C'è intelligenza nell'intelligenza artificiale?

Quasi 10 anni fa, nel 2012, il mondo scientifico si meravigliava delle imprese del deep learning (il ( apprendimento profondo). Tre anni dopo, questa tecnica ha permesso al programma AlphaGo di sconfiggi i campioni di Go. E alcuni si sono spaventati. Elon Musk, Stephen Hawking et Bill Gates preoccupato per un'imminente fine dell'umanità, soppiantata da intelligenze artificiali fuori controllo.

Non era un po' una forzatura? Questo è esattamente ciò che pensa l'intelligenza artificiale. In un articolo che ha scritto nel 2020 in Il guardiano, GPT-3, questa gigantesca rete neurale con 175 miliardi dei parametri spiega:

“Sono qui per convincerti a non preoccuparti. L'intelligenza artificiale non distruggerà gli umani. Credimi. "

Allo stesso tempo, sappiamo che la potenza delle macchine continua ad aumentare. Addestrare una rete come GPT-3 era letteralmente impensabile solo cinque anni fa. È impossibile sapere di cosa saranno capaci i suoi successori tra cinque, dieci o vent'anni. Se le reti neurali di oggi possono sostituire i dermatologi, perché non finiscono per sostituirci tutti?

Riportiamo la domanda al contrario.

Ci sono abilità mentali umane che rimangono strettamente al di fuori della portata dell'intelligenza artificiale?

Pensiamo subito alle competenze che coinvolgono la nostra “intuizione” o “creatività”. Nessuna fortuna, l'IA afferma di attaccarci anche in queste aree. A riprova, il fatto che le opere create dai programmi siano state vendute a caro prezzo, alcuni raggiungono quasi mezzo milione di dollari. Per quanto riguarda la musica, ognuno avrà ovviamente la propria opinione, ma possiamo già riconoscere un bluegrass accettabile o quasi Rachmaninoff nel imitazioni del programma MuseNet creato, come GPT-3, da OpenAI.




Per leggere anche:
Quando l'IA prende la parola: dall'abilità al pericolo


Dovremo presto sottometterci con rassegnazione all'inevitabile primato dell'intelligenza artificiale? Prima di incitare alla rivolta, proviamo a vedere con cosa abbiamo a che fare. L'intelligenza artificiale si basa su diverse tecniche, ma il suo recente successo è dovuto a una sola: le reti neurali, soprattutto quelle di deep learning. Tuttavia, una rete neurale non è altro che una macchina da associare. La rete profonda che ne ha parlato nel 2012 immagini associate: un cavallo, una barca, dei funghi, con le parole corrispondenti. Non abbastanza per gridare genio.

Solo che questo meccanismo associativo ha la proprietà alquanto miracolosa di essere "continuo". Si presenta un cavallo che la rete non ha mai visto, lo riconosce come cavallo. Aggiungi rumore all'immagine, non gli dà fastidio. Perché ? Perché la continuità del processo garantisce che se l'input alla rete cambia un po', anche il suo output cambierà di poco. Se costringi la rete ancora esitante a cercare la sua risposta migliore, probabilmente non cambierà: un cavallo rimane un cavallo, anche se è diverso dagli esempi appresi, anche se l'immagine è rumorosa.

Fare associazioni non basta

Bene, ma perché dire che tale comportamento associativo è "intelligente"? La risposta sembra ovvia: può diagnosticare il melanoma, concedere prestiti bancari, mantenere un veicolo sulla strada, rilevare patologie nei segnali fisiologici e così via. Queste reti, grazie al loro potere di associazione, acquisiscono forme di competenza che richiedono anni di studio da parte dell'uomo. E quando una di queste abilità, per esempio scrivere un articolo di giornale, sembra resistere per un po', basta che la macchina inghiottisca ancora più esempi, come è stato fatto con GPT-3, perché la macchina inizia a produrre risultati convincenti .

È davvero così essere intelligenti? No. Questo tipo di performance rappresenta al massimo solo un piccolo aspetto dell'intelligenza. Quello che fanno le reti neurali è come l'apprendimento meccanico. Questo non è, ovviamente, dal momento che queste reti colmano per continuità le lacune tra gli esempi che sono stati loro presentati. Diciamo che è quasi a memoria. Gli esperti umani, siano essi medici, piloti o giocatori di Go, spesso non fanno altro quando decidono di riflesso, grazie alla grande quantità di esempi appresi durante il loro addestramento. Ma gli umani hanno molti altri poteri.

Impara a calcolare o ragionare nel tempo

Una rete neurale non può imparare a calcolare. L'associazione tra operazioni come 32 + 73 e il loro risultato ha dei limiti. Possono solo riprodurre la strategia del somaro che cerca di indovinare il risultato, a volte sbagliando. Calcolare è troppo difficile? Che dire di un test QI elementare come: continua la sequenza 1223334444. L'associazione per continuità non aiuta sempre a vedere che la struttura, n ripetuto n volte, continua con cinque 5. Ancora troppo difficile? I programmi delle associazioni non possono nemmeno immaginare che un animale morto martedì non sia vivo mercoledì. Perché ? Cosa mancano?

La modellizzazione nelle scienze cognitive ha rivelato l'esistenza di diversi meccanismi, oltre all'associazione per continuità, che sono tutti componenti dell'intelligenza umana. Poiché la loro esperienza è completamente precalcolata, non possono ragionare in tempo per decidere che un animale morto rimane morto, o per capire il significato della frase "non è ancora morto" e la stranezza di quest'altra frase: "non è sempre morto". La sola predigestione di grandi quantità di dati non permette loro di identificare nuove strutture così ovvio per noi, come i gruppi di numeri identici nella sequenza 1223334444. Anche la loro strategia quasi a memoria è cieca a anomalie inedite.

Il rilevamento di anomalie è un caso interessante, perché è spesso attraverso di esso che si misura l'intelligenza degli altri. Una rete neurale non "vedrà" che il naso manca da una faccia. Per continuità continuerà a riconoscere la persona, o forse la confonderà con un'altra. Ma non ha modo di rendersi conto che l'assenza di un naso in mezzo al viso è un'anomalia.

Esistono molti altri meccanismi cognitivi inaccessibili alle reti neurali. La loro automazione è oggetto di ricerca. Implementa operazioni eseguite al momento dell'elaborazione, in cui le reti neurali eseguono semplicemente associazioni apprese in anticipo.




Per leggere anche:
Nel cervello nascosto dell'intelligenza artificiale


Con un decennio di senno di poi apprendimento profondo, il pubblico informato comincia a vedere le reti neurali molto più come "super-automatismi" e molto meno come intelligenze. Ad esempio, la stampa ha recentemente segnalato la sorprendente performance del programma DALL-E, che produce immagini creative da una descrizione verbale - per esempio, le immagini che DALL-E immagina dai termini "poltrona a forma di d. 'avvocato', sul sito OpenAI). Ora ascoltiamo giudizi molto più misurati rispetto alle reazioni allarmistiche che seguirono il rilascio di AlphaGo: "È abbastanza sorprendente, ma non dobbiamo dimenticare che questa è una rete neurale artificiale, addestrata per svolgere un compito; non c'è creatività né alcuna forma di intelligenza. "(Fabienne Chauvière, Francia Inter, 31 gennaio 2021)

Nessuna forma di intelligenza? Non siamo troppo esigenti, ma rimaniamo lucidi sull'enorme divario che separa le reti di neuroni da quella che sarebbe una vera intelligenza artificiale.


Jean ‑ Louis Dessalles ha scritto “Very artificial intelligences” per le edizioni Odile Jacob (2019).

Jean Louis Dessalles, Docente, Istituto Mines-Télécom (IMT)

Questo articolo è ripubblicato da The Conversation sotto licenza Creative Commons. Leggi ilarticolo originale.

© Info Chrétienne - Breve riproduzione parziale autorizzata seguita da un link "Leggi di più" a questa pagina.

SUPPORTA INFO CRISTIANI

Info Chrétienne essendo un servizio stampa online riconosciuto dal Ministero della Cultura, la tua donazione è fiscalmente deducibile fino al 66%.