L'intelligenza artificiale ha raggiunto il picco?

Fino a pochi mesi fa, l’opinione più diffusa nei confronti dell’intelligenza artificiale era quella di una tecnologia dalla crescita inarrestabile. Il costante aumento di potere computazionale e big data avrebbe infatti consentito agli algoritmi di deep learning di migliorare a una velocità esponenziale, raggiungendo prima la cosiddetta AGI (artificial general intelligence, di livello umano) e poi la superintelligenza. Tra i tanti alfieri di questa visione, i più noti sono probabilmente Nick Bostrom (autore del saggio Superintelligence) e Ray Kurzweil, ingegnere capo di Google e guru della singolarità tecnologica. Erano in pochi a contestare fermamente questa posizione, tra cui il filosofo della Tecnologia Luciano Floridi, che già nel 2016 segnalava: “Solo perché qualcosa cresce esponenzialmente per un certo lasso di tempo, non significa che continuerà a farlo per sempre”. A quanto pare, avevano ragione gli scettici. Le prime avvisaglie si sono avute con le enormi difficoltà incontrate dalle auto a guida autonoma, il cui promesso avvento continua a venire rinviato a causa dell’incapacità degli algoritmi (che si basano su calcoli statistici) di gestire l’enorme mole di variabili e incognite che si presentano sulle strade delle città. “Finché questi sistemi si trovano di fronte a eventi imprevisti, il deep learning non è in grado di fornire risposte adeguate”, aveva spiegato lo scienziato cognitivo Gary Marcus, affermando inoltre come “sul finire del decennio, stia crescendo la consapevolezza che le tecniche vigenti possono portarci solo fino a un certo punto” e come sia necessaria qualche “nuova vera innovazione” per superare lo stallo. C’è il rischio di affrontare un nuovo “inverno dell’intelligenza artificiale”, quelle fasi – già attraversate in passato – caratterizzate da disillusione e mancanza di progressi? Considerate le impressionanti conquiste del deep learning, i miliardi di dollari che tuttora vengono investiti in questo settore e la possibilità che nuove importanti scoperte siano all’orizzonte, parlare di inverno potrebbe essere eccessivo. Il professore di Robotica Noel Sharkey preferisce per esempio parlare di “autunno dell’intelligenza artificiale”, una fase in cui le aspettative fantascientifiche che hanno caratterizzato l’ultimo decennio vengono semplicemente ridimensionate. Alcuni esperti, però, sono molto più ottimisti. Koray Kavukcuoglu, ricercatore di DeepMind (laboratorio di proprietà di Google), ha infatti spiegato alla BBC come “si sta ancora solo grattando la superficie delle potenzialità di questa tecnologia, che si dimostrerà una delle più potenti mai create: una singola invenzione capace di dare risposta a migliaia di problemi”. Per mantenere le promesse, però, sono necessari passi avanti importanti. Per esempio, si dovranno sviluppare algoritmi meno energivori e che richiedano un minor numero di big data per il loro addestramento. Ma soprattutto è fondamentale che l’intelligenza artificiale – che oggi non è in grado di risolvere problemi anche solo leggermente diversi da quelli per cui è stata addestrata. – impari a riutilizzare le competenze apprese in un campo e ad applicarle in uno nuovo. In poche parole, gli algoritmi devono imparare a generalizzare e ad astrarre la conoscenza, proprio come facciamo noi umani. Questa è l’unica strada per conquistare l’intelligenza artificiale generale ed è ciò su cui stanno lavorando i più importanti scienziati del settore, tra cui Yann LeCun (ricercatore capo di Facebook). Riusciranno a raggiungere questi ambiziosi obiettivi? Impossibile saperlo oggi, l’unica cosa certa è che alcune delle menti più brillanti del pianeta non hanno nessuna intenzione di affrontare un nuovo inverno dell’intelligenza artificiale.