Summary
Highlights
L'IA tradizionale, basata sul Deep Learning e le reti neurali, svolge principalmente classificazione (etichettare dati, es. identificare animali) e regressione (stimare quantità numeriche, es. altezza di animali). Il funzionamento delle reti neurali è ispirato ai neuroni biologici, che elaborano segnali elettrici con operazioni non lineari, permettendo la complessità del cervello.
Giulio Deangeli, neuroscienziato computazionale all'Università di Cambridge, presenta tre concetti chiave del suo discorso: cosa sono l'IA tradizionale (discriminativa) e generativa (come ChatGPT), e perché non è più una scelta se inserire l'IA nella nostra vita lavorativa.
L'IA è cruciale in medicina, specialmente nella farmacologia. Lo sviluppo di un nuovo farmaco costa miliardi e ha solo il 10% di probabilità di successo. L'IA può aiutare a identificare farmaci promettenti e meccanismi patologici, ottimizzando gli investimenti e accelerando la ricerca di nuove terapie.
L'IA generativa inventa cose nuove grazie a architetture come l'autoencoder. Simile a una rete neurale, l'autoencoder è addestrato a riprodurre l'input nell'output, ma con un 'collo di bottiglia' critico che comprime l'informazione. La parte 'decoder' può poi generare nuovi oggetti mai visti, come nuove immagini di gattini, dando vita alla creazione artificiale.
Il modello Transformer, sviluppato da Google Brain nel 2017, ha introdotto il meccanismo dell'attenzione per filtrare informazioni. Questo modello, ottimizzato da OpenAI, ha portato alla creazione di ChatGPT, addestrato a prevedere la parola successiva in un testo. La sua incredibile scalabilità e capacità di ragionamento, seppur parzialmente incompresa, lo rendono rivoluzionario.
La chiave del successo di ChatGPT è l'introduzione del probabilismo nel modello, scegliendo una delle parole più probabili anziché la più probabile. Questo rende i testi più interessanti e umani, riflettendo la natura probabilistica del cervello umano, che opera a livello quantistico e non deterministico. Questo è un concetto filosoficamente intrigante che distingue l'IA generativa.
L'IA generativa può aiutare a navigare l'enorme quantità di letteratura scientifica, creare dataset clinici standardizzati e di alta qualità, e affiancare i medici. Già nel 2017 a Londra, i pazienti potevano scegliere di interfacciarsi con un bot per il triage medico. Con l'avanzamento dell'IA, si prevedono cambiamenti ancora più significativi nell'interazione paziente-robot.
L'IA non è una scelta, ma un cambiamento epocale come l'areoplano o internet. Aumenta la produttività di diversi fattori, rendendo obsoleti i metodi tradizionali. Questo impatterà significativamente il mercato del lavoro, richiedendo adattamenti rapidi e trasformazioni professionali, simili, ma più veloci, alla rivoluzione industriale.
L'IA renderà l'accesso a certe professioni più facile, riducendo la componente mnemonica dell'apprendimento (es. programmazione tramite linguaggio naturale). L'uomo si concentrerà sulla valutazione e decisione, mentre l'IA genererà contenuti. Fondamentale sarà un accesso universale alle tecniche AI, garantito dai regolatori, per prevenire disuguaglianze e la fine della mobilità sociale.
In sintesi, l'IA tradizionale si occupa di classificazione e regressione, mentre l'IA generativa, come ChatGPT, crea contenuti nuovi, grazie al suo approccio probabilistico. Non è più una scelta se usarla, ma una necessità per rimanere competitivi. Saranno gli unici ad essere minacciati nell'ambito lavorativo coloro che si ostineranno a non adeguarsi, mentre l'accesso universale all'IA sarà cruciale per un futuro equo.