Il problema con l’intelligenza artificiale
CONSIGLIATO: Come cambieranno le nostre vite con l’IA.
I computer non possono “pensare”
Ogni volta che una società dice che sta implementando una nuova funzione “AI”, generalmente significa che l’azienda sta utilizzando l’apprendimento automatico per costruire una rete neurale. “Machine learning” è una tecnica che consente ad una macchina di “apprendere” su come eseguire meglio un’attività specifica.
Non sto attaccando l’apprendimento automatico! L’apprendimento automatico è una tecnologia fantastica con molti usi potenti. Ma non è un’intelligenza artificiale generica e comprendere i limiti dell’apprendimento automatico.
L’intelligenza artificiale dei sogni di fantascienza è una sorta di cervello computerizzato o robotico che pensa alle cose e le capisce come gli esseri umani. Tale intelligenza artificiale sarebbe un’intelligenza generale artificiale (AGI), il che significa che può pensare a più cose diverse e applicare tale intelligenza a più domini diversi. Un concetto correlato è “intelligenza artificiale forte”, che sarebbe una macchina capace di sperimentare la coscienza umana.
Non abbiamo ancora quel tipo di intelligenza artificiale. Non siamo nemmeno vicini ad esso. Un’entità informatica come Siri, Alexa o Cortana non capisce e pensa come noi umani. In realtà non “capisce” veramente le cose.
Le intelligenze artificiali che abbiamo sono addestrate a svolgere un compito specifico molto bene, assumendo che gli esseri umani possano fornire i dati per aiutarli ad imparare. Imparano a fare qualcosa ma ancora non lo capiscono.
I computer non capiscono
Gmail ha una nuova funzione “Smart Reply” che suggerisce le risposte alle e-mail. La funzione Smart Reply identificava “Inviato dal mio iPhone” come una risposta comune. Suggeriva “Ti amo” come risposta a molti tipi diversi di e-mail, incluse le e-mail di lavoro.
Questo perché il computer non capisce cosa significano queste risposte. Si è appena appreso che molte persone inviano queste frasi nelle e-mail. Non sa se vuoi dire “Ti amo” al tuo capo o no.
Come altro esempio, Google Foto in passato ha identificato una persona di colore come uno scimpanzé.
Machine Learning e reti neurali
Con l’apprendimento automatico, un computer non è programmato per eseguire un’attività specifica. Invece, è alimentato con i dati e valutato sulle sue prestazioni nel compito.
Un esempio elementare di machine learning è il riconoscimento dell’immagine. Diciamo che vogliamo addestrare un programma per identificare le foto che contengono un cane. Possiamo dare ad un computer milioni di immagini, alcune delle quali contengono dei cani e altre no. Le immagini sono etichettate se hanno un cane o no. Il programma elaboratore si “addestra” a riconoscere le immagini con i cani in base a quel set di dati.
Il processo di apprendimento automatico viene utilizzato per addestrare una rete neurale, che è un programma per computer con più livelli attraversati da ogni input di dati, e ogni livello assegna a loro pesi e probabilità diversi prima di finire una determinazione. È modellato sul funzionamento del nostro cervello, con diversi strati di neuroni coinvolti nel pensare attraverso un compito. “Apprendimento profondo” si riferisce generalmente a reti neurali con molti livelli impilati tra l’input e l’output.
Poiché sappiamo quali foto nel set di dati contengono cani e quali no, possiamo eseguire le foto attraverso la rete neurale e vedere se risultano nella risposta corretta. Se la rete decide che una determinata foto non ha un cane, ad esempio, c’è un meccanismo per dire alla rete che è sbagliato. Il computer continua a migliorare l’identificazione se le foto contengono un cane.
Questo succede automaticamente. Con il software giusto e molti dati strutturati su cui il computer può esercitarsi, il computer può sintonizzare la rete neurale per identificare i cani nelle foto. Chiamiamo questo “AI”.
Ma, alla fine, non hai un programma per computer intelligente che capisca cosa sia un cane. Hai un computer che ha imparato a decidere se un cane è o meno in una foto. Questo è ancora piuttosto impressionante, ma è tutto ciò che può fare.
A seconda dell’input che hai dato, quella rete neurale potrebbe non essere così intelligente come sembra. Ad esempio, se non ci fossero foto di gatti nel set di dati, la rete neurale potrebbe non vedere una differenza tra cani e gatti e potrebbe etichettare tutti i gatti come cani.
A cosa serve l’apprendimento automatico?
L’apprendimento automatico viene utilizzato per tutti i tipi di attività, incluso il riconoscimento vocale. Assistenti vocali come Google, Alexa e Siri sono così bravi a comprendere le voci umane grazie a tecniche di apprendimento automatico che li hanno addestrati a comprendere il linguaggio umano. Si sono allenati su una quantità enorme di campioni di parlato umano e sono diventati sempre più bravi a capire quali suoni corrispondono a quali parole.
Le auto a guida automatica utilizzano tecniche di apprendimento automatico che istruiscono il computer per identificare gli oggetti sulla strada e come rispondere correttamente a tali oggetti. Google Foto è pieno di funzionalità come gli album live che identificano automaticamente persone e animali nelle foto utilizzando l’apprendimento automatico.
DeepMind di Alphabet ha utilizzato l’apprendimento automatico per creare AlphaGo, un programma per computer in grado di riprodurre il complesso gioco da tavolo Go e battere i migliori umani del mondo. L’apprendimento automatico è stato anche utilizzato per creare computer che sono bravi a giocare con altri giochi, dagli scacchi a DOTA 2.
L’apprendimento automatico viene persino utilizzato per Face ID sugli ultimi iPhone. Il tuo iPhone costruisce una rete neurale che impara a identificare il tuo volto, e Apple include un chip dedicato “motore neurale” che esegue l’apprendimento automatico.
L’apprendimento automatico può essere utilizzato per molte altre cose, dall’individuazione delle frodi con carte di credito ai consigli personalizzati sui siti di shopping.
Ma le reti neurali create con l’apprendimento automatico non comprendono veramente nulla. Sono programmi utili che possono portare a termine i compiti più stretti per cui sono stati addestrati, e il gioco è fatto.
Social