L’intelligenza artificiale ha una lunga storia di risultati che sarebbe difficile ottenere altrimenti. Ad esempio, i sistemi di smistamento della posta che utilizzano il riconoscimento ottico dei caratteri sono stati utilizzati fin dagli anni ’90. È questa, dopo tutto, la fonte del famoso dataset MNIST di cifre scritte a mano. Lo stesso vale per la lettura degli assegni per i depositi bancari e per la valutazione dell’affidabilità creditizia dei richiedenti. Le transazioni finanziarie vengono controllate automaticamente per individuare eventuali frodi. Questo costituisce la spina dorsale di molti sistemi di pagamento per il commercio elettronico, come PayPal, Stripe, AliPay, WeChat, Apple, Visa e MasterCard. I programmi informatici per gli scacchi sono competitivi da decenni. L’apprendimento automatico alimenta la ricerca, la raccomandazione, la personalizzazione e la classificazione su Internet. In altre parole, l’apprendimento automatico è pervasivo, anche se spesso nascosto alla vista.
Solo di recente l’IA è salita alla ribalta, soprattutto grazie alla soluzione di problemi che prima erano considerati intrattabili e che riguardano direttamente i consumatori. Molti di questi progressi sono attribuiti al deep learning. Di seguito vi elenchiamo alcune storie di successo degli ultimi anni.
Assistenti digitali
Gli assistenti intelligenti, come Siri di Apple, Alexa di Amazon e l’assistente di Google, sono in grado di rispondere alle richieste vocali con un ragionevole grado di precisione. Questo include lavori banali, come accendere gli interruttori della luce, e compiti più complessi, come organizzare appuntamenti dal barbiere e offrire assistenza telefonica. Questo è probabilmente il segno più evidente che l’intelligenza artificiale sta influenzando le nostre vite.
Un ingrediente fondamentale degli assistenti digitali è la loro capacità di riconoscere accuratamente il parlato. L’accuratezza di questi sistemi è gradualmente aumentata fino a raggiungere la parità con gli esseri umani per alcune applicazioni (Xiong et al., 2018).
Riconoscimento degli oggetti
Anche il riconoscimento degli oggetti ha fatto molta strada. Nel 2010 identificare l’oggetto in un’immagine era un compito piuttosto impegnativo. Nel benchmark ImageNet, i ricercatori dei laboratori NEC e dell’Università dell’Illinois a Urbana-Champaign hanno ottenuto un tasso di errore tra i primi cinque del 28% (Lin et al., 2010).
Nel 2017, questo tasso di errore è stato ridotto al 2,25% (Hu et al., 2018). Allo stesso modo, sono stati raggiunti risultati sorprendenti per l’identificazione del canto degli uccelli e per la diagnosi del cancro della pelle.
Un’altra indicazione dei progressi dell’IA è l’avvento dei veicoli a guida autonoma. Sebbene la piena autonomia non sia ancora a portata di mano, sono stati compiuti eccellenti progressi in questa direzione, con aziende come Tesla, NVIDIA e Waymo che hanno lanciato prodotti che consentono un’autonomia parziale. Ciò che rende l’autonomia completa così impegnativa è che la guida corretta richiede la capacità di percepire, ragionare e incorporare regole in un sistema. Attualmente, il deep learning viene utilizzato principalmente per l’aspetto visivo di questi problemi. Il resto viene messo a punto dagli ingegneri.
Videogiochi
L’abilità nei giochi è stata usata come metro di misura per le capacità umane. A partire da TD-Gammon, un programma per giocare a backgammon utilizzando l’apprendimento per rinforzo per differenza temporale, i progressi algoritmici e computazionali hanno portato ad algoritmi per un’ampia gamma di applicazioni.
Rispetto al backgammon, gli scacchi hanno uno spazio di stati e un insieme di azioni molto più complessi. DeepBlue ha battuto Garry Kasparov utilizzando un parallelismo massiccio, hardware speciale e una ricerca efficiente attraverso l’albero di gioco (Campbell et al., 2002).
Il Go è ancora più difficile, a causa del suo enorme spazio di stati. AlphaGo ha raggiunto la parità umana nel 2015, utilizzando l’apprendimento profondo combinato con il campionamento ad albero Monte Carlo (Silver et al., 2016).
La sfida nel poker è che lo spazio degli stati è ampio e solo parzialmente osservato (non conosciamo le carte degli avversari). Libratus ha superato le prestazioni umane nel poker utilizzando strategie strutturate in modo efficiente (Brown e Sandholm, 2017).
Considerazioni finali
Tutto ciò scalfisce appena la superficie delle applicazioni significative dell’apprendimento automatico. Per esempio, la robotica, la logistica, la biologia computazionale, la fisica delle particelle e l’astronomia devono alcuni dei loro più impressionanti progressi recenti almeno in parte all’apprendimento automatico, che sta diventando uno strumento onnipresente per ingegneri e scienziati.
Spesso, in articoli non tecnici, sono state sollevate domande su un’imminente apocalisse dell’intelligenza artificiale e sulla plausibilità di una singolarità. Il timore è che in qualche modo i sistemi di apprendimento automatico diventino senzienti e prendano decisioni, indipendentemente dai loro programmatori, che hanno un impatto diretto sulla vita degli esseri umani. In una certa misura, l’IA influisce già direttamente sulla vita degli esseri umani: l’affidabilità creditizia viene valutata automaticamente, i piloti automatici guidano per lo più i veicoli, le decisioni sulla concessione di una cauzione utilizzano dati statistici come input. In modo più frivolo, possiamo chiedere ad Alexa di accendere la macchina del caffè.
Fortunatamente, siamo lontani da un sistema di IA senziente che potrebbe manipolare deliberatamente i suoi creatori umani. In primo luogo, i sistemi di IA sono progettati, addestrati e utilizzati in modo specifico e orientato agli obiettivi. Sebbene il loro comportamento possa dare l’illusione di un’intelligenza generale, si tratta di una combinazione di regole, euristiche e modelli statistici alla base della progettazione. In secondo luogo, al momento non esistono strumenti di intelligenza artificiale generale in grado di migliorarsi da soli, di ragionare su sé stessi e di modificare, estendere e migliorare la propria architettura mentre cercano di risolvere compiti generali.
Una preoccupazione molto più pressante è il modo in cui l’IA viene utilizzata nella nostra vita quotidiana. È probabile che molti compiti di routine, attualmente svolti dall’uomo, possano essere e saranno automatizzati. I robot agricoli probabilmente ridurranno i costi per gli agricoltori biologici, ma automatizzeranno anche le operazioni di raccolta. Questa fase della rivoluzione industriale potrebbe avere profonde conseguenze per ampie fasce della società, dato che i lavori umili forniscono molta occupazione in molti Paesi. Inoltre, i modelli statistici, se applicati senza attenzione, possono portare a pregiudizi razziali, di genere o di età e sollevare ragionevoli preoccupazioni sull’equità procedurale se automatizzati per guidare le decisioni conseguenti. È importante garantire che questi algoritmi siano utilizzati con attenzione. Con quello che sappiamo oggi, questa ci sembra una preoccupazione molto più pressante del potenziale di una superintelligenza malevola per distruggere l’umanità.
