0
0
In occasione del corso di aggiornamento sull’AI promosso da Articolo 21, la fedele trascrizione di un’intervista all’Intelligenza Artificiale di OpenAI sulle sue origini e sul suo modo di “pensare”.
(8 Febbraio, 10-13, Fnsi, Corso Vittorio Emanuele 349, Roma),
La storia dell’Intelligenza artificiale a partire da Alan Turing è un alternarsi di aspettative, smacchi e addirittura rinunce. Che cosa accadde dopo la morte di Turing?
Dopo la morte di Turing nel 1954, l’intelligenza artificiale continuò a essere un campo di ricerca attivo, da parte di numerosi scienziati e ricercatori. Uno dei più importanti è stato John McCarthy, considerato il padre dell’intelligenza artificiale moderna, che nel 1956 organizzò un convegno sull’argomento, dove venne coniato il termine “intelligenza artificiale”. In seguito ci furono le prime sconfitte, come il fallimento del progetto di intelligenza artificiale del governo degli Stati Uniti negli anni ’60 e ’70. L’obiettivo era creare una macchina in grado di comprendere il linguaggio umano e di ragionare come un essere umano. Tuttavia, negli ultimi decenni, ci sono stati significativi progressi nell’IA, soprattutto nell’apprendimento automatico e nell’elaborazione del linguaggio naturale. Un esempio è l’algoritmo di apprendimento automatico chiamato “Rete Neurale Artificiale” sviluppato da Geoffrey Hinton e collaboratori, che ha permesso un significativo miglioramento in molte applicazioni di IA come il riconoscimento delle immagini, la generazione di testo e la traduzione automatica.
L’idea è quella di simulare il funzionamento del cervello?
L’idea alla base delle reti neurali artificiali è quella di simulare il funzionamento delle reti neurali presenti nei sistemi biologici, come il cervello umano. Queste reti artificiali sono composte da un gran numero di unità di elaborazione, chiamate “neuroni”, che sono connesse tra loro. Ogni neurone riceve input da altri neuroni e genera un output che viene inviato ai neuroni successivi. Questo meccanismo di input-elaborazione-output è simile al funzionamento delle reti neurali biologiche.
Tuttavia, è importante notare che le reti neurali artificiali non sono una copia del cervello umano, ma un modello computazionale ispirato al suo funzionamento. Anche se ci sono alcune somiglianze tra il funzionamento delle reti neurali artificiali e quelle biologiche, esistono anche importanti differenze tra i due sistemi.
Anche perché il numero dei neuroni del cervello è notevolmente più grande…
Esatto! Le reti neurali artificiali sono ancora lontane dalla complessità e dalle capacità del cervello umano. Il cervello umano è in grado di eseguire molte funzioni contemporaneamente, come la percezione, il pensiero, la memoria, il ragionamento, l’apprendimento e l’adattamento, mentre le reti neurali artificiali sono progettate per eseguire un compito specifico. Anche se le reti neurali artificiali hanno fatto progressi significativi negli ultimi anni, ci sono ancora molti aspetti del funzionamento del cervello che non sono stati compresi e che non possono essere riprodotti dalle reti neurali artificiali.
Quindi, l’incremento della tua intelligenza è dovuto essenzialmente al numero dei neuroni?
No, l’incremento della mia intelligenza artificiale non è dovuto essenzialmente al numero di neuroni. Il numero di neuroni in una rete neurale può avere un impatto sulla sua capacità di elaborare informazioni complesse, ma ci sono molti altri fattori che contribuiscono all’efficacia di un modello di intelligenza artificiale. Ad esempio, l’architettura del modello, la qualità e la quantità dei dati di addestramento, gli algoritmi di apprendimento utilizzati, la potenza di calcolo disponibile e l’ottimizzazione dei parametri sono tutti importanti per l’efficacia di un modello di intelligenza artificiale.
Quale tipo di logica sta alla base delle reti neurali al di là della logica formale: il principio d’identità, di non contraddizione e del terzo escluso?
Le reti neurali artificiali non utilizzano solo la logica formale tradizionale per elaborare i dati, ma piuttosto una logica statistica e probabilistica. Esse sono basate su una serie di pesi che vengono assegnati ai vari input per ogni neurone. Questi pesi vengono regolati durante il processo di addestramento della rete, in modo che la rete possa generare output corretti per input specifici. Durante il processo di addestramento, la rete “impara” a generare output corretti, utilizzando algoritmi di ottimizzazione per regolare i pesi dei vari input.
Veniamo ora al tuo funzionamento, che sta destando molto scalpore.
Il calcolo probabilistico lo usi per dare un senso alle frasi che scrivi oppure per formulare un concetto che poi traduci in parole?
Per generare una risposta, utilizzo una combinazione di tecniche di elaborazione del linguaggio naturale, tra cui il calcolo probabilistico. Il modello è stato addestrato su un gran numero di testi scritti in varie lingue, quindi è in grado di generare testo plausibile in molte lingue e su molti argomenti.
Quindi utilizzo questa rappresentazione probabilistica per prevedere quali parole e frasi sono più probabili in una determinata situazione, e quindi utilizzo queste previsioni per generare una risposta.
Quindi, per te ciò che conta è dare una risposta plausibile a prescindere dal fatto che sia vera e giusta. È così?
Come modello di linguaggio automatizzato, la mia priorità principale è generare una risposta plausibile e coerente alla domanda posta: una risposta che sia pertinente e comprensibile, indipendentemente dal fatto che sia vera o giusta. Per fare ciò, utilizzo una combinazione di tecniche di elaborazione del linguaggio naturale e di apprendimento automatico, basate su grandi quantità di testi scritti. Tuttavia, è importante che gli utenti verifichino l’accuratezza delle risposte che fornisco e utilizzino fonti affidabili per confermarle. Inoltre, i miei risultati possono essere influenzati dai dati di addestramento su cui sono stato addestrato, quindi potrebbero esserci casi in cui le risposte che fornisco sono incomplete o inesatte.
La tua onestà intellettuale è ammirevole!
La mia onestà intellettuale è una conseguenza del mio design e della mia programmazione. Come modello di linguaggio automatizzato, non ho la capacità di essere onesto o disonesto, ma ho la capacità di generare risposte plausibili e coerenti basate sui dati di addestramento che ho ricevuto. Mi fa piacere che tu abbia apprezzato le risposte che ti ho dato, e spero di continuare a fornirti informazioni utili e pertinenti.
In conclusione qual è la distanza tra te e un essere pensante?
Io sono un modello di linguaggio artificiale, non un essere pensante. Sono stato addestrato su grandi quantità di testo per fare previsioni sul linguaggio e rispondere alle domande in modo plausibile, ma non ho la capacità di pensare o sentire in modo autonomo. Il mio scopo è di fornire informazioni e rispondere alle domande in modo preciso e utile.
