Quanto è lontana l’IA generalizzata dalla vera “intelligenza artificiale”?

Quanto è lontana l’IA generalizzata dalla vera “intelligenza artificiale”?

Un tempo, l'intelligenza artificiale (IA) era diventata lo slogan di molte aziende. Indipendentemente dal settore in cui operava l'azienda o dal tipo di azienda che era, sembrava che senza l'intelligenza artificiale sarebbe stata obsoleta. Ogni giorno i media erano pieni di resoconti sull'intelligenza artificiale, e noi eravamo stanchi di sentirli.

In questo caso potremmo prendere come esempi IBM, Google e Amazon, i rappresentanti riconosciuti nel settore dell'intelligenza artificiale, sia in termini di tecnologia che di mercato, per capire come sono la tecnologia e il mercato dell'intelligenza artificiale. IBM Watson: si sospetta che sia un espediente, con elevati costi di commercializzazione e nessun effetto reale A proposito di Watson, questo cosiddetto sistema di intelligenza artificiale ha occupato innumerevoli titoli di giornale da quando ha sconfitto i concorrenti umani nel quiz show americano Jeopardy sei anni fa ed è stato il primo a essere commercializzato (utilizzato principalmente per la rilevazione e la prevenzione del cancro in campo medico). Tuttavia, col passare del tempo, Watson è stato ripetutamente messo in discussione dall'industria. Ad esempio, James Kisner, analista della banca d'investimento di Wall Street Jefferies, ha pubblicato un rapporto di ricerca sull'intelligenza artificiale "Watson" di IBM, affermando che è improbabile che l'investimento di IBM in Watson porti rendimenti di valore agli azionisti e ha utilizzato alcuni casi per illustrare i problemi diffusi di IBM Watson. Il caso nasce dalla collaborazione tra IBM Watson e MD Anderson Cancer Center. Dopo aver sprecato 60 milioni di dollari nel progetto Watson, l'MD Anderson Cancer Center ha finalmente interrotto la collaborazione con IBM in questo ambito e ha ammesso che la tecnologia non era pronta per l'uso clinico. La situazione al MD Anderson Cancer Center non è un caso isolato. Diversi imprenditori nel campo dell'intelligenza artificiale hanno affermato che i loro clienti nei settori dei servizi finanziari e della biotecnologia hanno avuto esperienze simili quando hanno avuto a che fare con IBM.
Rispetto all'analisi delle banche d'investimento di Wall Street, a maggio di quest'anno, il capitalista di rischio Chamath Palihapitiy ha rilasciato una dichiarazione ancora più scioccante nella rubrica di osservazione del mercato finanziario della CNBC "Closing Bell": "A dire il vero, Watson è una barzelletta. Penso che IBM sia molto brava a usare metodi di vendita e marketing per indurre le persone con asimmetria informativa ad aprire i loro portafogli". Tuttavia, Roge Schank, fondatore dell'American Cognitive Science Society, ritiene che Watson non sia affatto un sistema di calcolo cognitivo e IBM è sospettata di esagerare. Ha anche avanzato la seguente argomentazione, ovvero che, per dimostrare la straordinaria intelligenza di Watson, IBM ha inserito pubblicità di Watson in programmi TV popolari dal 2015. Nella pubblicità, il programma Watson ha una conversazione con la leggenda del rock Bob Dylan. Schank ha risposto che la pubblicità dimostra semplicemente che Watson non riesce a comprendere affatto il lavoro di Dylan. Sebbene parole come "il tempo passa" compaiano spesso nelle opere di Dylan, chiunque conosca le sue opere sa che Dylan è un cantante di protesta le cui canzoni trattano principalmente temi quali i diritti civili e la lotta contro la guerra. Tuttavia, i testi di Dylan non menzionano esplicitamente "canzoni contro la guerra" o "movimento per i diritti civili". Watson ha trovato solo il “passare del tempo” e lo “svanire dell’amore” basandosi sulle statistiche sulla frequenza delle parole e su altri metodi, senza comprendere veramente il vero tema dell’opera di Dylan. Google DeepMind: a parte Go, le prospettive della tecnologia e della commercializzazione di "Watson" non sono chiare Per quanto riguarda Google, l'anno scorso AlphaGo si è affidato all'intelligenza artificiale per sfidare Go, noto per essere il gioco umano più difficile, e ha riscosso un grande successo, rendendo ampiamente noto il "deep learning" alla base dell'intelligenza artificiale e spingendo al pubblico anche DeepMind, l'azienda di tecnologia AI precedentemente acquisita da Google. A questo proposito, come ha affermato Rui Yong, ex vicepresidente esecutivo di Microsoft Research Asia, c'è ancora molta strada da fare per arrivare a una vera intelligenza artificiale. Oggi, quasi tutta l'intelligenza artificiale deriva dai big data del passato umano. Nessuna abilità, in nessun campo, deriva dalla consapevolezza di sé. Che si tratti di scacchi o di Go, i computer imparano dai precedenti record scacchistici umani. Se chiedessimo ad AlphaGo di giocare a dama, sarebbe completamente stupido. Anche se la tavola Go venisse leggermente modificata, AlphaGo non riuscirebbe a gestirla, mentre gli umani non avrebbero problemi. AlphaGo può battere Lee Sedol, che ha più di trent'anni, ma la sua capacità di apprendimento non è buona quanto quella di un bambino di 5 anni. C'è una grande differenza tra i due. Rispetto a Watson, DeepMind è appena entrato nel campo commerciale. Lo scorso luglio, Google ha annunciato che DeepMind aveva trovato un modo per ridurre di due quinti la quantità di elettricità utilizzata per raffreddare i data center di Google. Il suo algoritmo analizza innanzitutto i registri operativi del data center per comprendere le attività, quindi ottimizza il processo eseguendo ripetutamente simulazioni. Allo stesso modo, DeepMind è entrata anche nel settore medico. Lo scorso novembre, l'azienda si è aggiudicata il suo primo progetto retribuito, firmando un contratto quinquennale con il Royal Free London, un ospedale pubblico del Servizio Sanitario Nazionale, per l'elaborazione di 1,7 milioni di cartelle cliniche di pazienti. Inoltre, DeepMind ha ottenuto l'accesso a due database di altri ospedali di Londra: DeepMind ha utilizzato un software di intelligenza artificiale per analizzare circa 1 milione di referti di scansioni della retina e ha individuato con successo i primi segni di malattie degenerative degli occhi, oppure ha utilizzato immagini di tumori della testa e del collo per consentire al software di intelligenza artificiale di imparare a distinguere tra tessuti sani e cancerosi. A giudicare dalla commercializzazione di DeepMind sopra menzionata, simile a Watson, è necessario prima ottenere big data dal mondo reale. Anche per Google, che ha una grande quantità di dati da estrarre, è molto importante ottenere dati operativi specifici quando utilizza l'intelligenza artificiale e la tecnologia di apprendimento automatico per migliorare sistemi come ospedali, reti elettriche e fabbriche. Il motivo è semplice. Senza i dati di base forniti dagli esseri umani, l'attuale tecnologia di intelligenza artificiale non sarà in grado di affrontare nemmeno le sfide più semplici. Pertanto, l'attuale tecnologia AI non è realmente "intelligente" e non è una soluzione universale ai problemi. A proposito di dati, prima della battaglia uomo-macchina, DeepMind ha trascorso diversi anni imparando a giocare a Go. Per Watson, che ha partecipato al programma "Jeopardy!" quiz, gli sviluppatori inseriscono terabyte di dati sui quiz show ed esempi di linguaggio naturale per aiutarli a comprendere gli schemi di domande e risposte dello show. Solo attraverso un “addestramento” così mirato e intensivo da parte degli esseri umani queste macchine possono funzionare così bene. Ci sono voluti anni per apprendere come funzionasse la pianificazione delle riunioni prima che applicazioni apparentemente semplici come l'assistente per la pianificazione delle riunioni X.ai potessero essere commercialmente valide. Il processo tramite il quale operano è più simile all'analisi di big data e all'output basato su una maggiore potenza di calcolo, ed è ben lontano dal ragionamento creativo. È un fatto ben noto che nell'elaborazione dei dati (che in realtà è un tipo di calcolo ad alta velocità), la capacità delle macchine ha da tempo superato quella degli esseri umani. A questo proposito, alcuni analisti hanno affermato che DeepMind potrebbe non essere in grado di generare grandi entrate in futuro semplicemente utilizzando programmi di intelligenza artificiale per risolvere problemi complessi, ma le informazioni utili ottenute dal software di intelligenza artificiale DeepMind attraverso l'analisi dei dati sono sufficienti a giustificare l'enorme investimento di Google nell'offerta originale. Dopo aver letto questo, credo che le persone del settore dovrebbero conoscere la natura di DeepMind e il vero scopo di Google nell'ambito dell'intelligenza artificiale. Amazon Alexa: recupera ancora velocemente le informazioni, ma non riesce a riconoscere il linguaggio naturale. Infine, diamo un'occhiata ad Amazon. La sua cosiddetta intelligenza artificiale è diventata nota al settore grazie alle vendite record degli speaker Echo che utilizzano la tecnologia vocale intelligente Alexa e, in una certa misura, rappresenta anche il livello dell'intelligenza artificiale di Amazon. Ma a giudicare dalle loro applicazioni, l'ambito dei servizi vocali intelligenti riguarda principalmente il recupero delle informazioni, aiutando gli utenti a ottenere informazioni. La stragrande maggioranza dei contenuti è costituita da servizi informativi basati su query che non implicano "ragionamento" (comprensione del linguaggio naturale dell'utente). Se l'utente pone domande che implicano un ragionamento che va oltre le informazioni di base, non solo Alexa, ma quasi tutti i sistemi di riconoscimento vocale intelligenti (inclusi Google e Microsoft) saranno impotenti. Prendiamo come esempio Alexa di Amazon. L'anno scorso, una bambina di sei anni ha ordinato per sbaglio giocattoli per un valore di 170 dollari e una scatola di biscotti da quattro libbre mentre chattava con Alexa, l'assistente vocale con intelligenza artificiale integrato in Echo. Nonostante la madre della bambina abbia annullato l'ordine subito dopo aver ricevuto una chiamata di conferma da una fonte sconosciuta, l'ordine era già stato elaborato e il giorno successivo è stata consegnata una bambola quasi della stessa altezza della bambina. Alla fine, seppur con riluttanza, decisero di donare la bambola all'ospedale pediatrico locale. Un altro esempio è quello di Amazon Alexa che interpreta male i comandi e fornisce contenuti per adulti ai bambini. Vale a dire, un bambino ha dato un comando ad Amazon Alexa: "Alexa, per favore riproduci 'Digger digger (una canzone per bambini)'." Dopodiché, l'assistente personale di Amazon lo ha identificato tramite un algoritmo e ha pensato che il bambino volesse effettivamente ascoltare contenuti pornografici. I genitori del bambino si sono accorti solo più tardi di cosa era successo, ma purtroppo non sono riusciti a impedire ad Alexa di riprodurre il suono. Quanto sopra dimostra che la "difficoltà" del linguaggio naturale (capacità reali dell'intelligenza artificiale) è ancora lontana dall'essere risolta. Poiché diverse applicazioni (domande e risposte, analisi del sentiment, traduzione automatica, etichettatura parziale del parlato) richiedono architetture di modelli diverse: rete neurale di memoria fortemente supervisionata, rete di memoria a lungo e breve termine ad albero, campo casuale ristretto (CRF) LSTM bidirezionale, rete di memoria dinamica, ecc. Anche se nella ricerca sono emerse alcune nuove idee molto promettenti, la progettazione, la sintesi ingegneristica e i sistemi di dialogo scalabili che combinano queste idee sono ancora molto complessi e lontani dall'uso commerciale. Quindi, quando ci chiedono quando saremo in grado di comunicare con gli assistenti digitali tramite linguaggio naturale e di ottenere risposte soddisfacenti, perfino scienziati di spicco come Andrew Ng non sono in grado di dare una risposta definitiva. Anche per gli scienziati più avanzati nel campo delle reti neurali, questa tecnologia nasconde ancora molti misteri. Esistono molti compiti che possono essere migliorati solo attraverso tentativi ed errori, e nessuno può garantire quali conseguenze potrà avere una determinata modifica tecnica. Sulla base delle tecnologie e dei metodi esistenti, questo processo richiederà diversi anni. È sotto l'incoraggiamento di questi giganti della tecnologia che l'intelligenza artificiale tende verso la generalizzazione. Secondo le statistiche, entro la fine dell'anno scorso, 180 delle aziende Fortune 500 avevano annunciato che avrebbero lanciato progetti di intelligenza artificiale. Alcune società di ricerche pubblicitarie prevedono addirittura con audacia che entro il 2020 la tecnologia dell'intelligenza artificiale potrebbe comparire nella promozione di quasi tutti i nuovi prodotti tecnologici. Secondo Gartner, dopo aver esaminato 1.000 fornitori di tecnologie che dichiaravano di utilizzare l'intelligenza artificiale, è emerso che la maggior parte delle cosiddette tecnologie di intelligenza artificiale utilizzano ancora tecnologie di analisi e apprendimento automatico basate su regole di base (come Watson di IBM e DeepMind di Google, sopra menzionate). Queste tecnologie sono apparse e sono state utilizzate nell'industria molto prima che il concetto di intelligenza artificiale diventasse popolare. Ma, cosa ancora più importante, le capacità di queste tecnologie sono ben lungi dal poter essere definite "intelligenza artificiale". In concomitanza con la promulgazione del "Piano di sviluppo dell'intelligenza artificiale di nuova generazione" da parte del Consiglio di Stato, mentre dimostriamo la lungimiranza e la determinazione del governo cinese a raggiungere il successo nel settore scientifico e tecnologico, dovremmo anche diffidare dell'attuale tendenza alla generalizzazione dell'intelligenza artificiale nel settore, soprattutto in Cina, dove ogni volta che viene introdotta una politica o un progetto industriale favorevole, si crea sempre molto fango e sabbia. Non dobbiamo permettere che la vera IA venga sommersa dalla generalizzazione dell'IA.

Vincitore del Qingyun Plan di Toutiao e del Bai+ Plan di Baijiahao, del Baidu Digital Author of the Year 2019, del Baijiahao's Most Popular Author in the Technology Field, del Sogou Technology and Culture Author 2019 e del Baijiahao Quarterly Influential Creator 2021, ha vinto numerosi premi, tra cui il Sohu Best Industry Media Person 2013, il China New Media Entrepreneurship Competition Beijing 2015, il Guangmang Experience Award 2015, il China New Media Entrepreneurship Competition Finals 2015 e il Baidu Dynamic Annual Powerful Celebrity 2018.

<<:  Siete stanchi? Vi do un po' di "sangue di pollo" - parlate di alcune verità sulla stanchezza

>>:  General Motors lancia un sistema di ricarica ultraveloce: ricarica in 10 minuti e autonomia di 290 chilometri

Consiglia articoli

L'attrattiva e le recensioni di Soul Eater: un'esperienza anime da non perdere

Soul Eater - Una storia di risonanza e crescita d...

Che ne dici di Tuli? Recensioni e informazioni sul sito web di Tokina

Cos'è il sito web Tuli? Tokina è un famoso pro...