Immaginate di programmare un computer per riconoscere un’auto. Dovreste introdurre tonnellate di istruzioni, e il risultato sarebbe comunque un programma con un’alta possibilità di errore. E noi, come abbiamo imparato a riconoscere le auto? I nostri genitori ne indicavano una e dicevano “auto”. Quindi, pensando di aver capito, noi indicavamo una bicicletta e dicevamo “auto”, e i nostri genitori ci dicevano che no, quella era una bicicletta. Questo si chiama “apprendimento per rinforzo”. Il nome “auto” viene collegato così a tutte le auto che vediamo. Per far accendere il comando “auto” al nostro cervello, quello che vediamo deve essere abbastanza simile al ‘modello’. Ora, con le A.I., stiamo insegnando alle macchine ad imparare.
Al posto di descrivere “l’auto” al computer, ci basta collegarlo ad internet e caricare milioni di immagini di auto. Così avrà un’idea generale di cosa sia una auto. Dopodiché lo testeremo con altre immagini. Quando sbaglierà lo correggeremo, per instradarlo verso la giusta immagine di “auto”. Ripetendo questo processo insegneremo a un computer a riconoscere un’auto quando la vede, esattamente come noi. La differenza importante è che il computer può catalogare milioni di immagini in pochi secondi e noi no.
Ora sta succedendo qualcosa di nuovo che silenziosamente sta cambiando per sempre il mondo. È come una parola sussurrata in una lingua straniera che potresti aver sentito ma non compreso appieno. È di vitale importanza che tutti comprendano questo nuovo linguaggio e quello che ci sta dicendo, perché le sue ramificazioni altereranno tutto quello che diamo per scontato sulla nostra economia globalizzata e sul nostro ruolo in essa. Avrete compreso che sto parlando del deep learning, l’approccio dell’insegnamento alle macchine; un modo per usare quantità enormi di dati (big data) per far operare le macchine come esseri umani senza dar loro istruzioni esplicite.
Possiamo dire che anche le nostre vite sono big data filtrati attraverso il nostro cervello. I nostri cervelli sono una gigantesca rete di cellule interconnesse. Alcune di queste connessioni sono brevi, e altre sono lunghe. Alcune cellule sono collegate una all’altra, alcune invece sono collegate a molte altre. I segnali elettrici passano attraverso queste connessioni, a velocità differenti, e fanno accendere dei neuroni. È come un Domino, ma molto più grande, veloce e complesso. Il risultato sorprendentemente siamo noi, e ora stiamo applicando alle macchine tutto quello che abbiamo imparato sul nostro funzionamento. Quello che facciamo è generare dati come mai prima, e una grossa mole di dati è esattamente ciò di cui le macchine hanno bisogno per imparare ad imparare.
“Big Data” non è solo una parola oggi abusata senza talvolta comprenderne l’utilizzo. Si tratta di informazioni, e ne stiamo creando sempre di più ogni giorno. In realtà ne stiamo creando così tante che un rapporto del 2013 di SINTEF ha stimato che il 90% delle informazioni in tutto il mondo sia stato creato nei due anni precedenti. Questo tasso incredibile di creazione di dati sta raddoppiando ogni 1,5 anni grazie ad Internet, dove nel 2015 ogni minuto mettiamo like a 4,2 milioni di elementi su Facebook, carichiamo 300 ore di video su YouTube, e inviamo 350.000 tweet.
Un’intelligenza artificiale chiamata AlphaGo ora è un giocatore di Go migliore di qualunque essere umano, ha vinto tutti i game tranne uno con Lee Se-dol, che molti reputano uno dei migliori giocatori viventi al mondo di Go, se non il migliore, e ha ottenuto il punteggio “divino” di 9 dan. In altre parole, il suo livello di gioco rasenta la divinità. Go è stato ufficialmente conquistato dalle macchine. Cos’è Go? Molto semplicemente, pensate a Go come un Super Ultra Mega gioco degli scacchi. Questo può ancora sembrare un risultato da poco, un altro fiore all’occhiello di macchine che continuano a dimostrare di essere superiori a noi nei giochi divertenti, ma non è un risultato da poco, e ciò che sta accadendo non è un gioco. La storica vittoria di AlphaGo è un chiaro segnale che siamo passati dal lineare al parabolico. Questa combinazione di deep learning e big data ha portato a risultati sorprendenti solo nel corso dell’anno passato.
Comunque, nonostante tutti questi traguardi, quando è stato chiesto di stimare quando un computer avrebbe sconfitto un giocatore di primo piano di Go, la risposta degli esperti solo pochi mesi prima dell’annuncio di Google della vittoria di AlphaGo, era “forse tra altri dieci anni.” Una decade era considerata una buona previsione perché Go è un gioco incredibilmente complicato. Tale complessità rende impossibile qualsiasi approccio di forza bruta per eseguire la scansione di ogni mossa e determinare la successiva mossa migliore. Ma le deep neural network aggirano questo ostacolo nella stessa maniera in cui lo fa la nostra mente: imparando a valutare quale sembri la mossa migliore. Lo facciamo attraverso l’osservazione e la pratica, e così ha fatto anche AlphaGo, analizzando milioni di giochi professionali e giocando da solo milioni di partite. Quindi la risposta alla domanda “quando Go sarebbe stato conquistato dalle macchine” non era nemmeno vicina a dieci anni. La risposta corretta era “da un momento all’altro”.
“Da un momento all’altro” è la risposta del 21° secolo a qualunque domanda riguardante ciò che le macchine potranno imparare a fare meglio degli esseri umani, e dobbiamo cercare di farcene una ragione. I progressi nella tecnologia sono ormai così visibilmente esponenziali che potremmo vedere tanti traguardi raggiunti molto tempo prima di quanto ci saremmo aspettati. Quindi macchine sempre più abili a lavorare a cui noi stiamo insegnando ad imparare qualsiasi tipo di attività che ci aggrada sempre meno; loro apprendono in maniera “esponenziale”: hanno solo bisogno di una grande quantità di dati e di un sufficiente potere computazionale. E per fare questo stiamo cambiando l’ambiente in cui viviamo: per permettere alle macchine sempre più “smart” di svolgere al meglio i compiti che gli abbiamo affidato. Provate ad osservate come stiamo cambiando l’arredo di casa per far meglio funzionare l’Irobot che pulisce in terra. Ma in tal modo potrebbe sorgere un problema all’interno della relazione fra la “coppia” macchina-uomo; vediamo quale.
Storia del “matrimonio” fra l’essere umano e l’intelligenza artificiale.
Due persone G e Z sono sposate e vogliono che la loro relazione funzioni. G vive più in casa, è inflessibile, testardo, intollerante agli errori e con poca propensione al cambiamento. Z è esattamente l’opposto ma, con il passare del tempo sta diventando sempre più pigro e dipendente da G. Il risultato è una realtà non bilanciata in cui G comanda la relazione e fa in modo di distorcere il comportamento di Z. Il matrimonio funziona perché è “disegnato” sulle caratteristiche di G. Ora l’A.I. e le tecnologie “smart” giocano il ruolo di G, mentre l’essere umano è chiaramente Z. In questo modo si corre il rischio di costruire un mondo che permette alla tecnologia di sfruttare al meglio le sue caratteristiche e ci costringe ad adeguarci ad un ambiente che non ci appartiene. L’A.I. è lo stupido ma laborioso compagno mentre noi siamo gli esseri intelligenti ma pigri. Quindi chi si adatterà a chi, dato che il divorzio (in questo caso) non è una opzione? Allora qual è la grande lezione da imparare, in un secolo in cui le macchine stanno imparando a velocità esponenziale (grazie a noi) e ci “costringono” ad adeguare l’ambiente in cui viviamo per farle meglio performare? Io propongo che il lavoro sia per le macchine, e la vita per le persone.
