Stiamo reinventando l'intelligenza senza averla capita. Come gli uccelli con il volo

Gli uccelli hanno imparato a volare senza capire come lo facessero gli insetti e noi umani stiamo sviluppando forme di intelligenza artificiale senza avere capito a fondo come funzioni l'intelligenza naturale. "Per quanto ne sappiamo, i bambini apprendono creandosi dei modelli della realtà, che mettono continuamente alla prova attraverso l'osservazione," ha detto Riccardo Zecchina, Vodafone Chair in Machine Learning and Data Science, nel corso del recente Donor Event, organizzato dall'Università Bocconi per ringraziare chi la sostiene. "L'intelligenza artificiale, attraverso il machine learning, o apprendimento automatico, impara processando una quantità di dati ingestibile per un essere umano."

Tra gli sviluppi più sorprendenti dell'intelligenza artificiale negli ultimi anni, Zecchina annovera i potenti generatori di linguaggio come ChatGPT, la capacità di "predire" la struttura di nuove proteine, e perciò contribuire allo sviluppo di nuovi farmaci, e la formulazione di nuovi teoremi matematici.

Zecchina ha descritto i generatori di linguaggio come "modelli autoregressivi," che generano una parola dopo l'altra basandosi sul dataset su cui sono stati allenati. Per addestrare questo genere di modello, i ricercatori prendono una frase e ne nascondono una parte, facendo predire al sistema come dovrebbe essere completata e proseguono fino a che la previsione è accurata. ChatGPT è stato addestrato su un corpus equivalente a 100 milioni di libri.

Sistemi come ChatGPT sono in continua evoluzione e il miglioramento è impressionante. Tra le differenze tra la versione di ChatGPT liberamente disponibile da novembre 2022 e il più recente GPT-4, Zecchina ha evidenziato le diverse risposte alla richiesta: "Qui abbiamo un libro, 9 uova, un computer portatile, una bottiglia e un chiodo. Per favore, dimmi come impilarli l'uno sull'altro in modo stabile." Trasformando in disegni le due risposte, i risultati sono visibili qui sotto.

Il miglioramento è, a dir poco, abissale. Consigliando di posizionare le uova tra il libro e il computer, inoltre, GPT-4 specifica: "Disponete le 9 uova in un quadrato di 3 per 3 sopra il libro, lasciando un po' di spazio tra di esse. Le uova formeranno un secondo strato e distribuiranno il peso in modo uniforme," facendo pensare che il sistema si sia creato un modello che gli consente di distinguere che cosa sia stabile e che cosa no.

"All'interno del sistema," ha detto Zecchina, "si sviluppano interazioni complesse. È stato osservato, per esempio, che dopo avere imparato alcuni linguaggi di programmazione, ha migliorato anche le sue prestazioni di linguaggio naturale."

Anche se si moltiplicano le richieste di moratoria nello sviluppo dell'intelligenza artificiale e si paventa addirittura l'estinzione del genere umano, Zecchina ha chiarito che, per ora, i rischi realistici sono il bias (la tendenza a riprodurre i pregiudizi impliciti nel dataset di addestramento), la possibile sostituzione di alcuni lavoratori e la concentrazione del potere nelle mani di pochi. "A questi sistemi manca ancora la capacità di pianificare," ha detto il Vodafone Chair in Machine Learning and Data Science, "la capacità di elaborare ipotesi, controdeduzioni e ipotesi alternative. Se mai dovessero acquisire questa capacità, potrebbero essere guidati dall'indicazione di raggiungere determinati obiettivi e la situazione si farebbe più delicata."

Viviamo, insomma, in un momento in cui alcune prospettive positive, come una forte accelerazione nel ritmo delle scoperte scientifiche, sono certe, ma la nostra capacità di progredire per via sperimentale ha sopravanzato la nostra comprensione teorica. La comunità scientifica deve rimanere vigile e avere la possibilità di osservare, verificare, sperimentare, superando la cortina che, per motivi concorrenziali, alcune società attive nel settore dell'intelligenza artificiale tendono a ergere.