Si tratta di un fenomeno psicologico comune: ripeti tante volte una parola e questa perderà di significato, dissolvendosi nel nulla fonetico. Per molti di noi, il termine “Intelligenza Artificiale” è andato in pezzi proprio in questo modo già da qualche tempo. Oggi l’Intelligenza Artificiale è ovunque, in qualsiasi device tecnologico, dalla TV allo spazzolino da denti.

Le decisioni prese dall’IA influenzano le nostre vite

Mentre il termine “Intelligenza Artificiale” è indubbiamente abusato, la tecnologia sta progredendo quanto mai prima d’ora — nel bene e nel male. A partire dal settore sanitario e fino ad arrivare ad essere sfruttata persino in guerra. Produce musica e scrive libri, esamina il tuo curriculum, giudica la tua affidabilità e ti aiuta a migliorare le foto scattate con lo smartphone. In breve, prende decisioni che impattano sulla tu vita, che tu lo voglia o no.

Intelligenza Artificiale

Può essere difficile inquadrare il tipo di Intelligenza Artificiale a cui i diversi produttori fanno riferimento. Basti pensare ad esempio ad Oral-B Genius X, uno spazzolino elettrico svelato al CES di quest’anno, apparentemente dotato di IA. Ma basta non fermarsi al comunicato stampa e scavare più a fondo per rendersi conto che si tratta di un paio di sensori buttati qua e là per fornire dei feedback sulla base del metodo di spazzolamento degli utenti, niente di più.

Ma cos’è realmente l’Intelligenza Artificiale?

Spesso la stampa esagera, rendendo l’idea di una mistica figura in stile Terminator ogni volta che si parla di IA. Ciò causa non poca confusione tra gli utenti nel determinare cosa effettivamente è l’intelligenza artificiale. Può essere un argomento difficile per i non esperti, e le persone spesso confondono erroneamente l’IA contemporanea con la versione con cui hanno più familiarità: una visione scientifica di un computer cosciente mille volte più intelligente di un essere umano.

Questa tipologia di IA, piuttosto, prende il nome Intelligenza Artificiale Generale (“Artificial General Intelligence”, AGI) ed ha come obiettivo la creazione di una IA capace di replicare completamente l’intelligenza umana. Ma allo stato attuale delle cose una vera intelligenza artificiale è ancora ben lontana dalla realtà.

È più corretto quindi parlare di machine learning piuttosto che di intelligenza artificiale. Si tratta di un sottocampo dell’Intelligenza Artificiale che si pone l’obiettivo di far apprendere in modo automatico alle macchine attività svolte da noi esseri umani. Certo, questo nome non racchiude l’aura mistica di “IA”, ma rende certamente meglio il concetto.

Come funziona il machine learning?

Negli ultimi anni ho letto dozzine di definizioni, ma la risposta che ho trovato più utile è proprio lì nel nome: il machine learning è tutto ciò che consente ai computer di imparare da soli. Sembra tutto molto semplice, ma come avviene ciò?

Passiamo ad un esempio pratico: mettiamo caso che tu voglia creare un programma che possa riconoscere i gatti. Potresti provare a farlo alla vecchia maniera programmando regole esplicite come “i gatti hanno orecchie appuntite” e “i gatti sono pelosi”. Ma cosa farà il programma quando gli mostrerai la foto di una tigre? Programmare ogni regola necessaria richiederebbe molto tempo e dovresti definire un’infinità di concetti. Meglio lasciare che la macchina impari da sé.

Dunque, l’altra opzione prevede di dare in pasto alla macchina una vasta collezione di foto di gatti e lasciare che quest’ultima basi i propri modelli su ciò che vede. Inizialmente collegherà i punti in maniera più o meno casuale ma, iniziando a scartare e mantenendo le versioni migliori, col tempo diventerà abbastanza brava nel distinguere cosa è e cosa non è un gatto.

Quali sono i vantaggi di avere un sistema di decision-making come questo?

Ebbene, il più grande vantaggio di tale sistema è ovvio: non si pone più la necessità di doverlo programmare. Certo, è comunque necessario migliorare il modo in cui il sistema processa i dati, ma non sarà più necessario dirgli “dove guardare“.

Ma pensiamo anche agli svantaggi. Se non insegniamo esplicitamente al computer, come facciamo a sapere come prende le sue decisioni? I sistemi di machine learning non possono spiegare il loro modo di pensare. Ciò significa che il nostro algoritmo potrebbe funzionare bene per scopi sbagliati. Al tempo stesso, poiché tutto ciò che il sistema conosce sono i dati che gli diamo in pasto, esso potrebbe avere una visione parziale del mondo, basata solo sui dati già visti prima.

In sintesi: non ha il buon senso che ti aspetti da un umano. Potresti costruire il miglior programma del mondo per riconoscere i gatti e non ti dirà mai che i gattini non dovrebbero guidare le moto o che è più probabile che un gatto possa chiamarsi “Amy” piuttosto che “Darth Cater”.

Intelligenza Artificiale

Insegnare ai computer ad imparare da soli è una brillante scorciatoia, ma come tale comporta dei limiti. C’è intelligenza nei sistemi di intelligenza artificiale, se così vogliamo chiamarla, ma non è intelligenza organica, e non gioca con le stesse regole degli esseri umani.

A che punto siamo con l’intelligenza artificiale?

Dopo anni di titoli che annunciano il prossimo grande successo, alcuni esperti pensano che abbiamo raggiunto l’apice del progresso, ma le cose non stanno esattamente così. Dal punto di vista della ricerca ci sono ancora un gran numero di strade da esplorare all’interno delle nostre conoscenze esistenti e, dal punto di vista del prodotto, abbiamo visto solo la punta dell’iceberg algoritmico.

Kai-Fu Lee, un venture capitalist ed ex ricercatore di intelligenza artificiale, descrive il momento attuale come “l’età dell’attuazione” – dove la tecnologia sta “fuoriuscendo dal laboratorio”. Benedict Evans, un altro stratega VC, compara il machine learning ai database relazionali, un tipo di software aziendale che ha fatto fortuna negli anni ’90 e ha rivoluzionato interi settori. Quello che entrambi vogliono dire è che siamo giunti al punto in cui l’IA diventerà molto presto parte dell’ordinario.