Originariamente pubblicato su nicksaraev.com .
ioNon è esagerato dire che l’intelligenza artificiale sta avendo un impatto enorme sul nostro mondo. Dal modo in cui i consumatori interagiscono con la tecnologia, alla base sempre più guidata dall’intelligenza artificiale in cui la maggior parte delle aziende opera oggi, l’intelligenza artificiale è ovunque.
Inoltre, diventerà sempre più pervasivo nei prossimi anni, poiché grandi aziende come Amazon e Google continuano la loro vera corsa spaziale per dominare il mercato dell’IA.
A causa della sua enorme rilevanza sociale e culturale, vale la pena impararne un po’. Questo è ciò che faremo in questo articolo: analizzare alcuni concetti di base dell’IA per aumentare le probabilità che la tua prossima discussione (o progetto aziendale) abbia successo.
Intelligenza artificiale: che cos’è?
Per iniziare la nostra discussione sui concetti di base dell’IA, definiamo prima l’intelligenza artificiale.
Intelligenza artificiale : teoria e 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. (Dizionario di Oxford)
In parole povere, l’IA negli ultimi sessant’anni ha significato far sì che i nostri computer pensino più come esseri umani . Le persone sono dinamiche, flessibili e creative; i computer, d’altra parte, non sono in grado di fare di più che seguire una serie di istruzioni molto specifiche. Vogliamo che i nostri sistemi siano più dei primi e meno dei secondi.
Con le moderne tecniche statistiche, questo è possibile. L’odierna IA basata sulla rete neurale si ispira, e per alcuni aspetti già replica, alcune funzioni del cervello umano. Sebbene siano ancora limitate nelle loro capacità , tale nascente IA è la prova definitiva che ci stiamo muovendo verso sistemi flessibili e autonomi.
Tipi di intelligenza artificiale
L’antico adagio di un robot che cammina, parla e si sente à la “The Jetsons” è, sfortunatamente, ancora lontano. Invece, gli ingegneri dell’intelligenza artificiale, fino ad ora, hanno trascorso la maggior parte del loro tempo concentrandosi sulla creazione di modelli di intelligenza artificiale in grado di funzionare molto bene all’interno di un campo o di una nicchia iperdefiniti e ristretti.
Tali intelligenze artificiali sono chiamate AI ristretta , perché sono brave a fare solo poche cose specifiche. Comprendere i concetti di base dell’IA come l’IA ristretta è fondamentale se vuoi essere in grado di dare un senso al prossimo decennio, quindi ne parleremo un po’.
Intelligenza artificiale ristretta
Le intelligenze artificiali di oggi fanno bene certe cose e altre no; cioè, la loro utilità è stretta . Ma non lasciarti ingannare dal pensare che ristretto significa non impressionante : l’IA ristretta di oggi è responsabile della stragrande maggioranza dei rapporti umani su Internet, distribuendo, curando e monitorando i contenuti sulle piattaforme dei social media, e alcuni potrebbero dire che sta già guidando la nostra cultura.
Altre intelligenze artificiali ristrette già in uso includono modelli di visione artificiale, che già superano gli esseri umani in una varietà di compiti di riconoscimento e identificazione utilizzando immagini o video digitali. Abbiamo anche creato modelli di gioco ristretti, modelli di elaborazione del linguaggio ristretti, modelli generativi ristretti e altro ancora.
Sebbene queste ristrette intelligenze artificiali possano sicuramente superare un essere umano nell’attività per cui sono state progettate specificamente, spesso lottano di fronte a compiti che sono anche leggermente diversi da quelli per cui erano stati originariamente addestrati. Quindi, nonostante le loro incredibili prestazioni nelle attività di riconoscimento degli oggetti, ad esempio, un modello di visione artificiale non può (ancora) scrivere, parlare, parlare o sviluppare software, perché questo non è stato addestrato in modo esplicito.
Intelligenza artificiale generale
La stretta intelligenza artificiale è in contrasto con il suo cugino significativamente più formidabile: l’intelligenza artificiale generale (AGI). L’AGI è roba da fantascienza ed è caratterizzata da un’intelligenza che non è strettamente focalizzata su un compito specifico, ma può invece gestire un’ampia gamma di funzioni cognitive simili (o migliori) agli esseri umani.
In teoria, l’IA generale sarebbe in grado di superare gli esseri umani in quasi tutti gli sforzi intellettuali, comprese le attività che sono attualmente viste come dominio esclusivo degli esseri umani, come la creatività, il pensiero strategico e le abilità sociali.
Questo è per molte ragioni. Il più grande potrebbe essere che gli impulsi neurali umani sono limitati a viaggiare a circa 100 metri al secondo , mentre la velocità di conduzione in una mente artificiale è più vicina a 300.000.000 di metri al secondo (la velocità della luce).
Questo è solo un aumento di velocità di 3.000.000 volte; il che significa che se un AGI fosse teoricamente intelligente quanto un essere umano, sarebbe comunque in grado di svolgere compiti quasi tre milioni di volte più velocemente. Mille o due intelligenze artificiali a livello umano potrebbero sostituire il valore economico dell’intero nostro pianeta.
Un altro è che l’evoluzione biologica potrebbe aver lasciato una discreta quantità sul tavolo, dal punto di vista dell’ottimizzazione. Ci sono buone argomentazioni contrarie , ma molti credono che la discesa del gradiente , il principale algoritmo di ottimizzazione impiegato dalla maggior parte dei modelli statistici di apprendimento automatico oggi, ottimizzi probabilmente i pesi dei neuroni in modo più efficiente rispetto al modo in cui fanno i cervelli umani.
Il che porta naturalmente a…
La singolarità
Molti eminenti scienziati ritengono che un tale AGI sarà sviluppato nei prossimi decenni e che avrà un effetto devastante (o liberatorio) sull’umanità, arrivando al punto di soprannominarlo la Singolarità .
Forse il più apocrifo dei concetti di base dell’IA, la Singolarità è l’idea che una volta che l’intelligenza artificiale supererà l’intelligenza umana, si evolverà e migliorerà rapidamente a un ritmo accelerato, portando alla fine a un punto in cui gli esseri umani non saranno più in grado di capirla o controllarla .
Molti sostenitori della singolarità credono che questo evento segnerà la fine dell’umanità come la conosciamo, mentre altri lo vedono come un’opportunità per l’umanità di raggiungere uno stato di inimmaginabile prosperità e realizzazione tecnologica.
Se si assume un tasso di miglioramento tecnologico sufficientemente rapido, non è difficile vedere come potrebbe verificarsi la singolarità. In effetti, alcune persone credono che stia già accadendo: con l’aumento esponenziale della potenza di calcolo e dell’archiviazione dei dati, l’intelligenza artificiale sta rapidamente migliorando nell’apprendimento e nella risoluzione dei problemi.
L’ intelligenza artificiale sta già scrivendo codice , imparando a correre e altro, il che significa che il divario tra intelligenza umana e artificiale si sta rapidamente riducendo.
Dove si trova oggi il progresso dell’IA: modelli di base
Man mano che cresciamo ulteriormente nell’era digitale, i modelli stanno diventando sempre meno restrittivi. Ciò ha reso necessaria l’invenzione di un nuovo termine: modello di fondazione .
Da “ Sulle opportunità e sui rischi dei modelli di fondazione ”
I modelli di fondazione si distinguono principalmente per la loro adattabilità ; mentre l’IA ristretta è limitata a uno o a un piccolo insieme di compiti molto specifici, i modelli di base stanno iniziando a raggiungere la multimodalità : la capacità di comprendere un diverso supporto di dati (come testo, immagini e video contemporaneamente) piuttosto che solo quello che era codificato in modo esplicito per.
Lo sviluppo più recente (e forse di grande impatto) del genere è nell’elaborazione del linguaggio naturale , un sottocampo dell’IA che si occupa di insegnare ai computer come comprendere il linguaggio umano.
GPT-3 , un modello rilasciato da OpenAI alla fine del 2019, è stato inizialmente addestrato per un unico compito: comprendere e generare testo. Tuttavia, dopo essere stato rilasciato su Internet, gli utenti hanno scoperto rapidamente che superava di gran lunga il suo set di formazione iniziale; GPT-3 può fare matematica, comprendere il linguaggio e, con alcune modifiche, persino creare immagini con un alto grado di fluidità. Per non parlare del suo compito originale – la generazione del testo – è spesso indistinguibile dalla scrittura umana.
OpenAI , gli sviluppatori di GPT-3.
Per illustrare questo, ho scritto questo articolo, in parte, usando GPT-3. Eccelle nello spiegare argomenti semplici in un modo di facile comprensione e, sebbene ci siano (a volte) inesattezze fattuali, migliora significativamente la velocità con cui si può creare.
Puoi paragonare l’uso di un tale strumento al telaio elettrico durante la rivoluzione industriale: l’efficienza di un singolo tessitore (o scrittore) viene istantaneamente moltiplicata per una dozzina o più volte. Invece di dover fare il grugnito, sei più coinvolto nel guidare il risultato dove vuoi che vada . Nei prossimi dieci o vent’anni si sospetta che molte grandi industrie (di guida, pubblicità e marketing, solo per citarne alcune) seguiranno l’esempio, e questo avrà un impatto significativo sul mercato del lavoro.
La matematica dell’intelligenza artificiale
Lungi dall’essere un concetto di base di intelligenza artificiale, la matematica che sta alla base dell’intelligenza artificiale è varia e complessa. Sebbene oltre lo scopo di questo articolo, è importante capire che la matematica basata sull’intelligenza artificiale consiste davvero in un’ampia gamma di concetti e strumenti, dall’algebra lineare, alla probabilità e alla statistica, alla teoria dei giochi e altro ancora. Tratteremo i primi due – algebra lineare e statistica – in breve di seguito.
Algebra lineare
L’algebra lineare è importante per l’IA perché fornisce un modo per modellare le relazioni tra punti dati. In particolare, l’algebra lineare consente agli agenti di rappresentare i dati in termini di vettori e matrici e di estendere questa nozione a dimensioni superiori.
Le matrici sono al centro del modo in cui gli agenti identificano modelli e relazioni nei dati. Quasi tutto l’apprendimento automatico può essere ragionevolmente descritto come operazioni su matrici: l’architettura Transformer alla base di GPT-3 , ad esempio, non è altro che grandi matrici moltiplicate insieme più volte per produrre un’altra matrice che descrive una frase.
Detto questo, l’algebra lineare può fare molto poco senza statistica e probabilità. Perché il modo in cui il tuo algoritmo viene addestrato, ovvero ottimizzato statisticamente, è alla base del modo in cui i modelli apprendono.
Probabilità e statistica
Probabilità e statistiche sono essenziali per qualsiasi sistema di intelligenza artificiale che deve prendere decisioni in base ai dati e quindi aggiornarsi in base a tali decisioni (un modo elegante per dire impara ). La probabilità fornisce un modo per quantificare l’incertezza, mentre le statistiche consentono agli agenti di analizzare i dati e trarre conclusioni da essi, anche dati che tradizionalmente potrebbero non sembrare “analizzabili”, come parole, immagini o suoni.
In particolare, è importante comprendere due concetti di statistica: l’ottimizzazione e il teorema di Bayes. L’ottimizzazione si riferisce alla nozione di miglioramento iterativo di una stima attraverso l’uso di metodi di approssimazione come la discesa del gradiente .
Il teorema di Bayes è un modo per applicare la probabilità alle affermazioni condizionali. Questo è importante per l’IA perché consente agli agenti di aggiornare le proprie convinzioni sul mondo man mano che ricevono nuove informazioni.
Una serie di animazioni di Alec Radford che mostrano come l’ottimizzazione si aggiorna verso il risultato finale.
L’ottimizzazione e il teorema di Bayes lavorano entrambi insieme per fornire ai sistemi un modo per muoversi nella giusta direzione , per così dire. Ti avvicini al risultato desiderato spostandoti in una direzione, calcolando la tua distanza fino al risultato finale e poi spostandoti di nuovo in modo da ridurre quella distanza.
Dove vado da qui?
A questo punto, dovresti avere una comprensione ragionevole di alcuni dei concetti di base di base dell’IA, tra cui l’IA ristretta, l’AGI, la singolarità e la matematica richiesta per fare l’IA. Se sei interessato a saperne di più, ti consiglio di consultare alcune delle seguenti risorse:
Il libro di 100 pagine sull’apprendimento automatico di Andriy Burkov : questa risorsa online fornisce spiegazioni concise di un’ampia gamma di concetti di apprendimento automatico ed è fondamentale se si desidera sviluppare una comprensione del lato statistico dell’intelligenza artificiale; cioè apprendimento automatico.
AI per tutti : sebbene di natura non tecnica, il corso online gratuito di Andrew Ng fornisce un’introduzione più completa a molti dei concetti di AI di cui abbiamo discusso qui.
Questo blog : nelle prossime settimane e mesi creerò risorse approfondite su come iniziare a funzionare (oltre ai concetti di base dell’IA trattati qui). Impareremo la grafica dell’IA, la generazione del testo dell’IA, i deepfake dell’IA e altro ancora, e lo manterrò appetibile a un vasto pubblico offrendo anche l’opportunità alle persone di approfondire se interessate.ù
da nicksaraev.com
