L'intelligenza artificiale (IA) è emersa negli anni '50, quando un gruppo di visionari si chiese se le macchine potessero "pensare". Settanta anni dopo, la realtà ha superato ogni aspettativa: le reti neurali hanno conquistato compiti cognitivi che, per centinaia di migliaia di anni, erano esclusivi degli esseri viventi. Oggi, questo è un fatto indiscutibile. L'apprendimento automatico basato su reti neurali ha risolto sfide che sembravano irraggiungibili per le macchine: - Modelli come ChatGPT, Gemini o Claude dominano il linguaggio naturale. - Possiedono una conoscenza enciclopedica e fluida. - Programmano codice a un livello superiore a quello umano. - Descrivono immagini e trascrivono audio con precisione umana. - Traducono testi con qualità paragonabile a quella di un traduttore professionista. - Altri sistemi generano immagini realistiche, prevedono fenomeni meteorologici, sconfiggono campioni di Go o guidano veicoli autonomi. Il ricercatore François Chollet riassume: “Negli ultimi dieci anni, il deep learning ha rappresentato una rivoluzione tecnologica”. Ogni progresso sarebbe notevole da solo; conseguirli tutti con una stessa tecnica è come trovare una chiave universale per molte porte. Perché ora? Tre fattori si sono uniti: algoritmi, potenza di calcolo e grandi volumi di dati. Dietro ognuno di essi, persone chiave: Geoffrey Hinton ha scommesso sulle reti neurali quando altri le scartavano; Jensen Huang, CEO di Nvidia, ha spinto lo sviluppo di chip ad alte prestazioni; Fei-Fei Li ha creato ImageNet, un database di immagini senza precedenti. Nel 2012, gli studenti di Hinton, Ilya Sutskever e Alex Krizhevsky, hanno combinato questi elementi e creato AlexNet, una rete neurale che ha rivoluzionato il riconoscimento delle immagini. Il successo si è propagato rapidamente: la formula di reti, dati e calcolo massivo funzionava. L'impatto è profondo. Come sottolinea Ethan Mollick, anche se lo sviluppo dell'IA si fermasse oggi, “avremmo un decennio di cambiamenti davanti a noi in tutte le industrie”. Il futuro di queste macchine è incerto. Tra l'entusiasmo smodato e lo scetticismo, si dimentica l'essenziale: i modelli attuali sono già sorprendenti. Il loro funzionamento ricorda l'intuizione umana e solleva domande profonde sull'intelligenza, sia artificiale che biologica. Lezione 1. Le macchine possono apprendere La lezione più evidente e meno discussa: le macchine apprendono. Il regolatore centrifugo di James Watt (1788) già regolava la velocità delle macchine a vapore senza intervento umano. La programmazione tradizionale definisce regole esplicite; l'apprendimento automatico, invece, consente al sistema di scoprire le regole a partire da esempi. Come spiega Chollet in Deep Learning with Python: “Un sistema di apprendimento automatico si allena, non si programma”. I grandi modelli di linguaggio, come ChatGPT, sono reti neurali con miliardi di parametri che vengono aggiustati durante l'allenamento. Il processo è matematico e ha dimostrato di essere efficace. Qui emerge la “lezione amara”: per decenni, gli esperti hanno cercato di codificare la conoscenza nelle macchine senza successo. Ciò che ha funzionato è stato creare le condizioni affinché la conoscenza emergesse da sola. Lezione 2. Abilità emergenti nell'IA Da processi semplici possono sorgere capacità complesse, come avviene nell'evoluzione biologica. I grandi modelli di linguaggio gestiscono la lingua con flessibilità, rilevano sarcasmo e rispondono a contesti mutevoli, senza che nessuno abbia insegnato esplicitamente grammatica o ironia. L'allenamento per “prevedere la parola successiva” si è rivelato avere un potere emergente inaspettato. Per prevedere parole, il modello deve cogliere nozioni complesse: conoscenza geografica, matematica, buon senso ed empatia. Così, un compito apparentemente semplice contiene in sé tutte le altre. Ad esempio, modelli come Gemini possono risolvere problemi matematici non visti durante l'allenamento, il che implica l'inferenza di algoritmi complessi a partire da esempi. Lezione 3. L'IA apprende come un'“evoluzione rudimentale” A differenza degli esseri umani, che apprendono con pochi dati, i modelli di IA richiedono milioni di esempi. Il processo ricorda l'evoluzione: cambiamenti minimi e ripetuti generano capacità complesse. Come sottolinea Andrej Karpathy, l'allenamento di un modello è una “evoluzione scadente”, dove l'intelligenza emerge dall'accumulo di conoscenza su larga scala. Lezione 4. Automazione della cognizione Chollet preferisce parlare di “automazione cognitiva” piuttosto che di intelligenza artificiale. I modelli attuali non possiedono autonomia cognitiva, ma automatizzano compiti cognitivi su larga scala. Anche se mancano di ragionamento deliberato, l'esperienza massiva compensa molte delle loro limitazioni. Altri esperti, come Andrej Karpathy e Blaise Agüera y Arcas, ritengono che questi sistemi mostrino forme genuine di intelligenza, capaci di generalizzare e apprendere in modo attivo. Lezione 5. Più intuitiva che razionale Contrariamente all'immagine classica del robot razionale, l'IA attuale opera in modo più intuitivo, simile al “Sistema 1” descritto da Daniel Kahneman: veloce, automatica e basata su schemi. Il ragionamento deliberato rimane una sfida, quindi i recenti progressi cercano di dotare i modelli di capacità di riflessione e ragionamento passo dopo passo, migliorando le loro prestazioni in compiti complessi. Lezione 6. Anche noi umani siamo schemi Il successo dell'IA nel catturare schemi ci porta a mettere in discussione quanto delle nostre stesse abilità funzioni in modo simile. La scienza ha smontato l'idea della nostra eccezionalità, e l'IA dimostra che molte capacità umane possono essere replicate attraverso l'apprendimento di schemi su larga scala. Lezione 7. Un'esplosione cambriana di IA Le limitazioni dell'IA attuale sono notevoli, ma la combinazione di reti, dati e calcolo ha aperto un'era di innovazione accelerata. Laboratori di tutto il mondo esplorano nuove direzioni: sistemi adattivi, modelli che comprendono il mondo fisico o IA che scrivono e evolvono i propri programmi. Il potenziale è enorme e, sebbene il futuro sia incerto, la trasformazione è già in corso. La domanda non è più se l'intelligenza possa essere replicata, ma fino a dove arriveremo. Ciò che abbiamo già ottenuto è straordinario e potrebbe essere la maggiore trasformazione della nostra era. Fonte: elpais.com