In questi ultimi tempi si parla molto spesso di Artificial Intelligence (AI) o, utilizzando l’italiano (come più eminentemente richiamato da alte cariche dello Stato), Intelligenza Artificiale: cosa significa e perché se ne parla così spesso?
Quando, tra la fine degli anni ’80 e l’inizio degli anni ’90, mi occupai di AI, non erano in molti a farlo: fu l’argomento della mia tesi; era la realizzazione del software di gestione di un prototipo di robot basato sulle reti neurali. Ma in realtà nelle grandi industrie metalmeccaniche l’uso dell’Intelligenza Artificiale era molto diffuso, sin dagli anni ’70, con macchinari che si sostituivano all’uomo in lavori ripetitivi o pericolosi; il grande sogno della macchina che sostituiva l’uomo, liberandolo dalle costrizioni della catena di montaggio, alienanti e noiose, e permettendo di creare nuovi posti di lavoro a più elevato valore umano. Dietro a questo sogno si nascondeva però un problema fondamentale: il numero delle persone sostituite era di gran lunga maggiore rispetto a quello delle persone subentrate, e molte persone, di fatto, si trovarono alla ricerca di lavoro.
La spinta evolutiva dell’industria robotizzata e la visione capitalistica del lavoro come merce avevano fatto intravedere ad imprenditori senza scrupoli la possibilità di abbattere il costo del lavoro sia in termini di spesa (i robot non chiedono stipendio, ma solo fonti di energia elettrica) che di organizzazione del lavoro (i robot non scioperano e non protestano, potendo lavorare a ciclo continuo senza bisogno di riposarsi). Ma qualcosa si rivelò un grosso ostacolo a questo nuovo pseudo-Rinascimento: le crisi petrolifere ed energetiche che, a partire dagli anni ’70 fino ad oggi, hanno innalzato i costi dell’energia, rendendo vana la diminuzione dei posti di lavoro. L’uso cieco della tecnologia di AI nascondeva però un altro problema, di cui gli scienziati si erano subito resi conto: un sistema di Intelligenza Artificiale può funzionare bene se ha imparato a fare bene il suo lavoro, ma per capire come dobbiamo soffermarci sulla maniera in cui funziona un sistema di AI.
Per semplificare un sistema di Intelligenza Artificiale ha, a volte, una parte concreta, visibile, che in inglese si chiama Hardware (HW) e, sempre, una parte che non si vede ma che è fondamentale per il suo funzionamento, che in inglese si chiama Software (SW): il SW senza HW può funzionare, ma un HW senza SW è solo un mucchio inutile di circuiti e metalli; e questo è il primo mito che bisogna sfatare. Concentriamoci adesso sul SW: quello che gestisce i sistemi di AI è composto di due fasi, importanti entrambe. La prima è l’apprendimento (training), la seconda è il funzionamento vero e proprio (execution). Nel training al sistema di AI si dà come ingresso (input) una serie di elementi che servono per capire come si affronta il problema da risolvere; nell’execution si passa alla risoluzione del problema. E qui entra in gioco un altro mito da sfatare: un sistema di AI, come un qualsiasi sistema informatico, non “pensa” e non fa nulla di sua spontanea volontà (la volontà come la libertà o il libero arbitrio, sono concetti filosofici che una macchina non ha), ma si basa sui dati di training per poter risolvere il problema; se questi dati sono spuri, poco accurati, o affetti da un “bias” (parola che si potrebbe tradurre con “pregiudizio”), il sistema che opera a partire da questi dati ne sarà influenzato negativamente.
Un esempio molto recente di questo problema si è verificato qualche tempo fa in USA, dove è stato creato un sistema di AI predisposto per calcolare la probabilità di colpevolezza di un sospettato; ebbene, se il sistema doveva giudicare una persona nera diceva nell’80% dei casi che era colpevole, mentre se era bianco lo affermava solo nel 45%: un tipico caso di training con bias, visto che i dati inseriti erano per la maggior parte di criminali dalla pelle nera. Ecco perché la fase di training deve essere studiata molto bene prima di mettere in funzione un sistema di AI. Grazie ad istituzioni come AI Now Institute riusciamo ad interessarci delle implicazioni sociali dell’uso distorto di AI.
Un altro problema è la gestione delle eccezioni e dei rischi: un sistema informatico non riesce da solo ad inventarsi una soluzione nel momento in cui si verifica un’eccezione o si presenta un rischio non previsto. Ecco perché spesso c’è una maggiore percentuale di guasti e di elementi scartati in sistemi di produzione basati esclusivamente su macchine.
Questi problemi hanno modificato, per fortuna, l’impatto che gli esseri umani dovevano avere sul lavoro: da meri esecutori di compiti a gestori o controllori di macchine. E in questa maniera si è iniziato a capire come l’apporto dell’essere umano nel mondo del lavoro sia fondamentale e insostituibile. Anzi, i sistemi di AI hanno dato un aiuto concreto ad affrontare il lavoro, una volta istruiti bene e controllati da menti umane.
Nell’analisi dei sistemi di Intelligenza Artificiale si inserisce il bel testo di Rita Cucchiara, “L’intelligenza non è artificiale“, Mondadori, pp.240. La professoressa Cucchiara insegna Visione Artificiale e Sistemi Cognitivi al Dipartimento di Ingegneria “Enzo Ferrari” presso l’Università degli Studi di Modena e Reggio Emilia e ha al suo attivo oltre 450 pubblicazioni relative alla AI, alla Visione Artificiale, ai Sistemi Cognitivi e al Deep Learning. Questo è il suo primo libro divulgativo sull’argomento e, giudicando dal risultato, ha perfettamente centrato lo scopo che voleva prefiggersi: spiegare al grande pubblico cos’è AI. Senza usare paroloni complessi o formule incomprensibili, Cucchiara ci porta in un viaggio affascinante all’interno di AI, liberandoci da falsi miti e introducendo prospettive entusiasmanti sui suoi usi etici. A supporto di ciò leggiamo qualche riga.
“L’intelligenza artificiale è antropo-centrica, non antropo-morfica. Vuol dire che può fare cose molto serie per l’uomo. Anzi, per la donna. Nel 2019 al MIT hanno sviluppato uno studio per il cancro alla mammella capace non solo di riconoscere il cancro dall’analisi radiologica, ma anche di predirne lo sviluppo quattro anni prima. Con i meriti tradizionali potevamo stimare un’accuratezza del 18%; ora, attraverso il deep learning, è possibile un’accuratezza del 30%. Siamo lontani dal 100%, ma dodici punti di percentuale in aumento rispetto alle procedure basate su esperti umani sono tanti. […] Ovviamente ha usato supercomputer per addestrarsi. Ci riesce. E noi donne ringraziamo.”
Leggere questo libro ci spiega cos’è e a cosa serve l’Intelligenza Artificiale, utilizzando esempi tratti dalla sua
Rita Cucchiaraesperienza quotidiana di ricercatrice innamorata della sua materia. Ci piace parlare di questo libro perché ci trasporta all’interno dei risultati ottenuti e di quelli che si spera di ottenere, con un occhio da esperta che non fa pesare il fatto di esserlo, e con in più il gusto estetico che solo una donna sa trovare.
Il capitolo che ho letto con maggior entusiasmo è stato quello relativo alla storia di AI, il dodicesimo: mi ha portato a ripercorrere le tappe di quel che anch’io ho avuto modo di vivere (purtroppo solo per il tempo della tesi, ma comunque abbastanza per apprezzarne la bellezza e capirne l’importanza). Ma tutto il libro è stato un vero viaggio affascinante: lo stile di Rita Cucchiara ha fatto in modo che l’argomento che poteva risultare pesante diventasse piacevole ed interessante. È probabile che anch’io, avendo un bel ricordo della mia esperienza, abbia subito un bias positivo; ma mi sento di consigliarne la lettura a tutti, se non altro perché AI, che è un argomento importante, diventerà centrale nella nostra storia prossima ventura.
Buona lettura!
Enrico Cirillo
Segui il canale TELEGRAM-----------------------------
Iscriviti alla newsletter-----------------------------
Se sei giunto fin qui vuol dire che l'articolo potrebbe esserti piaciuto.
Usiamo i social in maniera costruttiva.
Condividi l'articolo.
Condividi la cultura.
Grazie