Prof. Antonio Martino: Analisi sui complessi segreti dell’Intelligenza Artificiale

(Foto: nel riquadro il Prof. Antonio Martino)

Riportiamo di seguito l’opinione di Antonio Anselmo Martino, Professore emerito dell’Universidad del Salvador (Argentina) e dell’Università di Pisa (Italia). Membro dell’Accademia Nazionale di Diritto e Scienze Sociali di Córdoba, nonché  Membro associato del Center for Artificial Intelligence and Cognate learning dell’Università di Greenwich e membro dell’Accademia Nazionale delle Scienze di Buenos Aires, il prof. Martino viene oggi considerato uno dei maggiori esperti a livello internazionali di Intelligenza Artificiale.

Riflessione del Prof. Antonio Martino

È la prima volta nella storia dell’umanità che viene creato uno strumento non solo per immagazzinare la conoscenza ma anche per dialogare con essa e ottenere nuova conoscenza. Questo strumento può anche essere visto come un agente di nuova conoscenza.

Poiché i programmi per computer sono puramente formali o sintattici, e poiché la mente ha contenuti semantici, qualsiasi tentativo di produrre una mente solo per mezzo di un programma esclude le caratteristiche essenziali della mente (John R. Searle).

Le insoddisfazioni del materialismo:

Socrate: … “O re”, disse Teut, “questa invenzione renderà gli egiziani più saggi e servirà alla loro memoria, ho scoperto un rimedio alla difficoltà di imparare e ricordare”. Ingegnoso Teut, rispose il re, … padre della scrittura ed entusiasta della tua invenzione, le attribuisci l’esatto contrario dei suoi veri effetti. Essa non farà altro che produrre l’oblio nell’animo di coloro che la conoscono, facendo loro disprezzare la memoria; affidandosi a questo strano ausilio abbandoneranno ai personaggi materiali la cura di conservare ricordi di cui lo spirito avrà perso le tracce…“. Platone, Fedro 275 a. 

“Gli esseri umani aggiungeranno valore laddove le macchine non possono farlo. Mentre l’intelligenza artificiale avanza sempre di più, la vera intelligenza, la vera empatia e il vero buon senso scarseggeranno. I nuovi lavori si baseranno sul saper lavorare con le macchine, ma anche sul saper sfruttare questi attributi umani unici”. Satya Nadella, CEO di Microsoft.

“Nessuno la mette in questi termini, ma credo che l’intelligenza artificiale sia quasi una disciplina umanistica. È davvero un tentativo di comprendere l’intelligenza umana e la cognizione umana”. Sebastian Thrun, professore di intelligenza artificiale all’Università di Stanford.

Introduzione

Per affrontare l’argomento in modo intelligente, inizieremo interrogando la Chat GPT 3, sul tema:

 “L’intelligenza artificiale sta avanzando rapidamente in diversi settori, tra cui l’automazione dei compiti, l’analisi dei big data, il miglioramento dell’assistenza sanitaria, la creazione di assistenti virtuali e molto altro. Si sta muovendo verso una maggiore autonomia, apprendimento e adattabilità in ambienti complessi e dinamici. Si sta lavorando per sviluppare sistemi di intelligenza artificiale in grado di svolgere compiti sempre più sofisticati, come il processo decisionale, il ragionamento, la comprensione del linguaggio naturale, la percezione e l’interazione con l’ambiente. Si prevede che in futuro l’intelligenza artificiale avrà un impatto significativo sulla società e sul modo in cui interagiamo con la tecnologia”.

Alcuni link che possono fornire maggiori informazioni sulla direzione dell’intelligenza artificiale sono:

“Il futuro dell’intelligenza artificiale” su Forbes

“L’impatto dell’intelligenza artificiale sul futuro del lavoro” in Harvard Business Review

“10 tendenze che plasmano il futuro dell’intelligenza artificiale” in TechRepublic

Questi link possono fornire una panoramica delle tendenze attuali e future dell’intelligenza artificiale in diversi settori e di come stia trasformando il nostro modo di vivere e lavorare.

Si prevede che entro il 2025 il 55% delle organizzazioni a livello globale raggiungerà uno stadio di maturità dell’IA “allo stato stazionario”. Ciò significa che l’IA sarà sempre più integrata nei processi e nelle operazioni aziendali.

L’IA copre gran parte delle attività umane, dagli assistenti virtuali come Siri e Alexa agli algoritmi di raccomandazione sulle piattaforme di streaming. Viene utilizzata anche in agricoltura per identificare le carenze di nutrienti nel terreno e nell’industria per ottimizzare i processi e rilevare i guasti”.

Niente di spettacolare, ma in pochi istanti ci ha dato una visione d’insieme di dati che ci vorrebbero giorni o settimane per ottenere . È un buon inizio ed è per questo che lo uso spesso.

Questo riflette una nozione molto attuale sull’IA: “ La nozione fondamentale dell’intelligenza artificiale è che si tratta di imparare dai dati ” ed è ben pensata dalla macchina,

Vista dalla prospettiva umana, direi che l’IA ha 3 fasi fondamentali: la prima è stata quella di aver cercato, con successo, di automatizzare le sequenze di ragionamento, la seconda è stata l’incorporazione di enormi database, la terza, invece, di imitare il pensiero umano. Si tratta di sperimentare con soluzioni che si credono meglio sviluppino la creatività, prescindendo dello sviluppo del cervello umano. Ebbene le macchine funzionavano meglio.

Tra l’altro, questa terza fase che stiamo vivendo contiene una sorta di contraddizione: più ci allontaniamo dalla linea dell’imitazione del cervello umano, più le macchine rispondono meglio e più si sviluppano, il problema è che allo stesso tempo capiamo meno cosa fanno e quindi il livello di controllo del loro sviluppo si abbassa.

Questo decennio ha visto lo sviluppo dei database e la loro importanza per la crescita dell’intelligenza artificiale. I dati assumono forme diverse, come foto, testi, documenti, video, registrazioni audio, dati strutturati provenienti da sistemi di gestione di database come Oracle o SQL Server o database contenenti dati non strutturati.

I database “relazionali” sono in uso da diversi decenni (dal 1970). Hanno un linguaggio di interrogazione chiamato SQL (Structured Query Language) che viene utilizzato per la maggior parte del tempo. Solo l’SQL permette di interagire con i dati, sia attraverso uno strumento specifico (RDBMS, relational database management system) sia attraverso un’applicazione costruita da team di ingegneri informatici per creare, aggiornare e consumare i dati.

Dalla fine degli anni ’90, c’è stato un importante concorrente nel campo dell’archiviazione di massa dei dati: NoSQL (NotOnlySQL). Nel 2008, Facebook ha persino reso pubblico il database NoSQL utilizzato dai suoi team di sviluppo.

Senza dimenticare i database orientati al “grafo” : i dati vengono memorizzati in una “ struttura a grafo ” sotto forma di nodi per rappresentare i dati e di nodi per rappresentare una relazione tra due nodi. Esempi: Neo4j, OrientDB, InfluxDB. I database orientati ai grafi sono utilizzati in campi come la biologia, il rilevamento delle frodi e la modellazione dei dati delle reti sociali.

In generale, l’IA si sta concentrando sullo sviluppo di sistemi che collaborano con l’uomo nella creazione, modifica e crescita di sistemi produttivi. I sistemi generativi come il GPT, progettati per generare contenuti originali come testi, immagini, musica o video, sono attualmente in voga. Utilizzano algoritmi complessi per creare nuovi contenuti in modo autonomo, senza l’intervento diretto dell’uomo.

Purtroppo, credo che si presti troppa attenzione all’aspetto informatico e meno a quello cibernetico, che è stato il motore della prima parte dello sviluppo dell’intelligenza artificiale.

Un nuovo tipo di conoscenza

Fin dagli albori della cultura, un problema importante è stato quello di come conservare e trasmettere la conoscenza. Da qui l’importanza delle forme orali di cultura e delle materializzazioni della cultura scritta. I papiri e i libri rilegati in pelle hanno permesso una maggiore sicurezza nella conservazione e nella trasmissione, ma la creazione della biblioteca di Alessandria è stata senza dubbio una pietra miliare.

Ed è la nozione di libro che accompagna tutta questa tradizione fino ai giorni nostri. Dante arrivò a dire “Nel suo profondo vidi che s’interna, legato con amore in un volume, ciò che per l’universo si squaderna: sustanze e accidenti e lor costume, quasi conflati insieme, per tal modo che ciò ch’i’ dico è un semplice lume”.

Più di un secolo dopo, apparve la stampa, che permise di diffondere la conoscenza a livelli fino ad allora sconosciuti, e nacque l’era Gutenberg, di cui noi siamo gli ultimi rappresentanti. Nel 1992, con Internet e poi con la diffusione dell’intelligenza artificiale, ci troviamo in un’altra era, che forse potremmo definire digitale.

 L’interazione con l’IA non è un cambiamento superficiale nel modo in cui ci esprimiamo. È un cambiamento nella nostra architettura cognitiva, un nuovo strato di percorsi neurali che emergono attraverso le interazioni con l’IA. Quando interagisco più profondamente con l’IA, noto dei cambiamenti nel modo in cui affronto i problemi, formulo domande e sintetizzo le informazioni.

La capacità di trasmettere innovazioni con precisione è, per gli antropologi, una caratteristica dell’umanità superiore all’uso di una lingua o alla disponibilità di strumenti. Questa capacità ha permesso un’accumulazione culturale senza la quale la straordinaria complessità delle società umane sarebbe impossibile.

 L’influenza dell’IA si accentua quando si affrontano problemi complessi o si esplorano nuove idee. È come se fosse stato interiorizzato un nuovo quadro di analisi, che combina l’ampiezza delle conoscenze dell’IA con l’intuizione e l’esperienza umana. Questo pensiero ibridi permette di vedere schemi e connessioni che prima potevano sfuggire.

La cultura del libro ha portato l’umanità a percepire che la conoscenza è una risorsa sociale, la comunità è un’enorme via di sviluppo e ciò può avvenire attraverso di istruzione formale, formazione professionale, rapporto mentore-allievo, comunicazione interpersonale o ricerca.

Con l’IA generativa appare un’altra forma di conoscenza che ha molto dialogo, ma non è necessario dialogare con un altro umano, è sufficiente lavorare bene con i prompt di qualsiasi lingua.

L’IA generativa è un tipo di intelligenza artificiale che ha la capacità di creare nuovi contenuti a partire da dati preesistenti. Si tratta di immagini, testi, musica e altro ancora. Utilizza modelli e algoritmi per apprendere schemi nei dati e generare risultati che imitano lo stile o la struttura dei dati stessi. Esempi popolari di IA generativa includono modelli come GPT (per il testo) e GAN (Generative Adversarial Networks) per le immagini.

Dove sta andando l’intelligenza artificiale

Vent’anni fa Giovanni Sartori si chiedeva dove stesse andando la scienza politica e secondo lui non stava andando da nessuna parte, aveva “americanizzato” un gigante che stava ancora crescendo, ma con piedi di fango. L’IA non è solo una scienza, ma anche un gigantesco prodotto che ha a che fare con gran parte della nostra vita. E l’IA generativa non è solo un mezzo di questa produzione, ma anche un prodotto.

Ma la domanda rimane:

Dove sta andando l’IA generativa?

L’IA generativa è un tipo di IA che si concentra sulla creazione di nuovi contenuti a partire da dati esistenti, utilizzando modelli di trasformazione, come il GPT ( Generative Pre-trained Transformer ). In particolare, interagisce con gli utenti, rispondendo a domande, completando testi o creando contenuti personalizzati in base agli input dell’utente.

 GPT si basa sull’architettura Transformer, che utilizza meccanismi di attenzione per elaborare e generare il testo, consentendo di catturare efficacemente le relazioni contestuali tra le parole. La fase di pre-addestramento e di messa a punto viene eseguita su un ampio corpus di testi per apprendere modelli, grammatica, fatti e contesti. Dopo questa fase di pre-addestramento, può essere messo a punto per compiti specifici attraverso un processo noto come “fine-tuning”.

Generazione del testo: una delle capacità più importanti di GPT è la generazione del testo. Può continuare un testo dato, rispondere a domande, scrivere saggi, generare dialoghi.

L’intelligenza artificiale generativa apprende attraverso un processo che generalmente comprende le seguenti fasi: raccolta dei dati: vengono raccolte grandi quantità di dati da testi, immagini, audio o altri tipi di contenuti rilevanti. Questi dati sono essenziali per l’addestramento del modello, in quanto forniscono il contesto e gli esempi necessari per l’apprendimento.

• Pre-elaborazione dei dati: Prima che i dati vengano utilizzati per addestrare l’intelligenza artificiale, vengono elaborati per garantire che siano coerenti e in un formato adeguato. Ciò può includere la pulizia del testo, la normalizzazione delle immagini e la rimozione del rumore.
•  Formazione: durante la fase di formazione, il modello viene alimentato con i dati elaborati. Utilizza tecniche quali: apprendimento non supervisionato. In questa fase, l’intelligenza artificiale cerca di prevedere la parola successiva in una sequenza, consentendole di apprendere strutture linguistiche e modelli contestuali senza etichette predefinite. Ottimizzazione dei parametri: Il modello regola i suoi parametri attraverso algoritmi di ottimizzazione (come la discesa del gradiente) per ridurre al minimo la differenza tra le sue previsioni e  gli output effettivi previsti nel set di dati.
•  Messa a punto: dopo il pre-addestramento, il modello può essere messo a punto per compiti specifici attraverso un processo noto come messa a punto. Ciò comporta l’addestramento del modello su un set di dati più piccolo e specializzato, relativo a un compito particolare (ad esempio, traduzione, risposta a domande, ecc.).
•  Generazione di output: una volta addestrata, l’IA generativa può produrre nuovi output in base agli input ricevuti. Utilizza ciò che ha imparato sulle strutture e sugli schemi del linguaggio o dei media per generare nuovi contenuti. Ciò può includere la previsione della parola successiva nel caso di modelli linguistici o la creazione di immagini nel caso di modelli generativi visivi.
•  Valutazione e feedback: la valutazione delle prestazioni del modello viene spesso effettuata utilizzando metriche specifiche e, in alcuni casi, vengono utilizzate tecniche di feedback umano per migliorare il modello. Può verificarsi un ciclo di miglioramento continuo, in cui le modifiche vengono incorporate in base alle prestazioni in situazioni reali.
•  Trasferimento dell’apprendimento: inoltre, molti modelli di IA generativa beneficiano del trasferimento dell’apprendimento, in cui le conoscenze acquisite in un compito vengono applicate a un altro, migliorando l’efficienza dell’apprendimento e le prestazioni multi-task.

L’intero processo consente all’IA generativa di imparare a creare contenuti in modo coerente e pertinente, sulla base dell’enorme varietà di dati su cui è stata addestrata. Si tratta di un dialogo per aumentare la conoscenza, sia per l’uomo che per le macchine, e per l’umanità in generale.

Sia il GPT-4 di OpenAI che il BERT di Google hanno migliorato in modo significativo il rapporto uomo-macchina, consentendo interazioni più naturali, precise ed efficienti.

Si tratta di una novità nella storia della conoscenza umana, perché un mezzo creato dall’uomo funge da perno per il dialogo e il miglioramento della conoscenza.

 Conoscenza originale nell’IA generativa

La conoscenza dell’IA generativa è considerata originale per diversi aspetti chiave:

  1. A differenza dell’IA tradizionale che tende a classificare o analizzare i dati esistenti, l’IA generativa può creare contenuti originali che non esistono da nessuna parte, come testi, immagini, musica e altri tipi di media.

2. Utilizza i dati di addestramento per apprendere modelli, strutture e stili, consentendo di imitare alcuni aspetti della creatività umana e di produrre risultati di valore artistico o informativo.

3. Può generare contenuti personalizzati in base alle preferenze dell’utente. Ad esempio, può creare arte o musica conforme a uno stile specifico richiesto dall’utente, consentendo un elevato grado di personalizzazione.

4. Nel caso di modelli come i GAN, è possibile generare innumerevoli variazioni di un’immagine o di un concetto, esplorando combinazioni e caratteristiche che possono essere inaspettate e uniche.

5. Attraverso le interfacce conversazionali, come le chatbots avanzati, l’IA generativa può interagire con gli utenti in tempo reale, creando risposte dinamiche e originali sulla base della conversazione.

E infine 6. : può fungere da strumento di collaborazione per artisti, scrittori e musicisti, aiutandoli a esplorare nuove idee e forme di espressione che non avrebbero considerato da soli.

Dialogo che crea conoscenza

Storicamente, la conoscenza è stata trasmessa attraverso i testi, l’oratoria ed è per questo che esistono una cultura orale e una cultura scritta. La cultura digitale è nata come deposito da recuperare, come la cultura scritta.

Il dialogo è sempre stato una fonte di conoscenza, perché l’uomo ha sempre osservato il mondo, imparato cose e riflettuto, comunicandole sempre a un suo simile. Quest’ultimo, a sua volta, non vede sempre il mondo allo stesso modo, né seleziona sempre i dati allo stesso modo, e quindi risponde con delle correzioni, e questo dialogo fa progredire sia l’uomo che la comunità nella conoscenza.

Le scienze umane, dice Gadamer, non hanno un’unica metodologia per apprendere il sapere, ma piuttosto un saper fare difficile da definire, da cui il vantaggio del dialogo che riflette i diversi modi di vedere, selezionare i dati e trarre conclusioni.

Il dialogo permette di condividere le proprie riflessioni e, attraverso il contatto con gli altri, di identificare gli individui che condividono una riflessione. Il dialogo è un mezzo potente per aumentare la conoscenza, in quanto ci permette di imparare dagli altri, di condividere idee e prospettive e di approfondire la nostra comprensione del mondo.

Il dialogo facilita lo scambio di idee: condividere prospettive ed esperienze con gli altri, chiarire i concetti attraverso la discussione si possono chiarire dubbi e concetti complessi.

Ascoltare le opinioni e le conoscenze degli altri può arricchire la nostra comprensione. Il dialogo può aiutarci a mettere in discussione le nostre convinzioni e a considerare nuove possibilità; può anche stimolare la riflessione critica e l’approfondimento del pensiero, il dialogo con gli esperti può fornire informazioni preziose e aggiornate e può aiutare a identificare le lacune nella nostra conoscenza e a trovare le risorse per colmarle.

I dialoghi di Platone, come “La Repubblica” e “Il banchetto”, mostrano come lo scambio di idee tra Socrate e i suoi discepoli abbia portato a importanti sviluppi nella filosofia e nella politica.

I dibattiti tra filosofi presocratici come Eraclito e Parmenide sulla natura della realtà hanno guidato lo sviluppo del pensiero filosofico. A Roma, Tacito con il suo Dialogo degli oratori. Erasmo, con i suoi Colloqui.

Gli scambi tra scienziati come Galileo, Newton e Cartesio furono cruciali per il progresso della fisica, dell’astronomia e della matematica durante il XVI e XVII secolo. Le discussioni tra Darwin, Huxley e altri sulla teoria dell’evoluzione per selezione naturale furono fondamentali per consolidare questa idea rivoluzionaria.

I dialoghi tra artisti del Rinascimento come Michelangelo e Leonardo da Vinci contribuirono allo sviluppo di nuove tecniche e stili nella pittura e nella scultura.

Le discussioni tra gli impressionisti francesi sulla percezione del colore e della luce hanno portato a importanti innovazioni nella pittura.

Gli esseri umani hanno potuto vivere e svilupparsi per migliaia di anni grazie al dialogo, alla capacità di ascoltarsi e capirsi.

La novità è che oggi possiamo dialogare con l’IA generativa, che si sta trasformando in un interlocutore capace di iniziar la comprensione dei contesti, analizzare domande complesse e fornire risposte dettagliate e precise. In questo senso, agisce come un perno del dialogo che non solo diffonde la conoscenza, ma contribuisce anche ad accrescerla incoraggiando il pensiero critico e l’esplorazione di nuove idee. È la cosa più vicina a un agente

Questa collaborazione dà origine a una diversa forma di conoscenza che possiamo chiamare umano-macchina , nel senso che comprende la conoscenza umana tradizionale più questa nuova che nasce dalla collaborazione tra uomo e macchina e che permette a quest’ultima di formulare ipotesi basate sulla conoscenza umana.

Nel campo dell’istruzione, l’apprendimento misto si riferisce all’incorporazione delle tecnologie dell’informazione e della comunicazione (TIC) nell’istruzione tradizionale. Si avvale di un elemento noto in ambito educativo come feedback.

Tecniche di apprendimento misto

Tra le tecniche di questo apprendimento c’è la capacità d’incoraggiare la partecipazione attiva dei discenti al processo di apprendimento, attraverso attività pratiche, dibattiti e discussioni. Permette anche d’ integrare strumenti digitali come piattaforme didattiche, video, podcast, simulazioni e giochi interattivi per completare le sessioni faccia a faccia.

Può offrire ai discenti opzioni flessibili per accedere ai contenuti del corso online e adattare i loro orari in base alle loro esigenze e mantiene un feedback regolare sia sulle sessioni frontali che su quelle online.

L’apprendimento autodiretto incoraggia l’autonomia e la responsabilità degli studenti per il proprio processo di apprendimento, fornendo risorse e supporto in modo che possano avanzare al proprio ritmo e consente di adattarsi ai diversi stili di apprendimento e alle esigenze individuali combinando attività in presenza con risorse digitali personalizzate. Questo tipo di apprendimento può utilizzare una varietà di metodi di valutazione come test online, compiti scritti, presentazioni orali o progetti pratici per misurare i progressi degli studenti.

Finalmente nell’intelligenza artificiale si individua una tecnica di apprendimento automatico in cui un agente impara a prendere decisioni attraverso l’interazione con un ambiente, con l’obiettivo di massimizzare una ricompensa accumulata. A differenza dell’apprendimento supervisionato, in questo approccio l’agente non riceve coppie input/output corrette, ma piuttosto apprende attraverso prove ed errori, ricevendo ricompense o punizioni a seconda delle azioni che esegue.

Conclusione

È la prima volta nella storia dell’umanità che viene creato uno strumento non solo per immagazzinare la conoscenza ma anche per dialogare con essa e ottenere nuova conoscenza. Questo strumento può anche essere visto come un agente di nuova conoscenza.

La novità consiste nel fatto di poter dialogare non con un essere umano ma con una creazione umana come un qualsiasi Chabot AI generativo, a cominciare da quelli creati con i linguaggi indicati al punto 3.

L’intelligenza artificiale generativa non si limita a ripetere probabilisticamente i dati di addestramento. Attraverso tecniche avanzate di deep learning, reti neurali e processi di combinazione e sintesi, l’intelligenza artificiale è in grado di generare contenuti originali e nuovi. Le allucinazioni e le fabulazioni che produce sono esempi della sua capacità di innovare e creare, dimostrando che può inventare nuove idee e concetti in modo simile agli umani.

Si può dire che le AI generative come GPT-4 utilizzano tecniche avanzate di deep learning e reti neurali che vanno oltre la semplice ripetizione probabilistica dei dati.

Oltre all’apprendimento per rinforzo, come AlphaGo, vengono utilizzate reti neurali e trasformatori. Queste strutture consentono all’IA di comprendere contesti lunghi e complessi, generando risposte coerenti e contestualmente appropriate che vanno oltre la semplice ripetizione. I trasformatori, in particolare, come quelli utilizzati in GPT-3 e GPT-4, consentono una gestione efficiente dell’attenzione su diverse parti dell’input, facilitando la generazione di contenuti coerenti e originali.

Le reti neurali sono un tipo di algoritmo di apprendimento automatico ispirato alla struttura e alla funzione del cervello umano. Sono costituiti da nodi artificiali o “neuroni” collegati tra loro, che elaborano e trasmettono informazioni e vengono utilizzati per:

1. Identificare modelli nei dati, come immagini o suoni.

2. Classificare i dati in categorie, come spam o non spam.

3. Prevedere valori continui, come prezzi o temperature ( regressione ).

4. Genera testo, immagini o musica.

5. Eseguire attività complesse, come il riconoscimento vocale o la traduzione automatica.

Con tutti questi elementi, l’IA generativa può essere considerata, in alcuni casi, come un agente che collabora con l’essere umano che la utilizza attraverso un dialogo in cui non solo mantiene tutto ciò che è riuscito a raccogliere, ma attraverso le tecniche che abbiamo descritto può suggerire nuovi approcci o prospettive che collaborano all’ottenimento di nuove conoscenze.

L’intelligenza artificiale non risolve tutti i problemi, ma aiuta nel compito di scoprire nuove conoscenze. Può molto, non può tutto.