Riciclata, aumentata ma non ancora umana

Sebbene l'intelligenza artificiale possa sembrare una tendenza recente, questa idea è stata in realtà introdotta alla fine degli anni Cinquanta. Da allora, la percezione pubblica, l'attività di ricerca e i finanziamenti hanno subito spettacolari alti e bassi, compresi i famosi inverni dell'IA. Considerando i risultati di maggior successo dell'IA dell'ultimo decennio, per quanto affascinanti, l'originaria "aspirazione a realizzare in software e hardware un'entità in possesso di un'intelligenza di livello umano" è stata progressivamente riformulata nella progettazione più tangibile di macchine in grado di eseguire, con impressionante accuratezza, diversi compiti umani come la generazione di testi e immagini, il riconoscimento di oggetti e il movimento, senza necessariamente richiedere una piena comprensione dei meccanismi di origine che rendono questi compiti possibili negli esseri umani. Ciò si ottiene sfruttando un'enorme quantità di dati prodotti ed etichettati dall'intelligenza umana per addestrare gli algoritmi di apprendimento automatico statistico a svolgere questi compiti.

Ricordando i recenti risultati dell'intelligenza artificiale (per esempio, ChatGPT ), la bellezza di questo risultato è che un output secondario dei meccanismi alla base dell'intelligenza umana, cioè i dati generati dall'uomo, è spesso sufficiente, se combinato con algoritmi avanzati, per creare un'intelligenza in grado di imitare i compiti alla base della creazione dei dati originali. Per questo motivo, questa forma di intelligenza potrebbe essere compresa più precisamente se definita intelligenza riciclata. Questa definizione è ancora più esplicativa se consideriamo che non solo i dati in ingresso sono un prodotto dell'intelligenza umana, ma anche le potenti architetture informatiche attualmente utilizzate per elaborare questi dati hanno riciclato il contributo inestimabile e parzialmente misconosciuto dei computer umani dell'inizio del XX secolo. Vale a dire esseri umani di talento ai quali, in assenza di potenti infrastrutture informatiche, è stato chiesto di eseguire calcoli complessi di tipo informatico. Una sorta di IA al contrario, che richiede agli esseri umani di imitare i computer, piuttosto che il contrario, e che tuttavia ha posto le basi per l'ascesa delle moderne tecnologie informatiche.

Considerare le attuali forme di IA in termini di intelligenza riciclata aiuta a contestualizzarne i risultati e a chiarirne le differenze rispetto a un'altra prospettiva fondamentale di apprendimento dai dati, ovvero quella che può essere definita come "intelligenza aumentata ". Pur condividendo un'enfasi comune su dati, modelli e algoritmi, questa prospettiva dà la priorità alla creazione di nuove conoscenze sui processi generativi e sulle cause dei fenomeni a livello di popolazione a partire dall'analisi di molteplici fonti di dati. Pertanto, aumenta l'intelligenza umana coordinando e combinando diverse discipline e competenze sul campo per rispondere a domande scientifiche impegnative che un singolo uomo o una singola comunità non sarebbero in grado di affrontare autonomamente. Questa prospettiva, che è una caratteristica distintiva della Scienza dei dati, ha al centro una forma di ragionamento ipotetico per progettare modelli generativi in grado di produrre conoscenza, anche in assenza di una grande quantità di dati di addestramento.

Un esempio attuale è la Network Science, la disciplina che analizza le complesse strutture di connettività tra un insieme di entità. In questo caso, la dimensione del campione è spesso unica, poiché in genere viene osservata una sola rete. Per far fronte a questo problema, sono necessari modelli statistici strutturati e generativi, che incorporino anche le informazioni preliminari degli esperti del settore. Lavorando in questa direzione con i colleghi del BayesLab e con i dottorandi della Bocconi in Statistica e Informatica, siamo riusciti a generare nuove conoscenze sulla struttura e la funzione delle reti cerebrali e sulle architetture piramidali non ancora scoperte nelle reti criminali. Nel contesto delle reti criminali, stiamo ora esplorando nuove intersezioni tra i modelli fattoriali delle Scienze Sociali, gli alberi filogenetici della Biologia, le conoscenze specialistiche della Criminologia e i metodi di inferenza avanzati della Statistica per ottenere ricostruzioni senza precedenti delle storie evolutive della criminalità organizzata, radicate nelle complesse interazioni tra i criminali.

L'intelligenza riciclata e aumentata ha, e avrà, progressivamente rimodellato il nostro modo di intendere, produrre e analizzare i dati per supportare compiti decisionali complessi. La loro sintesi potrebbe essere la soluzione per realizzare l'aspirazione originale dell'IA.