L'intelligenza artificiale è solo uno strumento, ma che strumento è. Potrebbe elevare il nostro mondo in un'era di illuminazione e produttività, o immergerci in un pozzo oscuro. Per aiutare a raggiungere il primo, e non il secondo, deve essere gestito con molta cura e previdenza. È qui che i leader e i professionisti della tecnologia devono farsi avanti e aiutare a spianare la strada, incoraggiando l'uso dell'intelligenza artificiale per aumentare e amplificare le capacità umane.
Foto : Joe McKendrick
Queste sono alcune delle osservazioni tratte dal rapporto pubblicato di recente dalla Stanford University, la prossima puntata del suo One-Hundred-Year Study on Artificial Intelligence, uno sforzo estremamente a lungo termine per tracciare e monitorare l'IA mentre progredisce nel prossimo secolo. Il rapporto, lanciato per la prima volta nel 2016, è stato preparato da un comitato permanente che comprende un gruppo di 17 esperti e sollecita l'impiego dell'IA come strumento per aumentare e amplificare le capacità umane. “Tutte le parti interessate devono essere coinvolte nella progettazione di assistenti di intelligenza artificiale per produrre un team di intelligenza artificiale che superi sia da solo. Gli utenti umani devono comprendere il sistema di intelligenza artificiale e i suoi limiti per fidarsi e utilizzarlo in modo appropriato, e i progettisti di sistemi di intelligenza artificiale devono comprendere il contesto in cui verrà utilizzato il sistema.”
L'intelligenza artificiale ha il maggior potenziale quando aumenta le capacità umane, ed è qui che può essere più produttiva, sostengono gli autori del rapporto. “Che si tratti di trovare modelli nelle interazioni chimiche che portano alla scoperta di un nuovo farmaco o di aiutare i difensori pubblici a identificare le strategie più appropriate da perseguire, ci sono molti modi in cui l'intelligenza artificiale può aumentare le capacità delle persone. Un sistema di intelligenza artificiale potrebbe essere migliore nel sintetizzare disponibile dati e prendere decisioni in parti ben caratterizzate di un problema, mentre un essere umano può essere più bravo a comprendere le implicazioni dei dati – diciamo se i campi di dati mancanti sono effettivamente un segnale per informazioni importanti e non misurate per alcuni sottogruppi rappresentati nei dati – – lavorare con obiettivi difficili da quantificare completamente e identificare azioni creative al di là di ciò che l'IA può essere programmata per considerare.”
La completa autonomia “non è l'obiettivo finale per i sistemi di intelligenza artificiale”, affermano i coautori. Devono esserci “linee di comunicazione chiare tra i decisori umani e automatizzati. Alla fine, il successo del settore sarà misurato da come ha dato potere a tutte le persone, non da quanto le macchine svalutano efficacemente le stesse persone che siamo”. cercando di aiutare”.
Il rapporto esamina le aree chiave in cui l'IA si sta sviluppando e fa la differenza nel lavoro e nella vita:
Scoperta:“I nuovi sviluppi nell'intelligenza artificiale interpretabile e nella visualizzazione dell'intelligenza artificiale stanno rendendo molto più facile per gli esseri umani ispezionare i programmi di intelligenza artificiale in modo più approfondito e utilizzarli per organizzare in modo esplicito le informazioni in un modo che faciliti un esperto umano a mettere insieme i pezzi e a trarre approfondimenti”, osserva il rapporto .
Processo decisionale:L'intelligenza artificiale aiuta a riassumere dati troppo complessi per essere assorbiti facilmente da una persona. “La sintesi viene ora utilizzata o considerata attivamente in campi in cui è necessario leggere e analizzare grandi quantità di testo, che si tratti di seguire i media, fare ricerche finanziarie, condurre l'ottimizzazione dei motori di ricerca o analizzare contratti, brevetti o documenti legali. Nascent anche i progressi nella generazione di testi altamente realistici (ma attualmente non affidabili o accurati), come GPT-3, possono rendere queste interazioni più naturali”.
AI come assistente:“Stiamo già iniziando a vedere programmi di intelligenza artificiale in grado di elaborare e tradurre il testo da una fotografia, consentendo ai viaggiatori di leggere segnaletica e menu. Strumenti di traduzione migliorati faciliteranno le interazioni umane tra le culture. Progetti che una volta richiedevano a una persona di avere conoscenze altamente specializzate o abbondanti quantità di tempo possono diventare accessibili a più persone consentendo loro di cercare compiti e competenze specifiche del contesto.”
Elaborazione del linguaggio:I progressi della tecnologia di elaborazione del linguaggio sono stati supportati da modelli linguistici di reti neurali, tra cui ELMo, GPT, mT5 e BERT, che “imparano come le parole vengono utilizzate nel contesto – inclusi elementi di grammatica, significato e fatti di base sul mondo – dal vagliare i modelli nel testo naturale. La struttura di questi modelli con il linguaggio sta già supportando applicazioni come traduzione automatica, classificazione del testo, riconoscimento vocale, ausili per la scrittura e chatbot. Le applicazioni future potrebbero includere il miglioramento delle interazioni uomo-IA in diverse lingue e situazioni».
Visione computerizzata ed elaborazione delle immagini:“Molti approcci di elaborazione delle immagini utilizzano il deep learning per il riconoscimento, la classificazione, la conversione e altre attività. Il tempo di formazione per l'elaborazione delle immagini è stato sostanzialmente ridotto. I programmi in esecuzione su ImageNet, un'enorme raccolta standardizzata di oltre 14 milioni di fotografie utilizzate per addestrare e testare programmi di identificazione, completano il loro lavoro 100 volte più velocemente rispetto a soli tre anni fa.” Gli autori del rapporto avvertono, tuttavia, che tale tecnologia potrebbe essere soggetta ad abusi.
Robotica:“Gli ultimi cinque anni hanno visto progressi consistenti nella robotica intelligente guidati dall'apprendimento automatico, potenti capacità di elaborazione e comunicazione e una maggiore disponibilità di sofisticati sistemi di sensori. Sebbene questi sistemi non siano pienamente in grado di sfruttare tutti i progressi dell'intelligenza artificiale, principalmente a causa ai vincoli fisici degli ambienti, sono ora disponibili sistemi di robotica altamente agili e dinamici per uso domestico e industriale.”
Mobilità:“Le previsioni ottimistiche di cinque anni fa di rapidi progressi nella guida completamente autonoma non si sono concretizzate. Le ragioni possono essere complicate, ma la necessità di livelli eccezionali di sicurezza in ambienti fisici complessi rende il problema più impegnativo e più costoso da risolvere di quanto fosse stato previsto. La progettazione di auto a guida autonoma richiede l'integrazione di una serie di tecnologie tra cui la fusione dei sensori, la pianificazione e il processo decisionale dell'intelligenza artificiale, la previsione della dinamica del veicolo, il reindirizzamento al volo, la comunicazione tra veicoli e altro ancora”.
Sistemi di raccomandazione:Le tecnologie di intelligenza artificiale che alimentano i sistemi di raccomandazione sono cambiate considerevolmente negli ultimi cinque anni, afferma il rapporto. “Un cambiamento è l'incorporazione quasi universale di reti neurali profonde per prevedere meglio le risposte degli utenti alle raccomandazioni. C'è stato anche un maggiore utilizzo di sofisticate tecniche di apprendimento automatico per analizzare il contenuto degli elementi consigliati, piuttosto che utilizzare solo metadati e clic dell'utente o comportamento di consumo».
Gli autori del rapporto avvertono che “l'uso di modelli di apprendimento automatico sempre più sofisticati per consigliare prodotti, servizi e contenuti ha sollevato notevoli preoccupazioni sui problemi di equità, diversità, polarizzazione e l'emergere di bolle di filtro, in cui il consigliere suggerisce il sistema. Sebbene questi problemi richiedano più di semplici soluzioni tecniche, viene prestata maggiore attenzione alle tecnologie che possono almeno in parte affrontare tali problemi”.
Argomenti correlati:
Big Data Analytics Trasformazione digitale CXO Internet of Things Innovation Enterprise Software 