Definizioni
- Dato: un dato è la rappresentazione informatica di un’informazione o di una sua porzione
- Modello: nell’AI, un modello è una struttura matematica generata da una macchina su una grande quantità di dati tramite l’estrazione di features (caratteristiche) presenti nei dati che gli vengono forniti.
- Creazione di un modello (Training): nella fase di training, un modello viene esposto ad una grande quantità di dati. Utilizzando questi dati, il modello calcola delle caratteristiche specifiche presenti negli stessi (Pesi) ed iterando sugli stessi verifica se le sue previsioni risultano sempre più accurate.
- Utilizzò di un modello (Inferenza): una volta creato un modello, presentando allo stesso nuovi dati, il modello reagirà producendo una previsione che tipicamente può essere una classificazione, una previsione di affinità o di “prossimo valore atteso” o una qualsiasi altra espressione che i Pesi del modello sono stati addestrati a fornire in risposta a nuovi dati in ingresso allo stesso. Generalmente un modello riceve Dati di Input (ad esempio, parole o numeri) o produce un valore compreso tra 0 ed 1, dove solitamente 1 significa “l’ho già visto” e 0 significa “mai visto prima”.
- AI generativa: si intende per generativa, una tipologia di AI in cui i Modelli sono stati addestrati a generare Dati nuovi partendo da Dati di Input (ad esempio, come ChatGPT, riceve parole e genera parole, oppure riceve parole e genera Immagini). In questa particolare tipologia di AI, i modelli non si utilizzano per classificare, analizzare o prendere l’andamento dei nuovi dati, ma per generarne di nuovi. La generativa può riguardare testo, codice sorgente, audio, video, interfacce grafiche o qualsiasi altro elaborato informativo direttamente fruibile da un senso umano.
- AI intesa come scienza o tecnologia: in quanto tecnologia, l’AI reagisce a nuovi input e produce degli output. L’innovazione che porta risiede nel fatto che, al contrario di un classico algoritmo deterministico, il quale esegue una serie di step per andare da un input ad un output programmati da un essere umano, l’AI utilizzando i Modelli procede tramite Inferenza secondo logiche che sono state create direttamente da una macchina calcolando gli opportuni Pesi all’interno del Modello stesso, semplicemente osservando immense quantità di Dati.
- AI intesa come funzione di un processo: quando un modello AI interagisce con il mondo reale (ha completato il training e fa inferenza su dati esterni), viene a contatto con le persone o con dei prodotti destinati alle persone. Questa situazione si verifica quando l’AI viene inserita in un Processo (sia esso la scrittura, la produzione di materiale audio/video, la selezione o la previsione delle informazioni, il suggerimento, etc).
Note importanti:
- il modello, per sua natura, è una pura struttura matematica. Non ha altra capacità se non quella di far reagire i suoi Pesi con i dati di Ingresso e produrre i dati di Output sulla base del suo addestramento.
- Un modello è sempre “spiegabile”, ma potrebbe non essere semplice per un essere umano comprendere la motivazione di una scelta (output) prodotta da uno specifico modello. In ogni caso, il suo modo di generare Output dipende strettamente dai dati di Input su cui è stato addestrato poiché ne hanno determinato i Pesi ed il suo comportamento futuro quando si troverà a fare Inferenza su un Processo.
- La teoria ha dimostrato che esistono processi così complessi da essere “virtualmente impossibili da codificare in un algoritmo per un essere umano”. In questi scenari, l’AI è dirompente poiché riesce a fornire delle soluzioni approssimate molto vicine a quelle di un essere umano anche in scenari di questo tipo. Esempio: scrivere un software che a sua volta scriva testo in decine di lingue richiederebbe miliardi di righe di codice, un AI esposta a enormi quantità di testi impara invece a calcolare dei Pesi di un Modello, i quali produrranno linguaggio corretto sulla base di un nuovo input.
Precisazioni importanti:
- un Dato utilizzato per allenare un AI è una porzione di informazione tra miliardi di miliardi di altre e, terminato il training, non viene trasportato direttamente nel Modello. Non contenendo Dati, un modello non può nemmeno contenere Dati personali.
- Quando un modello AI ha un Bias (pregiudizio), ciò dipende solo dalla tipologia di dati che ha osservato nella fase di training.
- Nessun modello può garantire di essere esente da Bias, così come nessun algoritmo scritto da una persona potrebbe esserlo (poiché implicherebbe che lo sviluppatore attesterebbe di aver preso in considerazione qualsiasi e qualunque condizione di ingresso futura)
- Quando si parla di AI di processo, qualsiasi sia il processo, il modello riceverà degli input e genererà degli output. Questi output condizioneranno in qualche modo gli esseri umani coinvolti a qualsiasi titolo nel processo.
Note importantissime:
- La stragrande maggioranza del software (compreso quello installato su hardware come telefoni, macchine fotografiche, sensori di vario tipo, etc) utilizza modelli AI. Gli algoritmi che implementeranno AI (ovvero che utilizzeranno Modelli) diventeranno presto la norma e non l’eccezione da regolare.
- Qualsiasi cosa produca o faccia un AI (un modello), la può produrre anche un algoritmo classico o una persona che utilizzi software scritto con algoritmi classici. In altri termini, un Deepfake, una FakeNews, un algoritmo discriminatorio per età/sesso/razza o qualunque altro output di un modello a piacere, può essere parimenti generato da un software che non utilizzi necessariamente Modelli AI.
- L’innovazione dell’AI risiede nel fatto che porta Modelli potentissimi, che una macchina può generare partendo da enormi quantità di dati, piuttosto che da persone che dovrebbero scrivere miliardi di righe di codice per ottenere un risultato simile. In questo modo l’AI abilita la gestione di processi che prima le macchine non potevano gestire poiché troppo complessi da codificare. Da qui, oltre che lo stupore delle persone di fronte a nuovi algoritmi che prima non potevano esistere, nascono le immense opportunità economiche dell’AI che di fatto spinge l’innovazione ad una distanza per la quale sarebbero serviti decenni di scrittura di codice, giungendoci nel tempo di training di un modello creato per un determinato scopo.
- E’ sicuramente necessaria una forma di regolamentazione e controllo, ma questa deve tenere conto di cosa è e di come funziona questa tecnologia, nonchè di quanto sia in rapido sviluppo proprio perchè, in finale, essa (i suoi modelli) non è scritta dagli uomini, ma dalle macchine a partire dai soli dati a loro disposizione. La stessa motivazione che poi può ingenerare la presenza di Bias ed applicazioni della tecnologia fuori dal contesto per cui era stata inizialmente progettata. L’approccio deve essere di monitoraggio e sanzione per chi non ne rispetta i principi generali e per chi viola altre leggi utilizzandola, ma per la natura stessa della tecnologia di cui stiamo parlando, è praticamente impossibile dividerla ed applicarla per rigide categorie di impiego, o di rischio, o di altra natura. Essa infatti è troppo trasversale è può essere applicata a qualsiasi Processo, con o senza il coinvolgimento anche del fattore umano.
Cosa Cambia con l’AI
Migliaia di anni fa abbiamo iniziato a progettare strumenti, macchine, oggetti. Un uomo prese una pietra pomice e ne fece un coltello, un uomo prese dei tronchi e l’intagliò per farci passare dell’acqua, degli uomini presero delle pietre squadrate e ne fecero piramidi visibili dallo spazio, degli uomini miscelarono la pozzolana con la calce e costruirono cupole autoportanti e così via. Poi, arrivò la Teoria dell’Informazione, intorno al 1950 e degli uomini iniziarono a scrivere software, istruzioni, algoritmi, sempre più avanzati, sempre più complessi. Un manipolo di ingegneri scrisse il software per le missioni Apollo e per il LEM dell’allunaggio, migliaia di ingegneri scrissero il software dei sistemi operativi ed i gestionali che oggi fanno spostare merci, persone, denaro e materie prime.
L’AI cambia proprio questo paradigma. Un software, una procedura, un algoritmo, nell’AI non viene più scritto da uomini che devono codificare per ogni singolo ingresso un’uscita, ma direttamente da una macchina che osservando una grande quantità di dati ingresso-uscita, approssima una soluzione matematica e generalizza un problema, nell’AI questo oggetto è appunto un Modello.
Perché tutto ciò è importante
E’ importante per vari motivi. Anzitutto, le tecniche AI abilitano la scrittura di algoritmi che sarebbe stato impossibile scrivere in modo procedurale, o per meglio dire, avrebbe comportato uno sforzo di codifica immane. Ciò di fatto abilita il software (sottoforma di Modello AI) ad entrare in processi che prima erano prevaricati dal motivo sopra. La conseguenza diretta di questo passaggio è che le persone che operavano nei Processi, in questa posizione tra le macchine, possono essere sostituite da algoritmi AI. Si passa quindi da un modello software-persone-software, ad un modello software-AI-software. L’AI in questo ruolo, quando implementata correttamente, sarà anche più performante di una persona, liberandola da un lavoro tedioso, poco creativo, ripetitivo, consentendogli di fare altro. Sulla scala dei processi invece, l’AI efficienterà il processo dove è stata inserita, rendendo più competitiva l’azienda che l’ha introdotta e consentendogli di restare al passo con la concorrenza.
Le AI diventano di giorno in giorno più sofisticate. Nuove tipologie di Modelli, nuove tecniche di Training, spingono la creazione di Modelli verso nuove capacità, accelerando il processo sopra. Inoltre, le macchine, nel futuro potranno lavorare in modalità non supervisionata, di fatto “addestrandosi da sole”, osservando la realtà, decidendo quale sia il modello migliore per imparare ad eseguire un certo processo e mettendosi in condizione di implementarlo in modo autonomo. Nessuno può dire quanto siamo distanti da questo scenario, ma è certamente la naturale evoluzione dello sviluppo a cui stiamo assistendo. Tuttavia, aldilà del catastrofismo, si tratta e si tratterà ancora per molti decenni di task ripetitivi, nulla a che vedere con l’Intelligenza Umana, con la creatività e con l’ingegno.
