Sommario
- L’importanza dell’Intelligenza Artificiale Generativa
- Come si differenzia l’IA generativa da altri tipi di IA
- Come funziona l’IA generativa
- Creazione del proprio contenuto
- I più famosi strumenti per l’Intelligenza Artificiale Generativa
- Modelli di linguaggio naturale
- Modelli di linguaggio naturale
- Generatori di Immagini Text-To-Image
- Modelli Text-To-Image
- Generatori video
- Generative Adversarial Networks (GANs)
- VAE e Rilevamento di Anomalie
- Previsioni future
L’Intelligenza Artificiale Generativa (IAG) sta portando a un cambiamento radicale nel nostro modo di creare contenuti o prodotti. Ci troviamo in un’era senza precedenti dove noi, come umanità, stiamo assumendo un ruolo più da supervisori, mentre le macchine sono protagoniste della produzione. Questa rivoluzione ci sta liberando dalle attività più ingrate, ripetitive, rischiose e complesse, consentendoci di concentrarci sulla quintessenza del nostro lavoro: l’idea, l’intenzione e l’obiettivo. Questo segna un cambio di paradigma significativo per il futuro del lavoro nel mondo.
Ma cos’è esattamente l’Intelligenza Artificiale Generativa? È un sotto campo dell’Intelligenza Artificiale (IA) che consente ai computer di creare contenuti partendo da zero. Questi contenuti possono includere testi, immagini, suoni o qualsiasi altro tipo di dato. A differenza di altre forme di IA, che prendono decisioni basandosi su dati di input predefiniti, l’IAG è in grado di creare qualcosa di completamente nuovo, innovativo e unico. Questa capacità di generazione di contenuto rende l’IAG uno strumento potente e pieno di potenziale per il futuro.
L’importanza dell’Intelligenza Artificiale Generativa
Contrariamente a quanto si potrebbe pensare seguendo le notizie recenti, l’Intelligenza Artificiale Generativa (IAG) non è nata dal nulla. In realtà, si tratta dell’ultimo stadio di un processo evolutivo lungo più di un decennio. La sua storia affonda le radici nello sviluppo delle reti neurali all’inizio del millennio e ha capitalizzato i progressi hardware e software che hanno enormemente aumentato le capacità computazionali in pochi anni.
La possibilità di generare nuovi contenuti ha un impatto profondo su una miriade di settori, che vanno dall’arte alla musica, dalla scienza ai media. L’IAG, ad esempio, può comporre musica originale, creare opere d’arte, scrivere articoli giornalistici, sviluppare modelli tridimensionali per l’ingegneria o generare nuove molecole per la ricerca farmaceutica.
![Arthur C. Clarke](https://thetechinsider.it/wp-content/uploads/2023/07/clarke-395.webp)
“Qualsiasi tecnologia sufficientemente avanzata è indistinguibile dalla magia.”
— Arthur C. Clarke, Scrittore e divulgatore
A qualcuno può sembrare magia, ma come ha detto Arthur C. Clarke, “qualsiasi tecnologia sufficientemente avanzata è indistinguibile dalla magia”. Non è magia, è l’inizio di una nuova era di innovazione che, come ogni grande progresso tecnologico, si dimostrerà inarrestabile.
L’IAG ha un potenziale immenso, molto del quale resta ancora inesplorato e sconosciuto. Come ogni strumento tecnologico, può essere utilizzato per il bene o per il male. La storia del perchè venne istituito il premio Nobel ne è un esempio emblematico.
Dai titoli dei giornali potrebbe sembrare che siamo nel bel mezzo di un film apocalittico di Hollywood, con le macchine pronte a sopraffare l’umanità. Ma questi scenari terrificanti e i tabù che vengono sbandierati hanno poco o nulla a che fare con la realtà dei fatti.
Al momento, l’IAG è uno strumento – un potente strumento – che può liberarci da compiti pesanti, noiosi e ripetitivi. Ci consente di concentrarci su quello che ci rende unici come specie: la nostra capacità di guidare e direzionare la nostra conoscenza. Le macchine, con la loro instancabile efficienza, possono produrre i dati e generare i contenuti che altrimenti dovremmo creare noi stessi. Questo ci permette di utilizzare al meglio la nostra creatività, la nostra sensibilità e la nostra intelligenza, soprattutto se le macchine ci assistono nell’affrontare i compiti più gravosi.
Come si differenzia l’IA generativa da altri tipi di IA
L’Intelligenza Artificiale Generativa (IAG) è solo un tassello del mosaico più ampio che definiamo Intelligenza Artificiale (IA). Pensa alla guida automatica dei veicoli, alle previsioni meteorologiche, alla gestione del servizio clienti, agli algoritmi che identificano oggetti nelle immagini e nei video, o quelli che individuano frodi bancarie, e persino alle macchine che imparano a giocare a scacchi, perfezionando continuamente le loro abilità fino a diventare imbattibili.
Nel contesto di questa vasta galassia, l’IAG rappresenta una sotto-categoria specifica. È vero che anche gli esempi precedentemente citati generano dei contenuti nel loro normale funzionamento – una previsione del tempo, un report di una transazione, una partita di scacchi vinta – ma questi prodotti sono da considerarsi più effetti collaterali che non il fulcro della loro funzione.
La specificità dell’IAG risiede proprio in questo: gli strumenti appartenenti a questa categoria sono progettati con l’unico scopo di generare nuovi contenuti, siano essi testi, immagini, brani musicali o video. Ogni giorno emergono nuove aree di creazione di contenuti. Il panorama degli strumenti è un crogiolo in perenne effervescenza. Come già detto, la scintilla è stata accesa e difficilmente potrà essere spenta nei prossimi anni.
Dal punto di vista procedurale, la maggior parte delle applicazioni di IA, come la classificazione delle immagini o il riconoscimento vocale, si basano su modelli predittivi che prendono decisioni basandosi su dati di input. Invece, l’IAG spinge il confine ancora più in là, creando nuovi contenuti senza un modello o un input predefinito. Questa capacità di adattamento e di creazione la rende estremamente versatile e potenzialmente rivoluzionaria.
Come funziona l’IA generativa
In generale, capire come funziona l’IA rappresenta un ostacolo. Il nome di per sé non è amichevole, diciamo, insomma, Intelligenza Artificiale richiama alla mente un surrogato dell’unico tipo di intelligenza che conosciamo, ossia l’uomo. Da qui il timore, il terrore di risultare inferiori di fronte ad una macchina in grado di pensare come noi ma con infiniti poteri rispetto a noi…
STOP
Questa visione è profondamente sbagliata e lontanissima dalla realtà e basta capire le basi e il concetto di cosa sia l’Intelligenza Artificiale per renderci conto che tutte le paure e i timori che ci stiamo auto instillando, sono paure legate al non conoscere la realtà delle cose.
Facciamo un esempio molto semplice: io e te ci troviamo a cena. Tu mi chiedi di passarti il vino, il mio cervello recepisce la richiesta e attraverso gli occhi inizia a scandagliare l’ambiente circostante, individua in un cestello del ghiaccio il collo di una bottiglia, comanda ai nervi che arrivano alle mie mani di muoversi verso quello che ho identificato come una bottiglia, anche se ne intravedo solo il collo, intuendo che il vino si troverà all’interno di quel recipiente, anche se, in realtà, non esiste nessuna informazione che quella sia una bottiglia e che all’interno ci sia del vino.
Cos’è successo? Semplicemente il mio cervello ha reagito a un vastissimo background a cui sono stato sottoposto in cui ho imparato che il vino è un liquido che in genere si trova dentro a delle bottiglie la cui forma, a sua volta, ho imparato a riconoscere sulla base di milioni di esempi differenti al punto da intuire che il collo che sporge da quel cestello sarà sicuramente parte di una bottiglia che conterrà il vino.
Affascinante vero?
Ecco. L’IA funziona esattamente così: vengono forniti a delle reti di computer (stiamo semplificando di molto il concetto, ma non è il nostro obiettivo entrare nel profondo tecnicismo), milioni di dati, miliardi di dati, triliardi di informazioni. Le reti neuronali alla base di queste reti di computer sono in grado di categorizzare e rendere logicamente utile quella massa enorme di informazioni.
Questa fase è quella dell’apprendimento (deep learning). I modelli di dati saranno differenti a seconda del tipo di utilizzo che il nostro sistema di IA dovrà avere, quindi avremo le regole di base degli scacchi e la possibilità di memorizzare tutte le partite svolte per imparare, i modelli matematici dell’atmosfera terrestre per prevedere il meteo, le regole del codice della strada e tutto quello che c’è da sapere sui possibili elementi che si potranno incontrare durante la guida. Insomma la macchina si specializza in un certo campo.
Ho volutamente tralasciato lo sfondo di questo scenario, la progettazione e la costruzione del motore che consente tutto questo, ma come già detto non è l’obiettivo di questo articolo e soprattutto la materia è davvero complessa e di non immediata fruizione.
Nell’IA generativa il processo è simile: si utilizzano reti neurali profonde e algoritmi di apprendimento automatico con lo scopo di generare contenuti. Questi modelli apprendono dai dati di input, scoprono schemi e relazioni nei dati e li usano per generare nuovi contenuti. Ad esempio, un modello generativo addestrato su un database di immagini di gatti può generare una nuova immagine di un gatto che non esiste.
Il motore sotto il cofano è sempre simile, la carrozzeria varia a seconda degli utilizzi. Semplice vero?
Sembra abbastanza simile a come funzioniamo noi esseri umani e da qui il terrore o timore di qualcuno. Ma vediamo questa differenza dove sta e perché ci deve rassicurare:
Oggi un chatbot può aiutarmi a scrivere un testo, in certi casi può anche scrivere racconti o storie, inventandole, ma è proprio questo il punto. Non le sta inventando, le sta estrapolando intersecando migliaia di racconti che ha in memoria e prendendo qualcosa qui e qualcosa li. Potrà descrivermi tutte le teorie scientifiche note ma non potrà mai ipotizzare una nuova Teoria della Relatività.
Può anche generare immagini incredibili dal niente, anche qualcosa di vagamente artistico, ma non potrà mai creare un genere artistico come fece, ad esempio Picasso o Ligabue, o Michelangelo.
Forse potrà comporre musica, in certi casi potrà essere anche gradevole, magari anche bella, ma non avrò mai una composizione di Mozart o di Battiato o di Morricone.
La realtà è che ad oggi l’IAG crea contenuti ma non li concepisce, non li capisce, non ha le capacità razionali che noi abbiamo e la capacità di trasformare la nostra mente in un processo informatico alquanto complesso, magari non è impossibile, ma ad oggi è lontano anni luce dall’essere realizzato e, ancor più, realizzabile.
Creazione del proprio contenuto
Sebbene il ‘motore’ di base dell’IA sia sostanzialmente lo stesso (una semplificazione, ma utile per questo contesto), ciò che cambia è la ‘carrozzeria’, e di conseguenza le funzionalità e le prestazioni del nostro sistema di IA. Strumenti di IA come Midjourney, Chat GPT e Bard sono ben noti, facilmente accessibili e adatti a un pubblico generico. Allo stesso tempo, esistono applicazioni più avanzate e specializzate in grado di generare contenuti specifici per vari settori.
Assistiamo alla proliferazione dei notebook su piattaforme come GitHub, dove coesistono diversi ambiti di una stessa applicazione all’interno di un unico ambiente interattivo, solitamente legati alla programmazione software. Ogni ambito e applicazione ha diverse modalità di utilizzo dell’IA. I notebook per la programmazione, i modelli per l’analisi di grandi quantità di dati, e l’IA generativa per la creazione di un’ampia varietà di contenuti, dalle opere d’arte ai testi di notizie.
Per esempio, un musicista potrebbe utilizzare l’IA generativa per creare nuove melodie o scrivere i testi delle sue canzoni. Un giornalista potrebbe sfruttare l’IA generativa per produrre articoli di notizie o reportage. Queste applicazioni evidenziano la versatilità dell’IA generativa e il potenziale per la personalizzazione dei contenuti.
I più famosi strumenti per l’Intelligenza Artificiale Generativa
È possibile stilare un elenco degli strumenti più noti di IAG, ma in un ambito in rapida evoluzione come questo, tale lista potrebbe diventare obsoleta in breve tempo. Nuovi strumenti e applicazioni emergono ogni giorno, e ciò che avrete a disposizione quando leggerete questo articolo potrebbe differire notevolmente da ciò che era disponibile al momento della scrittura.
Pertanto, non dobbiamo considerare questi esempi come esaustivi, ma semplicemente illustrativi delle tipologie di IAG attualmente disponibili. Questa continua evoluzione è ciò che rende l’ambito dell’IA tanto affascinante. Siamo i pionieri di una nuova era di conoscenza umana, un’era che promette meraviglie senza fine.
Voglio introdurre un concetto che riprenderò più avanti: è bene lasciarci affascinare, ma dobbiamo evitare che questo fascino si trasformi in stupore e contemplazione passiva di un fenomeno culturale e tecnologico in corso.
L’IA coinvolgerà tutti noi, l’intera umanità, sia come fruitori sia come artefici di un processo inarrestabile che cambierà drasticamente il mondo come lo conosciamo. Non dobbiamo lasciarci intimidire da rischi inesistenti, ma cogliere le opportunità. Nuove categorie di lavoratori, consumatori e utenti stanno per emergere, e c’è spazio per tutti. Alcuni lavori saranno ridimensionati o addirittura eliminati, ma ciò non significa che gli attuali lavoratori saranno disoccupati. Ad esempio, un software potrebbe essere in grado di guidare un autobus in futuro (non ancora, ovviamente), ma l’attuale autista potrebbe ancora avere un ruolo nel monitorare le operazioni e intervenire in caso di situazioni impreviste. Questo è solo un esempio tra i molti possibili.
Non vedremo un’improvvisa ondata di disoccupazione, ma piuttosto una transizione generazionale, come quella che ha sostituito i conduttori di carrozze con gli autisti di autobus, senza mai causare disoccupazione di massa. Come sempre nella storia dell’umanità, l’educazione e la cultura sono le chiavi. Ci sono nuove competenze da apprendere, capire e sviluppare. È il momento di agire.
Modelli di linguaggio naturale
Siamo nel campo di ciò che viene comunemente, seppur erroneamente, considerato l’antenato dei modelli di Intelligenza Artificiale Generativa (IAG). Parliamo di ChatGPT, che ha fatto la sua apparizione improvvisa alla fine del 2022 (30 novembre), attirando l’attenzione mondiale raggiungendo l’importante traguardo di un milione di utenti in meno di una settimana.
![](https://thetechinsider.it/wp-content/uploads/2023/07/Time-to-1-million.png)
Al confronto, altri strumenti di massa hanno impiegato molto più tempo per raggiungere il milione di utenti: 49 mesi per Netflix, 24 mesi per Twitter, appena 10 mesi per Facebook e circa 2 mesi e mezzo per Instagram. ChatGPT 3 ha battuto tutti questi record in meno di una settimana.
Nel giro di pochi mesi, sono seguite la versione 3.5 e subito dopo la 4, con l’annuncio della 5. Ogni versione ha rappresentato un salto qualitativo rispetto alla precedente. La versione 5 è stata temporaneamente sospesa per rispondere alle preoccupazioni sulla violazione della privacy e dei dati sensibili, non tanto da parte del modello stesso, quanto da altri utenti, in un sistema informatico di grande potenza, ma forse ancora immaturo dal punto di vista della sicurezza.
L’Italia, unico paese al mondo (escludendo alcuni regimi totalitari), ha negato l’accesso a ChatGPT sul suo territorio, probabilmente ignorando – date le notorie (in)competenze tecnologiche dei nostri governanti – che con una semplice VPN si poteva aggirare il blocco. Fortunatamente, il blocco è durato solo poche settimane e come piccola concessione, è stata introdotta una garanzia sulla privacy dei dati. Ciò, tuttavia, non ha affrontato la questione di fondo, se esisteva, rimanendo sostanzialmente invariata.
Cos’è ChatGPT? L’acronimo GPT sta per “Generative Pre-Trained Transformer”, un modello di linguaggio naturale sviluppato da OpenAI, un’azienda fondata da Elon Musk per lo sviluppo di tecnologie di IA. Questa tipologia di modello di linguaggio naturale non è nuova e ha diversi precursori, ma è solo grazie ai progressi delle reti neurali e dell’hardware di supporto, che ha reso possibile memorizzare e manipolare enormi quantità di dati in tempi impensabili fino a pochi anni fa, che questo modello può interpretare correttamente un prompt e generare un testo pertinente.
E’ importante sottolineare “generare”, perché il testo non viene copiato da un database, ma prodotto al momento.
Sin dall’inizio, le applicazioni di ChatGPT sono state ampliate da alcune delle sue capacità aggiuntive, come ad esempio la capacità di scrivere codice, di assistere nelle ricerche su internet, e altre che si stanno sempre più allontanando dal nucleo originale di ChatGPT per evolvere verso applicazioni specializzate. GitHub, ad esempio, sta sviluppando una propria implementazione destinata a scrivere codice in collaborazione con gli utenti, mentre Microsoft ha sfruttato l’opportunità per tentare di rilanciare il suo semi-defunto motore di ricerca Bing, integrandolo con il nucleo di ChatGPT.
Google, di fronte a queste sfide, ha risposto annunciando il suo modello di linguaggio naturale, Bard, che promette di rivoluzionare il modo in cui usiamo Internet.
ChatGPT è uno strumento straordinario che richiede competenze specifiche per essere utilizzato efficacemente. Nonostante il modello generi testo, non lo comprende né ha la capacità umana di estrarre concetti dal testo. Su questo fronte, il cervello umano rimane insostituibile e lo sarà per molto tempo. Questo rappresenta il principale limite di ChatGPT. Pur essendo un assistente prodigioso, non chiedetegli mai di creare qualcosa di veramente originale: semplicemente non ne è capace.
Modelli di linguaggio naturale
Ecco una lista assolutamente NON esaustiva di strumenti ad oggi disponibili per la generazione di testo:
Generatori di Immagini Text-To-Image
Con ‘Text-To-Image’ ci riferiamo a quei modelli capaci di interpretare un prompt fornito dall’utente e generare un’immagine corrispondente alla descrizione. Questo settore dell’Intelligenza Artificiale Generativa ha subito un’evoluzione straordinaria negli ultimi anni: si è passati da risultati rudimentali e spesso fuori contesto a immagini di grande impatto visivo. Il fascino di queste applicazioni risiede anche nel fatto che, attraverso il prompt, è possibile guidare l’IAG a simulare uno specifico stile di disegno o pittorico. La recente ondata di innovazioni in questo ambito è senza paragoni rispetto ad altri settori.
Attualmente, le tre principali soluzioni che hanno raggiunto una diffusione considerevole sono MidJourney, Dall-e e Stable Diffusion. Sebbene appartengano alla stessa categoria, si tratta di software molto diversi tra loro, ciascuno con le proprie peculiarità. Stable Diffusion è l’unico tra i tre ad essere open source, il che assicura un costante afflusso di miglioramenti grazie a una vasta comunità di sviluppatori. Tuttavia, sia Dall-E che Midjourney offrono delle API, permettendo così l’intervento e l’apporto di una comunità di sviluppatori.
È importante sottolineare che, anche nell’ambito della generazione di immagini, emergono quotidianamente nuove proposte e soluzioni innovative. Inoltre, stiamo assistendo all’irrompere dei primi modelli promettenti di generazione di video a partire da un testo, preludio di una nuova rivoluzione nel campo della generazione di contenuti.
Modelli Text-To-Image
Ecco una lista di proposte disponibili per la generazione di immagini:
Generatori video
Per quanto riguarda la generazione di video:
Generative Adversarial Networks (GANs)
Le GANs, o Reti Generative Competitive, possono essere comprese attraverso un’illustrazione concettuale: immaginate due entità, un ‘Generatore’, addestrato per produrre immagini, il cui compito è creare, per esempio, un’immagine che imiti un celebre dipinto; e un ‘Discriminatore’, addestrato sulle più note opere d’arte.
Il Generatore crea una prima versione di un dipinto famoso, con l’obiettivo di renderlo indistinguibile dall’originale. Il Discriminatore, grazie alla sua vasta conoscenza delle opere d’arte, esaminerà l’opera generata, riconoscendone l’ispirazione e individuando le discrepanze rispetto all’originale. A partire da questo feedback, il Generatore farà un secondo tentativo, correggendo gli errori precedentemente commessi e attendendo una nuova valutazione dal Discriminatore.
Questo ciclo di feedback continuerà fino a quando il Discriminatore non sarà più in grado di distinguere l’opera generata dal vero dipinto. Di fatto, ciò dà luogo a una competizione tra le due entità, che contribuisce a perfezionare la qualità del Generatore. In sostanza, abbiamo due reti neurali in competizione tra loro: una, addestrata su uno specifico set di dati e incentrata sulla generazione di contenuti; la seconda, addestrata su un ampio corpus di informazioni relative al set di dati in questione, con lo scopo di identificare le differenze tra l’originale e la replica.
Le applicazioni di questo tipo di Intelligenza Artificiale Generativa si estendono a numerosi campi, tra cui il design e la progettazione di componenti, l’individuazione di transazioni fraudolente, e la cybersecurity per rilevare tentativi di furto di dati o di violazione di reti private. Pur essendo un tipo di IAG molto specialistico, si rivela altamente efficace per proteggere i dati, la privacy e gli asset di individui e aziende.
VAE e Rilevamento di Anomalie
Un Autoencoder Variazionale (VAE) è un tipo avanzato di modello generativo, che si specializza nella rilevazione di anomalie. Il VAE apprende a ricostruire i dati di input, consentendo di individuare dati anomali che non rispettano il modello appreso. Può sembrare un processo complesso, e di fatto lo è, ma le applicazioni di tali modelli rivestono un valore inestimabile.
In particolare, queste tecniche trovano applicazioni significative nei campi della sicurezza informatica e finanziaria. Addestrando il modello su un set di dati che rappresenta la ‘normalità’ del contesto che si desidera analizzare – per esempio, transazioni finanziarie standard – diventa più semplice individuare situazioni che si discostano da tale normalità, per poterle segnalare o intervenire direttamente.
Oltre a ciò, i VAE trovano un ruolo cruciale nel settore sanitario. Ad esempio, modelli addestrati su set di dati costituiti da radiografie normali e prive di patologie possono, quando sottoposti a una radiografia anomala, riconoscere facilmente l’anomalia, consentendo diagnosi precoce di diverse malattie.
Infine, nel controllo qualità dei processi di produzione, il set di dati è basato su prodotti perfetti. In questo scenario, uno scanner o una telecamera in grado di applicare VAE può immediatamente individuare difetti di produzione o componenti danneggiati, evitando così che tali anomalie sfuggano e finiscano nel mercato.
Previsioni future
L’ultimo anno ha visto una vera e propria esplosione di possibilità. Il pioniere di questa nuova ondata di strumenti IA sofisticati, ChatGPT, è stato lanciato meno di un anno fa, e già assistiamo a dozzine, se non centinaia di ulteriori sviluppi. La fase di accelerazione è in corso e fare una previsione anche a breve termine sembra un’impresa ardua. Immaginare come sarà il panorama dell’IA tra due, tre, o i canonici cinque anni è quasi impossibile.
Assistiamo a un incremento esponenziale delle capacità di questi strumenti e ci abitueremo a convivere con queste risorse che oggi ci appaiono quasi magiche. Il loro uso diventerà quotidiano, e sarà impossibile ignorarli. Quindi, mi preme rinnovare l’invito già formulato all’inizio dell’articolo: ora è il momento di capire e conoscere questa rivoluzione, di farne parte. Le nuove generazioni, coloro che oggi sono ancora a scuola, devono raccogliere la sfida e non farsi sorpassare da questo progresso travolgente.
Studiate, apprendete, seguite corsi di formazione e orientate i vostri studi verso queste direzioni per poter far parte del mondo del lavoro di domani. L’IA si insinuerà in nuovi campi, nuovi prodotti arriveranno, dalla guida autonoma all’applicazione della robotica nella produzione e logistica, e solo il futuro saprà dirci cosa ci riserva ancora.
Ma una cosa è certa: tutte queste innovazioni sono possibili solo perché l’essere umano le ha concepite e realizzate. Ciò che serve ora sono figure professionali che si occupino di gestione, creatività, lasciando a questi strumenti il compito di svolgere i lavori più ripetitivi che oggi spettano alle persone.
Dobbiamo sempre ricordare che ogni tipo di evoluzione tecnologica deve essere centrata sull’uomo, e che noi, come esseri umani, dobbiamo rimanere i protagonisti, i decisori del nostro futuro. I legislatori dovranno stabilire le regole per uno sviluppo etico dell’IA. I programmatori e le aziende produttrici dell’hardware dovranno garantire che queste regole siano rispettate e che non ci possano essere compromessi o scorciatoie.
L’IA è affascinante, estremamente potente e, se utilizzata impropriamente, può diventare pericolosa. Non dobbiamo temere un’apocalisse robotica alla Skynet, un rischio estremamente remoto e attualmente tecnologicamente impossibile. Il vero pericolo è quello di affidarsi completamente all’IA, sostituendo la nostra fantasia e creatività, oppure quello di accontentarsi di contenuti di bassa qualità generati da set di dati non aggiornati, errati o manipolati.
Per questo motivo, dobbiamo formare una nuova classe di lavoratori, tecnici, esperti e operatori che possano mantenere l’IA entro i confini che consentono all’uomo di mantenere il controllo sulla forma, sui contenuti e sulle nuove idee. Questi limiti devono ancora essere definiti, e quindi servono nuovi leader e legislatori che comprendano che l’IA è una risorsa, non un ostacolo.
Non abbiamo bisogno di politici incapaci, oscurantisti che mirano a censurare ciò che non comprendono. Ci troviamo nel bel mezzo di una rivoluzione epocale, culturale, di costume e di progresso, una sorta di nuova rivoluzione industriale che si svolge a una velocità impressionante.
Ciò di cui abbiamo bisogno è cultura, persone capaci e intelligenti, individui con spirito di iniziativa. Se riusciremo a formare questa nuova generazione di cittadini, l’IA diventerà la più potente alleata che l’umanità abbia mai avuto.