Con tutto il clamore che circonda ChatGPT, la maggior parte delle persone è stordita dalle promesse dell’intelligenza artificiale, eppure se ne stanno trascurando le insidie. Se vogliamo avere macchine veramente intelligenti che comprendano i loro ambienti, imparino continuamente e ci aiutino ogni giorno, dobbiamo applicare le neuroscienze ai modelli di intelligenza artificiale di deep learning. Eppure, con poche eccezioni, le due discipline sono rimaste sorprendentemente isolate per decenni.
Non è sempre stato così. Nel 1930, Donald Hebb e altri hanno sviluppato teorie su come i neuroni imparano, ispirando i primi modelli di apprendimento ‘profondo’. Poi, negli anni 1950 e ’60, David Hubel e Torsten Wiesel vinsero il premio Nobel per aver capito come funziona il sistema percettivo del cervello.
Ciò ha avuto un grande impatto sulle reti neurali convoluzionali, che oggi sono una parte importante del deep learning dell’AI.
I superpoteri del cervello
Mentre le neuroscienze sono esplose negli ultimi 20-30 anni, quasi nessuna delle scoperte più recenti è presente nei sistemi di intelligenza artificiale di oggi. Se chiedi ai professionisti medi dell’AI, non sono consapevoli di questi progressi e non capiscono come le recenti scoperte delle neuroscienze possano avere un impatto. Questo deve cambiare se vogliamo sistemi di intelligenza artificiale in grado di spingere i confini della scienza e della conoscenza.
Ad esempio, ora sappiamo che c’è un circuito comune nel nostro cervello che può essere usato come modello per l’AI.
Il cervello umano consuma circa 20 watt di energia per un adulto medio, o meno della metà del consumo di una lampadina. A gennaio, ChatGPT ha consumato all’incirca la stessa quantità di elettricità consumata da 175.000 persone. Dato l’aumento vertiginoso dell’adozione di ChatGPT, ora sta consumando tanta elettricità al mese quanto 1.000.000 di persone. Un documento dell’Università del Massachusetts ad Amherst afferma che “l’addestramento di un singolo modello di intelligenza artificiale può emettere tanta CO2 quanto cinque auto nel corso della loro vita”. Tuttavia, questa analisi riguardava un solo ‘giro’ di allenamento. Quando il modello viene migliorato allenandolo ripetutamente, il consumo di energia è notevolmente maggiore.
Oltre al consumo di energia, le risorse computazionali necessarie per addestrare questi sistemi di intelligenza artificiale sono raddoppiate ogni 3-4 mesi dal 2012. Oggi, con l’incredibile aumento dell’utilizzo dell’AI, si stima che i costi di inferenza (e il consumo di energia) siano almeno 10 volte superiori ai costi di formazione. È completamente insostenibile.
Il cervello non solo utilizza una piccola frazione dell’energia utilizzata dai grandi modelli di intelligenza artificiale, ma è anche ‘veramente’ intelligente. A differenza dei sistemi di intelligenza artificiale, il cervello può comprendere la struttura del suo ambiente per fare previsioni complesse e svolgere azioni intelligenti. E a differenza dei modelli di intelligenza artificiale, gli esseri umani imparano continuamente e in modo incrementale. Al contrario, il codice non ‘impara’ veramente. Se un modello di intelligenza artificiale commette un errore oggi, continuerà a ripetere quell’errore fino a quando non verrà riaddestrato utilizzando nuovi dati.
Come le neuroscienze possono mettere il turbo alle prestazioni dell’AI
Nonostante la crescente necessità di collaborazione interdisciplinare, le differenze culturali tra neuroscienziati e professionisti dell’AI rendono difficile la comunicazione. Nelle neuroscienze, gli esperimenti richiedono un’enorme quantità di dettagli e ogni scoperta può richiedere da due a tre anni di registrazioni scrupolose, misurazioni e analisi.
Quando vengono pubblicati documenti di ricerca, sono spesso incomprensibili per i professionisti dell’AI e gli ingegneri informatici.
Come possiamo colmare questo divario?
In primo luogo, i neuroscienziati devono fare un passo indietro e spiegare i loro concetti da un punto di vista generale, così le loro scoperte avranno senso per i professionisti dell’AI.
In secondo luogo, abbiamo bisogno di più ricercatori con ruoli ibridi di intelligenza artificiale e neuroscienze per aiutare a colmare il divario tra i due campi. Attraverso la collaborazione interdisciplinare, i ricercatori dell’AI possono acquisire una migliore comprensione di come le scoperte neuroscientifiche possono essere tradotte in AI ispirata al cervello.
Recenti scoperte dimostrano che l’applicazione di principi basati sul cervello a modelli linguistici di grandi dimensioni può aumentare l’efficienza e la sostenibilità di diversi ordini di grandezza. In pratica, ciò significa riportare la logica basata sulle neuroscienze agli algoritmi, alle strutture di dati e alle architetture che eseguono il modello di intelligenza artificiale in modo che possa apprendere rapidamente su pochissimi dati di addestramento, proprio come il nostro cervello.
Diverse organizzazioni stanno facendo progressi: agenzie governative, ricercatori accademici, Intel, Google DeepMind e piccole aziende come Cortical.io (Cortical utilizza la tecnologia di Numenta e Numenta possiede parte di quella tecnologia in Cortical come parte del nostro accordo di licenza). Questo lavoro è essenziale se vogliamo espandere gli sforzi di intelligenza artificiale proteggendo contemporaneamente il clima mentre i sistemi di deep learning oggi si spostano verso modelli sempre più grandi.
Dal virus del vaiolo alla lampadina, quasi tutte le più grandi scoperte dell’umanità sono arrivate grazie a contributi e collaborazioni interdisciplinari. Questo deve accadere anche con l’intelligenza artificiale e le neuroscienze.
Abbiamo bisogno di un futuro in cui i sistemi di intelligenza artificiale siano in grado di interagire veramente con gli scienziati, aiutandoli a creare ed eseguire esperimenti che spingano i confini della conoscenza umana. Abbiamo bisogno di sistemi di intelligenza artificiale che migliorino veramente le capacità umane, imparando insieme a tutti noi e aiutandoci in tutti gli aspetti della nostra vita.
Che ci piaccia o no, l’AI è qui. Dobbiamo renderla sostenibile ed efficiente colmando il divario con le neuroscienze. Solo allora potremo applicare la giusta ricerca interdisciplinare e la commercializzazione, l’istruzione, le politiche e le prassi all’AI in modo che possa essere utilizzata per migliorare la condizione umana.
Subutai Ahmad è il CEO di Numenta. L’articolo originale è diposnibile su Fortune.com.
