplicare le capacità umane di ragionamento nel codice e nei circuiti, che gli esperti all’epoca prevedevano avrebbero potuto richiedere 15 o 20 anni per essere raggiunto. Per decenni gli scienziati hanno cercato di farlo modellando scrupolosamente il mondo reale nei dati in modo che i computer potessero capirlo. Quando quel percorso si è rivelato lento e poco gratificante, l’IA ha vissuto un ciclo di “inverni” quando i finanziamenti si sono prosciugati e il progresso è diminuito.
Una strada diversa e a lungo trascurata che coinvolge la creazione di reti neurali è emersa come un’alternativa promettente, iniziando a prendere forma negli anni ’90 e accelerando negli anni ’20. Invece di organizzare meticolosamente le informazioni del mondo affinché il computer le ingerisse, questo approccio prevedeva che la macchina consumasse enormi quantità di dati disorganizzati per identificare i modelli. La crescita esponenziale della potenza di elaborazione e della capacità di archiviazione ha reso questa tecnica di apprendimento automatico uno studente sempre più efficace e Internet stesso ha offerto un tesoro prezioso di materiale didattico pronto per il digitale. Da allora, l’intelligenza artificiale è diventata effettivamente sinonimo di “corrispondenza efficiente di modelli su larga scala“. In base a questa definizione, quasi ogni tipo di automazione o sistema basato sulla probabilità si qualifica come “intelligenza artificiale“.
I sostenitori dell’IA odierna sostengono che tale abbinamento di schemi è fondamentalmente ciò che fa anche il cervello umano, quindi con l’avanzare delle capacità dei computer convergeranno inevitabilmente su quelle dell’umanità.
L’ubiquità della categoria “intelligenza artificiale” nella tecnologia oggi potrebbe essere l’atto di rebranding (rivitalizzare un marchio commerciale) di maggior successo nella storia di molte aziende. Questo perché i nuovi prodotti IA della Silicon Valley sono per lo più solo perfezionamenti efficienti di tecnologie che utilizziamo tutti da anni. Come ha affermato Meredith Broussard, studiosa della New York University e importante critico di intelligenza artificiale, in una recente intervista con The Markup: “Una volta che la usi, l’intelligenza artificiale sembra banale. Sembra proprio di usare qualsiasi altra tecnologia“.
