E se gli incredibili avanzamenti nel campo dell’intelligenza artificiale raggiunti negli ultimi anni fossero per lo più una creazione dei media?
E se l’euforia provocata dagli attuali avanzamenti tecnologici fosse in gran parte ingiustificata? Se gli incredibili avanzamenti nel campo dell’intelligenza artificiale raggiunti negli ultimi anni fossero per lo più una creazione dei media? Tra gli esperti inizia ad affiorare il sospetto che l’incessante battage giornalistico sia un totale travisamento della realtà.
Il tema è emerso durante una sessione del recente Wharton Global Forum 2017, tenutosi a Hong Kong, alla quale sono intervenuti Pascale Fung, professoressa di elettronica e computer engineering alla Hong Kong University of Science and Technology, Vijay Kumar, decano di ingegneria alla University of Pennsylvania e Nicolas Aguzin, chairman e CEO di JP Morgan-Asia Pacific.
Parlando di automobili a guida autonoma, Vijai Kumar, decano di ingegneria all’Università della Pennsylvania, ha affermato che i sistemi di guida autonoma non sono ancora completamente affidabili e servirà ancora tempo – e una quantità crescente di informazioni – prima che possano avere ampia diffusione. E allora come mai se ne parla tanto? Secondo Kumar «è qui che subentra un’esuberanza irrazionale. È una tecnologia quasi pronta, ma ci vorrà molto tempo perché venga assimilata».
Il problema, secondo il professor Kumar, nasce dalla disponibilità di informazioni e dalla trasformazione di queste in conoscenza. «Qualche software per il riconoscimento di oggetti è attualmente accurato al 90%», osserva Kumar, «ma passare da un’accuratezza del 90% ad una del 99% richiede molti più dati», un volume di dati esponenzialmente più elevato. Il punto critico, ritornando ai veicoli a guida autonoma, è che un’accuratezza del 90% o anche del 99% è semplicemente insoddisfacente quando ci sono in ballo vite umane.
Riprendendo le argomentazioni di Kumar, la professoressa Fung sottolinea che per quanto l’IA possa svolgere compiti apprezzabili, esistono ancora importanti limiti fisici. «Un algoritmo di deep learning utilizzato per riconoscere il linguaggio parlato deve essere addestrato per milioni di ore e utilizza enormi dataset». E se una rete neurale profonda può avere centinaia di migliaia di connessioni, il cervello umano ne ha miliardi, con un’efficienza energetica imparagonabile. Infatti «gli esseri umani», osserva Fung, «possono lavorare tutto il giorno mangiando un pezzo di pizza».
E si torna al problema di fondo (ne abbiamo parlato qui): che tipo di compiti possono essere attualmente affidati all’IA. Kumar chiarisce che compiti come la traduzione sono relativamente specifici. «Abbiamo capito come passare entro certi limiti dai dati alle informazioni, anche se è difficile farlo anche con il deep learning. Ma passare dalle informazioni alla conoscenza? Non abbiamo nessun indizio. Non sappiamo come funziona il cervello umano. Passerà tempo prima di riuscire a costruire macchine con lo stesso tipo di intelligenza degli esseri umani».
Fonte: Wharton School University of Pennsylvania