Sommario
AI: Restringere le cose
Evoluzione dell’ANI
8 tipi di sistemi ANI
Le 3 migliori applicazioni di ANI
I 7 principali casi d’uso di ANI
Pro e contro dell’ANI
La prossima fase dell’IA: Intelligenza generale artificiale (AGI)
L’interesse per l’intelligenza artificiale (AI) è aumentato con l’emergere di strumenti intuitivi come ChatGPT. Tuttavia, ChatGPT e la sfilza di progetti rivoluzionari correlati a cui abbiamo assistito nell’IA assumono ancora la forma di quella che può essere definita intelligenza “ristretta”.
Vuoi leggere le notizie direttamente nella tua casella di posta?
Iscriviti a VB quotidiano
sottoscrivi
Iperbole a parte, abbiamo solo scalfito la superficie di ciò che la nuova tecnologia potrebbe eventualmente diventare. ChatGPT ha i segni dell’intelligenza artificiale ristretta (ANI). Cioè, AI progettata per eseguire compiti specifici.
>>Segui la copertura ChatGPT in corso di VentureBeat <<
Questo strumento avanzato è nato dalla ricerca in corso nel campo dell’elaborazione del linguaggio naturale (NLP) . ANI è in contrasto con l’intelligenza artificiale generale (AGI) , lo sforzo pluridecennale per portare l’intelligenza umana generalizzata alle macchine.
EVENTO
Vertice sulla sicurezza intelligente on-demand
Scopri il ruolo fondamentale di AI e ML nella sicurezza informatica e case study specifici del settore. Guarda le sessioni on-demand oggi.
Guarda qui
AI: Restringere le cose
Nel suo libro, La singolarità è vicina: quando gli umani trascendono la biologia , l’informatica e il futurista Ray Kurzweil hanno usato il termine “IA ristretta” per descrivere lo sviluppo di sistemi che esibiscono comportamenti “intelligenti” in contesti specifici. Contrariamente ai sistemi naturali, generalmente intelligenti come gli esseri umani, i sistemi ANI richiedono una riprogrammazione o riconfigurazione umana quando il contesto o le specifiche del comportamento cambiano, anche leggermente. Questo perché mancano della capacità di adattarsi a nuovi obiettivi o circostanze e di generalizzare la conoscenza da un contesto all’altro, cosa che gli esseri umani fanno attraverso il trasferimento dell’apprendimento .
In teoria, l’ANI è un tipo di intelligenza artificiale progettato per eseguire una singola o una serie ristretta di attività correlate ad un alto livello di competenza. Viene anche definita IA debole, IA ristretta, IA limitata o anche IA specializzata. I sistemi ANI sono in genere addestrati su un set di dati di grandi dimensioni e sono in grado di prendere decisioni o eseguire azioni sulla base di questa formazione.
I sistemi ANI possono essere classificati in due categorie: sistemi di apprendimento supervisionato e sistemi di apprendimento non supervisionato . I sistemi di apprendimento supervisionato vengono addestrati su set di dati etichettati che consentono al sistema di apprendere la relazione tra i dati di input e l’output desiderato. D’altra parte, i sistemi di apprendimento non supervisionati vengono addestrati su set di dati non etichettati e possono identificare i modelli e le relazioni nei dati senza una guida.
Evoluzione dell’ANI
Il concetto di ANI risale agli anni ’50, quando i ricercatori iniziarono a studiare la possibilità di creare macchine in grado di eseguire compiti cognitivi. Alcuni potrebbero far risalire il suo sviluppo a uno dei primi tentativi di intelligenza artificiale di creare un programma noto come General Problem Solver (GPS). Questo è stato progettato per risolvere i problemi in un modo simile a quello degli umani.
Sebbene il GPS non sia stato un enorme successo, ha gettato le basi per la futura ricerca e sviluppo dell’IA. Negli anni ’60, abbiamo visto lo sviluppo di sistemi di PNL come ELIZA , che era in grado di sostenere semplici conversazioni con gli esseri umani.
Inoltre, lo sviluppo di sistemi esperti come Dendral e MYCIN negli anni ’70 ha segnato un’importante pietra miliare nel campo dell’IA perché erano in grado di imitare i processi decisionali degli esperti umani e avevano un’ampia gamma di applicazioni nella progettazione di farmaci e nell’assistenza sanitaria . Progressi significativi nell’apprendimento automatico (ML) si sono verificati negli anni ’80 e ’90, aprendo la strada allo sviluppo di sistemi ANI più avanzati. Durante questo periodo, un risultato notevole è stato lo sviluppo del sistema di intelligenza artificiale Deep Blue , che ha sconfitto il campione del mondo di scacchi Garry Kasparov in una partita nel 1997.
Gli anni 2000 sono iniziati con l’introduzione di Siri e Google Translate . Sviluppato nel 2011, Siri utilizza la PNL per comprendere e rispondere ai comandi vocali. D’altra parte, Google Translate è un sistema NLP in grado di tradurre testo e parlato da una lingua all’altra.
Negli anni ’20, sistemi NLP avanzati come GPT-3 di OpenAI sono entrati nel mercato. Questi avevano una straordinaria capacità di generare testo simile a quello umano. OpenAI ha anche lanciato DALL-E e DALL-E 2 , che utilizza una rete neurale per generare immagini basate su un determinato prompt di testo.
Nel 2022, OpenAI ha lanciato ChatGPT , un sistema di intelligenza artificiale in grado di comprendere e rispondere all’input dell’utente in modo conversazionale, il che lo rende adatto all’uso nelle applicazioni chatbot. Ci sono stati anche progressi significativi nell’uso dell’ANI nell’assistenza sanitaria, con lo sviluppo di sistemi di intelligenza artificiale come AlphaFold di DeepMind , che è in grado di prevedere la struttura 3D delle proteine.
8 tipi di sistemi ANI
In generale, esistono diversi tipi di ANI, tra cui:
Sistemi basati su regole : progettati per seguire una serie di regole predeterminate per eseguire un’attività specifica.
Sistemi esperti : eseguire attività che normalmente richiedono competenze umane, come la diagnosi di condizioni mediche o l’identificazione della migliore linea d’azione in una data situazione.
Sistemi ad albero decisionale : utilizzare una struttura ad albero per prendere decisioni basate su una serie di regole predeterminate.
Reti neurali artificiali : ispirate al modo in cui funziona il cervello umano, questi sistemi di intelligenza artificiale possono riconoscere schemi e prendere decisioni basate su tali informazioni.
Algoritmi genetici : utilizza i principi della genetica e della selezione naturale per migliorare le prestazioni nel tempo.
Calcolo evolutivo : utilizza i principi dell’evoluzione e della selezione naturale per adattare e migliorare le prestazioni.
Sistemi di logica fuzzy : usa la logica fuzzy, un tipo di logica che consente la rappresentazione di informazioni incerte o imprecise per prendere decisioni.
Reti bayesiane : utilizza il ragionamento probabilistico per prendere decisioni basate su informazioni incerte o incomplete.
Le 3 migliori applicazioni di ANI
PNL: ANI viene utilizzato nei sistemi di PNL per aiutare i computer a comprendere e interpretare il linguaggio umano. Ad esempio, l’assistente virtuale Siri utilizza la PNL per comprendere e rispondere ai comandi vocali in linguaggio naturale.
Riconoscimento di immagini e parole: ANI viene utilizzato nei sistemi di riconoscimento di immagini e parole per identificare oggetti, persone e altri elementi in immagini e registrazioni audio. Ad esempio, la tecnologia di riconoscimento facciale utilizzata da Meta applica un’intelligenza artificiale ristretta per identificare e taggare le persone nelle foto.
Processo decisionale: ANI viene utilizzato nei sistemi decisionali per aiutare le aziende e le organizzazioni a prendere decisioni più informate. Ad esempio, un sistema di intelligenza artificiale ristretto potrebbe essere utilizzato da una banca per analizzare i dati finanziari e formulare raccomandazioni sull’opportunità di approvare una richiesta di prestito.
I 7 principali casi d’uso di ANI
Sanità : ANI viene utilizzato per assistere con attività come la diagnosi di condizioni mediche e la previsione degli esiti dei pazienti. Ad esempio, un sistema ANI potrebbe essere utilizzato per analizzare immagini mediche e identificare potenziali segni di cancro.
Finanza : ANI viene utilizzato per analizzare i dati finanziari e fare previsioni sulle tendenze del mercato e altri fattori economici. Ad esempio, un sistema di IA ristretto potrebbe essere utilizzato da un hedge fund per identificare opportunità di investimento.
Produzione : ANI viene utilizzato per assistere con compiti come il controllo di qualità e l’ispezione del prodotto. Ad esempio, un sistema ANI potrebbe essere utilizzato per ispezionare i prodotti su una catena di montaggio e identificare i difetti.
Servizio clienti : ANI viene utilizzato per assistere con attività come rispondere alle richieste dei clienti e risolvere i problemi. Ad esempio, un sistema ANI potrebbe essere utilizzato per rispondere a domande comuni e fornire soluzioni ai clienti tramite un chatbot sul sito Web di un’azienda.
Gestione della catena di approvvigionamento : ANI viene utilizzato per ottimizzare la logistica e migliorare l’efficienza. Ad esempio, un sistema di intelligenza artificiale potrebbe essere utilizzato per analizzare i dati sui tempi e sui percorsi di consegna per identificare i colli di bottiglia e migliorare i tempi di consegna.
Trasporti : ANI viene utilizzato per assistere con attività come la pianificazione del percorso e la gestione del traffico. Ad esempio, un sistema di intelligenza artificiale potrebbe essere utilizzato per ottimizzare i percorsi per i camion delle consegne e ridurre il consumo di carburante.
Agricoltura : l’ANI viene utilizzato per assistere con attività come il monitoraggio delle colture e il controllo dei parassiti. Ad esempio, un sistema di intelligenza artificiale potrebbe essere utilizzato per analizzare le immagini delle colture per identificare i parassiti e determinare il trattamento più efficace.
Pro e contro dell’ANI
Come ogni tecnologia, ANI ha sia vantaggi che svantaggi. Alcuni dei professionisti:
Maggiore precisione: questi sistemi sono in grado di eseguire attività con un elevato grado di precisione, il che può aiutare a ridurre gli errori e migliorare l’efficienza.
Maggiore velocità: sono in grado di elaborare rapidamente grandi quantità di dati, il che può aiutare ad accelerare le attività e i processi decisionali.
Risparmio sui costi: in alcuni casi, l’uso di ANI può aiutare a ridurre i costi di manodopera automatizzando attività che altrimenti sarebbero eseguite da persone.
Tuttavia, ANI presenta anche alcuni inconvenienti :
L’IA ristretta è in grado di eseguire solo l’attività specifica per cui è stata progettata. Non è in grado di adattarsi o imparare a svolgere nuovi compiti e non è in grado di pensare o prendere decisioni nello stesso modo in cui può farlo un essere umano.
Fa affidamento sui dati su cui è addestrato. Se i dati sono distorti o incompleti, il sistema di intelligenza artificiale ristretta può prendere decisioni distorte o imprecise. Questa può essere una delle principali preoccupazioni in campi come l’assistenza sanitaria e la giustizia penale, dove algoritmi distorti possono avere gravi conseguenze.
Può essere fragile e inflessibile. È progettato per eseguire un’attività specifica e potrebbe non essere in grado di gestire variazioni nell’input o situazioni impreviste.
I sistemi ANI possono essere computazionalmente intensivi, richiedendo hardware potente e notevoli quantità di energia per funzionare. Questo può essere un ostacolo all’adozione diffusa di sistemi di IA ristretti.
Ci sono preoccupazioni circa le implicazioni etiche dell’IA ristretta e il potenziale che possa essere utilizzato in modi dannosi o dannosi. Sono necessarie normative e supervisione per garantire che l’IA ristretta venga utilizzata in modo responsabile.
La prossima fase dell’IA: Intelligenza generale artificiale (AGI)
Mentre l’ANI continua a produrre risultati, la ricerca dell’intelligenza artificiale generale (AGI) cattura ancora l’immaginazione della comunità tecnologica. AGI si riferisce a macchine che possiedono un’intelligenza simile a quella umana, con la capacità di eseguire una vasta gamma di compiti, pensare in modo astratto e adattarsi a nuove situazioni. Ciò è in contrasto con ANI, che è progettato per eseguire compiti specifici.
Sebbene l’AGI rimanga in gran parte teorica a questo punto, l’idea ha raccolto un’attenzione e un investimento significativi, con figure importanti come Bill Gates, Stephen Hawking ed Elon Musk che hanno espresso preoccupazione per la potenziale minaccia di un’IA così avanzata.
Ma le opinioni sulla fattibilità e sulla tempistica dell’AGI variano ampiamente. Alcuni ricercatori sostengono che una linea temporale realistica potrebbe collocare un tale anticipo nel 2040, con una linea temporale pessimistica nel 2075.
da Venturebeat.com
