Di Bernhard Warner – La crescita globale è in stallo. Le guerre commerciali perseguitano i produttori, da Shanghai a Stoccarda a Seattle. Ma, terribili come appaiono le prospettive economiche di oggi, l’industria 4.0 è viva e vegeta, affermano i suoi più ardenti sostenitori. Industria 4.0 è il termine generale per l’implementazione da parte delle aziende di big data, robotica e sistemi di intelligenza artificiale. E si prevede che sarà ancora uno dei principali motori della crescita globale nel prossimo decennio e oltre. Sì, anche nella manifattura. Entro il 2035, questa spinta alimentata dall’A.I. significherà 14 trilioni di dollari per l’economia globale, prevede Accenture.
Ne è convinto Marc Carrel-Billiard, direttore generale globale di Accenture Labs, che ha tirato fuori questi numeri durante la sua presentazione di keynote al World Summit A.I. ad Amsterdam, mercoledì. A titolo di esempio, ha citato una ricerca che ha tracciato i progressi in un’area in crescita dell’automazione basata sull’A.I.: i call center. Cinque anni fa, i robot potevano risolvere con successo una telefonata su dieci. Oggi, ha detto, risolvono il 60% delle richieste dei clienti.
Inoltre, ha predetto, questa spinta all’automazione non sarà il killer di posti di lavoro che molti temono. Ma prima che i fan della tecnologia festeggino, c’è un inghippo da superare.
Non si può parlare di minaccia per i lavoratori, dice, “perché questi sistemi non sono molto intelligenti”. L’intelligenza artificiale e le sue numerose declinazioni sono adatti a compiti altamente specializzati. Fa un lavoro decente nel dirti che tempo farà domani, o nell’ordinare i biglietti per il cinema o ti nell’aiutare a trovare il percorso più veloce verso casa durante il tragitto serale. Tutti i tipi di aziende utilizzano l’A.I. per dare un senso ai vasti flussi di dati strutturati e non strutturati che raccolgono, per sradicare le inefficienze e risparmiare sui costi.
Ma, come osserva Carrel-Billiard, l’intelligenza artificiale ha ancora un punto cieco. È addestrata per interpretare determinati set di dati, non estrarre e dedurre significati da un mondo complicato. L’A.I. è uno specialista, non un esperto, dice.
Pertanto, è necessario molto lavoro per rendere questi sistemi davvero intelligenti.
Gary Marcus, professore di psicologia e scienze neurali alla New York University e autore di Rebooting A.I., è ancora più franco nella sua valutazione. Definisce improprio il termine deep learning, ovvero le intelligenze artificiali che danno un senso a enormi quantità di dati con poca o nessuna supervisione umana. Sono brave in compiti specifici, ma il professore mette in dubbio il loro iper pubblicizzato potenziale quando si tratta, ad esempio, di rivoluzionare il trasporto e la medicina. “Il deep learning non sostituisce la comprensione profonda”, afferma.
“Il numero di radiologi che sono stati sostituiti da sistemi di deep learning?”, chiede. “Zero”.
Carrel-Billiard ritiene che per rendere le A.I. veramente efficaci, i sistemi devono essere progettati per essere responsabili, trasparenti e liberi da ambiguità. Solo allora tali sistemi raggiungeranno il loro pieno potenziale. Durante il World Summit A.I, gran parte della discussione iniziale ha riguardato la necessità di costruire i cosiddetti sistemi A.I. etici. Marcus e Carrel-Billiard, tra gli altri, hanno sfidato la comunità di sviluppatori a costruire A.I. trasparenti. Se il sistema non ispira fiducia, dice Carrel-Billiard: “nessuno lo userà”.
