Intelligenza artificiale, ovvero: le macchine possono pensare?

L'intelligenza artificiale (IA) è considerata allo stesso tempo una risorsa e una minaccia. Usa i nostri dati personali per influenzare la nostra vita senza che ce ne accorgiamo. I social media la usano per attirare la nostra attenzione su cose che potremmo voler acquistare, e i nostri tablet e computer per prevedere ciò che vogliamo scrivere (un aspetto positivo). Facilita la profilazione degli elettori per influenzare le elezioni (un aspetto negativo, soprattutto se la tua parte perde).

Forse la veridicità o meno di accuse come quella di interferenza elettorale andrebbe valutata alla luce degli interessi di chi le muove. I politici sono sempre pronti ad accusare un avversario di usare metodi poco scrupolosi, compreso l'uso dell'IA per diffondere notizie false o per influenzare in altri modi gli elettori mirati. Un cinico potrebbe sostenere che la classe politica voglia mantenere il controllo della propaganda manipolando i media tradizionali, che conosce bene, e tema che l'IA introduca arti oscure a suo svantaggio. Quali che siano le influenze dietro il dibattito, non c'è dubbio che l'IA ci stia spingendo verso un mondo nuovo, e dobbiamo imparare ad accoglierla, che ci piaccia o no.

Per parlarne in modo razionale, dovremmo prima definire l'IA. Ecco una definizione trovata con una ricerca su Google (essa stessa frutto dell'IA):

"La teoria e lo sviluppo di sistemi informatici in grado di svolgere compiti che normalmente richiedono l'intelligenza umana, come la percezione visiva, il riconoscimento vocale, il processo decisionale e la traduzione tra lingue."

Questa descrizione parla solo dei potenziali benefici per noi come individui, offrendoci strumenti che certamente desideriamo tutti. Ci permette di usare il nostro tempo in modo più efficiente, aumentando la produttività. Ma un'altra definizione, che potrebbe far suonare un campanello d'allarme, è quella di Merriam-Webster: "Un ramo dell'informatica che si occupa della simulazione del comportamento intelligente nei computer. La capacità di una macchina di imitare il comportamento umano intelligente."

Ora stiamo imitando gli esseri umani, soprattutto se aggiungiamo la capacità delle macchine di apprendere e di adattarsi a nuovi stimoli. Questo significa di certo che le macchine stanno prendendo il posto di alcuni lavori e perfino della nostra capacità di comando. Sono aspetti delicati del dibattito sull'IA, tanto che persino la Camera dei Lord ha istituito una commissione ristretta per redigere una relazione, presentata la scorsa settimana.^[i] Sono emerse anche altre questioni serie, come la responsabilità per lo sviluppo degli algoritmi e la qualità dei dati inseriti.

Questo articolo è un tentativo di mettere l'IA in prospettiva. Parte da una breve storia, esamina le sue capacità e il suo potenziale e infine affronta il pericolo estremo dell'IA secondo i suoi critici: la capacità dell'IA e dell'apprendimento automatico di replicare il cervello umano e quindi di controllarci.

Le basi dell'IA

L'IA è sempre stata una parte integrante dello sviluppo dei computer. Già nel 1950 Alan Turing pubblicò un articolo, Computing Machinery and Intelligence, che poneva la domanda: «Le macchine possono pensare?».[i] Fu il concetto di «test di Turing» a stabilire se una macchina avesse raggiunto una vera IA, e lo stesso termine IA nacque in quel periodo. Il decennio successivo vide la nascita dei principali centri accademici per l'IA negli Stati Uniti, al MIT, alla Carnegie Mellon University e a Stanford, e nel Regno Unito all'Università di Edimburgo.

Negli anni Ottanta intervennero i governi, con il progetto giapponese della Quinta Generazione, seguito dal lancio da parte del governo britannico dell'Alvey Programme, volto a migliorare la competitività dell'informatica del Regno Unito. Questo sforzo non raggiunse il proprio obiettivo centrale, e l'enorme complessità di programmare regole sempre più articolate fece venire meno l'entusiasmo dei governi nel finanziare lo sviluppo dell'IA. Negli Stati Uniti, anche la Defence Advanced Research Projects Agency tagliò di un terzo la propria spesa per l'IA.

Tuttavia, alla fine degli anni Ottanta il settore privato iniziò a sviluppare l'IA per applicazioni come la previsione dei mercati azionari, il data mining e i sistemi di elaborazione visiva, come il riconoscimento delle targhe nelle telecamere del traffico. Il metodo neurale, che filtra i dati in ingresso attraverso strati di nodi di elaborazione, fu sviluppato per individuare schemi statistici e di altro tipo.

Solo dall'inizio del nuovo secolo il grande pubblico ha preso sempre più familiarità con il termine IA, in seguito agli sviluppi del deep learning basato sulle reti neurali. Più di recente, il deep learning, utilizzato ad esempio per il riconoscimento vocale e delle immagini, ha ricevuto un impulso dalla combinazione di tre fattori: la crescente disponibilità di dati per addestrare i sistemi, la maggiore potenza di calcolo e lo sviluppo di algoritmi più sofisticati. Le piattaforme cloud permettono ora di utilizzare l'IA senza investire in hardware aggiuntivo. E le piattaforme di sviluppo open source hanno ridotto ulteriormente le barriere all'ingresso.

Sebbene i progressi dell'IA dall'articolo originale di Turing siano stati piuttosto discontinui, questi nuovi fattori sembrano promettere in futuro uno sviluppo accelerato delle capacità e delle applicazioni dell'IA. Le implicazioni per l'automazione, per il modo in cui lavoriamo e per la sostituzione di molte funzioni umane hanno suscitato preoccupazioni che sembrano controbilanciare i benefici. Ci sono inoltre conseguenze per i governi che non colgono l'importanza di questa rivoluzione e che, con le loro politiche pubbliche, cercano di limitarne il potenziale. Poi c'è la questione dell'uso e della proprietà dei dati. Affronterò brevemente questi temi prima di trattare la questione filosofica se l'IA e il machine learning possano, in ultima analisi, superare il test di Turing in senso generale.

L'equilibrio tra lavoro e IA

L'intelligenza artificiale (IA) e l'apprendimento automatico sono già presenti nella nostra vita in più modi di quanto la maggior parte di noi si renda conto. Un'automobile moderna può ormai guidare da sola con un intervento umano minimo, e queste funzioni non sono più soltanto sperimentali, ma si stanno diffondendo su tutte le vetture. I sistemi di navigazione usano l'IA per scegliere gli itinerari in base al traffico del momento. I controlli di frontiera usano il riconoscimento dell'iride per confrontare i dati del passaporto con la persona. Le compagnie aeree stabiliscono i prezzi dei posti in modo dinamico, e l'IA è sempre più utilizzata nella diagnostica medica, per esempio per individuare i primi segni di un tumore. Lontano dai nostri occhi, le aziende impiegano sempre più spesso l'IA integrata nei propri sistemi interni per offrire servizi in modo più efficiente. L'IA e l'apprendimento automatico stanno diventando rapidamente onnipresenti.

Tutte queste applicazioni hanno un ambito ristretto, nel senso che svolgono compiti specifici che in un essere umano richiederebbero intelligenza. Coinvolgono una o due categorie di dati, spesso entrambe, a seconda dell'applicazione. La prima è quella dei dati generali, come quelli usati per elaborare previsioni meteorologiche e di prezzo; la seconda è quella dei dati personali.

Le leggi sulla privacy per i dati personali sono sempre più restrittive, man mano che i governi ne limitano l'uso. Più i governi si mostrano rigidi, meno flessibilità hanno le aziende nel sviluppare soluzioni di IA per le persone di cui utilizzano i dati. Pertanto, un governo che tiene conto sia delle questioni di privacy personale sia dei vantaggi dell'IA ad ambito ristretto avrà probabilmente una crescita economica maggiore in questo campo rispetto a uno che non fa tale distinzione. I governi britannico e americano sembrano più favorevoli ai leader del settore rispetto all'UE. L'UE ha multato quasi tutte le grandi aziende tecnologiche statunitensi, spesso per motivi discutibili, mostrando ben poco un atteggiamento costruttivo verso lo sviluppo tecnologico futuro. E se è vero che nell'Europa continentale esistono sacche di imprenditorialità, non reggono minimamente il confronto con il duplice polo di Londra e Oxford.

Questo potrebbe essere importante dopo la Brexit. Il mese scorso il governo britannico ha annunciato un programma di investimenti da 1 miliardo di sterline con l'ambizione di fare della Gran Bretagna il posto migliore in cui avviare e far crescere un'azienda di IA. Intanto l'atteggiamento dell'UE è nel complesso provinciale, protezionista, contrario al cambiamento e appare particolarmente ostile verso le grandi società americane che tanto hanno fatto per far progredire l'IA.

L'IA sta diventando fondamentale per la creazione di posti di lavoro. Ogni cambiamento tecnologico nella storia documentata è stato condannato in anticipo come distruttore di posti di lavoro, e ogni volta ha finito invece per crearne, migliorando sia la qualità della vita sia i redditi della persona media. Non c'è motivo di pensare che con l'IA sarà diverso. È quella cosa non misurabile chiamata progresso a garantire la creazione di posti di lavoro, e la creazione di posti di lavoro è sempre il risultato di un cambiamento positivo.

Come quasi ogni altra invenzione impiegata a beneficio ultimo del consumatore, l'IA è una creatura del settore privato, non del governo. Non spetta mai a un governo democratico innovare, quindi deve resistere alla tentazione di ostacolare il cambiamento che nasce dal settore privato, in particolare quando si tratta di proteggere i posti di lavoro. Inoltre, una regolamentazione non necessaria serve solo a consegnare su un piatto d'argento il progresso nell'IA ad altre giurisdizioni, come la Cina, il cui governo è semi-imprenditoriale e sviluppa e impiega l'IA in modo aggressivo per il proprio interesse nazionale.

Chi ha una comprensione limitata dei mercati liberi non capisce che l'IA, nel senso ristretto di cui parliamo qui, produrrà da sé le soluzioni alle preoccupazioni sui dati e sull'automazione. Per esempio, Sir Tim Berners-Lee^[ii] sta attualmente sviluppando con il MIT un progetto volto a ottenere "una vera proprietà dei dati e una maggiore privacy", che, se avrà successo, non solo renderà superflua la recente normativa sulla privacy, ma affronterà anche l'uso dei dati personali da parte di operatori senza scrupoli che sfruttano le lacune delle norme, e farà sì che i limiti giurisdizionali della legge non possano più essere sfruttati.^[iii]

L'equilibrio tra lavoro e IA, finché i governi adotteranno un approccio minimalista alla regolamentazione, promette di essere enormemente vantaggioso per le persone comuni, migliorando la qualità della vita, proprio come ha fatto la rivoluzione dei dati attraverso internet negli ultimi venticinque anni. Non possiamo prevedere l'esito preciso, perché lo sviluppo di nuove tecnologie è sempre progressivo, con un passo che ne apre altri non ancora visibili. Tuttavia, il limite dell'IA finora è che la sua applicazione ha sempre un contesto ristretto, a beneficio ultimo dei consumatori. L'applicazione dell'IA in senso generale, in cui computer e robot acquisiscono la capacità di controllare gli esseri umani in un incubo di mondo nuovo, è forse ciò che spaventa chi non è informato, con commenti come: "dove andremo a finire?" Questo sarà il nostro prossimo argomento.

IA generale

Tutta l'IA è stata sviluppata per applicazioni in senso stretto, in altre parole per svolgere compiti specifici in modo intelligente. Con "in modo intelligente" ci riferiamo al machine learning e al deep learning applicati solo in un contesto specifico. Oggi un computer può battere un grande maestro di scacchi e, in un risultato più recente, DeepMind, una controllata britannica di Google, ha dominato il gioco del Go.

Questi risultati suggeriscono che l'IA sia ormai superiore alla mente umana, ma ciò è vero solo per compiti definiti. Finora, nell'IA per applicazioni non specifiche, o generali, si sono compiuti pochi progressi o nessuno. Ciò potrebbe dipendere in parte dalla scarsa domanda di una macchina con applicazioni non specifiche, oppure dal fatto che i dati e la potenza di calcolo necessari sarebbero troppo onerosi sul piano economico. Forse è una questione per la prossima generazione di IA, che potrebbe provare a occuparsi degli algoritmi. Tuttavia, gli ostacoli pratici sono una cosa, mentre stabilire se ciò potrà mai essere realizzato è essenzialmente una questione filosofica.

C'è uno scontro tra scienze: da un lato il mondo della fisica, che opera con regole, formule e leggi, dall'altro la natura umana, che ne è solo guidata. Il machine learning e il deep learning si basano su un aggiornamento continuo a partire da dati storici, per individuare schemi del comportamento umano da cui prevedere i risultati. Il fatto che le macchine debbano imparare continuamente da nuovi input ci dice che l'IA è in un certo senso un termine improprio: alla domanda di Alan Turing, se le macchine possano pensare, la risposta è e dovrebbe sempre essere questa: sembrano soltanto pensare.

È una distinzione fondamentale. Sì, tutti noi usiamo dati ed esperienza per formare le nostre decisioni e sì, il deep learning consente a una macchina di elaborare queste informazioni sempre meglio di un essere umano. Ma i due divergono sulla scelta. Una macchina deve sempre scegliere un output vero/falso a partire da tutti i suoi input. Un essere umano ha sempre una scelta, che una volta compiuta può apparire irrazionale a un osservatore. E allora possiamo chiederci: è irrazionale chi sceglie o chi osserva? Per dirla in un altro modo, se la macchina compie una scelta che un essere umano non accetta, questi può ignorarla, usarla come base per compiere una scelta del tutto diversa, o persino spegnere la macchina.

Questa è la differenza fondamentale tra il machine learning e i processi del pensiero umano. Una macchina produce output essenzialmente binari: agire o non agire, trasformare gli input in un'immagine che viene riconosciuta o non riconosciuta, e così via. Un essere umano può essere logico, illogico o persino una combinazione dei due, ed è raramente vincolato a risultati binari.

Per queste ragioni possiamo essere certi che le macchine non prenderanno mai il sopravvento su di noi, nel senso spesso predetto dalla fantascienza. Resta però senza risposta la domanda sul perché gli algoritmi abbiano tanto successo nella negoziazione di strumenti finanziari, che implica prevedere l'azione umana che determina i prezzi di domani. Lungi dall'essere una prova della superiorità intellettuale di una macchina, è un buon esempio della differenza tra intelligenza umana e IA, e dei limiti di quest'ultima.

Il trading al computer, o algoritmico, risponde a due obiettivi diversi. C'è il trading che consiste nell'eseguire operazioni su richiesta di una persona, come il ribilanciamento di un fondo che replica un indice o la riallocazione dei flussi in entrata e in uscita degli ETF verso e da investimenti in linea con l'obiettivo. Metteremo da parte questa funzione meccanica. In alternativa, viene usato per il trading automatizzato a scopo di profitto, ed è qui che nasce la controversia.

Il trading automatizzato non è intelligente in senso umano: si basa su regole applicate a dati storici, modificate continuamente man mano che si aggiungono nuovi dati. Presuppone che gli andamenti di negoziazione passati si ripetano e poi, grazie alla magia dell'elettronica, batte i pensatori umani, più lenti, e le macchine rivali inserendo ordini e facendoli eseguire in millisecondi. Il trading umano coinvolge esperienza, riconoscimento di schemi, fattori esterni al prezzo come le notizie, capacità innata ed emozione. La combinazione di questi fattori rende la performance umana sia di successo sia di insuccesso e introduce l'intuizione. La forza e il successo del trading al computer dipendono dall'assenza di fattori umani nella negoziazione di titoli, non dal fatto che li replichi.

La crescente presenza del trading al computer sui mercati probabilmente spinge i trend ciclici più a fondo nei territori di sopravvalutazione e sottovalutazione di quanto accadrebbe altrimenti. Questa affermazione è condizionata dalla mancanza di prove controfattuali solide che la dimostrino, ma se una parte significativa del totale delle negoziazioni in un determinato strumento è condotta esclusivamente sul prolungamento dei trend passati, appare probabile. In altre parole, l'IA finisce per guidare prezzi già guidati da un'altra IA, riducendo l'elemento umano nella formazione dei prezzi invece di prevederlo.

Le implicazioni più ampie di queste distorsioni vanno oltre lo scopo di questo articolo, che è discutere se l'IA sia una risorsa o una minaccia. Abbiamo stabilito che l'IA e il machine learning sono e saranno un enorme aiuto per l'umanità, e che i timori di un mondo nuovo in cui le macchine sono i padroni e gli esseri umani gli schiavi sono incompatibili con la scienza. I timori per la perdita di posti di lavoro a causa dell'IA, come quelli per la sicurezza del lavoro legati a tutti i precedenti sviluppi tecnologici, sono fuori luogo.

E se Alan Turing fosse vivo oggi, sarebbe interessante sapere se la sua domanda, se le macchine possano pensare, abbia ricevuto una risposta di suo gradimento. Le evidenze indicano di no, e forse non la riceverà mai.

Le opinioni e i punti di vista espressi in questo articolo sono quelli dell'autore o degli autori e non riflettono quelli di Goldmoney, salvo diversa indicazione esplicita. L'articolo ha esclusivamente scopo informativo generale e non costituisce una consulenza legale, finanziaria, fiscale, di investimento o contabile da parte di Goldmoney o dell'autore o degli autori. Non dovresti agire né fare affidamento su alcuna informazione contenuta nell'articolo senza prima aver richiesto una consulenza professionale indipendente. Abbiamo posto la massima cura nel garantire l'affidabilità delle informazioni contenute nell'articolo; tuttavia, Goldmoney non dichiara che esse siano accurate, complete, aggiornate e/o da intendersi come indicazione di risultati futuri, e non vanno considerate tali. Goldmoney non sarà responsabile per alcuna richiesta di risarcimento, perdita, danno o disagio derivanti da qualsiasi informazione od opinione contenuta in questo articolo; qualsiasi azione intrapresa sulla base delle opinioni e delle informazioni contenute in questo articolo è a tuo rischio.