Jeffrey Ullman ha osservato che guardando indietro era stupefacente quanto fossero state facili le cose per i ricercatori quando era giovane. Ha affermato che il settore della ricerca è diventato estremamente competitivo rispetto a quei tempi. Ha ricordato che negli anni ’60 c’erano sempre nuove scoperte in ogni ambito della ricerca, ma oggi molta della ricerca si concentra su piccoli miglioramenti ottenuti sfruttando al massimo ciò che già esiste.
Ullman ha inoltre commentato che molti credono erroneamente che il successo nella vita dipenda dalla ricerca, e questo ha portato a una situazione in cui persone dotate come insegnanti si trovano costrette a fare ricerche di basso livello per avanzare nella carriera. Ha suggerito che se non c’è un vero interesse nella ricerca, sarebbe meglio dedicarsi ad altro.
Il Turing Award, che Ullman ha ricevuto nel 2020, è stato assegnato per i suoi contributi fondamentali alla programmazione per computer negli anni ’60, quando ha lavorato insieme a Alfred Aho per perfezionare il “compilatore”, uno dei componenti chiave dei computer.
I contributi di Ullman all’informatica hanno avuto un impatto diretto sulle basi della scienza dei dati. La sua ricerca ha influenzato molti concetti e tecniche impiegate nell’archiviazione, analisi e interpretazione dei dati.
Ullman ha sottolineato l’importanza dei dati nell’apprendimento automatico, affermando che fornire un grande volume di dati interessanti a questi modelli è ciò che li rende potenti. Ha citato come esempio le reti neurali multistrato, che possono essere utili solo se addestrate su milioni o miliardi di esempi.
Quando si è discusso del problema del bias nei modelli linguistici, Ullman ha affermato che spesso si pensa che gli algoritmi di apprendimento automatico introducano un bias. Ha ritenuto che sia importante comprendere che il risultato di un modello dipende dai dati che vengono utilizzati per addestrarlo.
Ullman ha dato un esempio di come un’azienda potrebbe utilizzare un software per vagliare i curriculum delle persone che cercano lavoro, sottolineando che se i dati mostrano un trattamento discriminatorio nei confronti delle donne, l’intelligenza artificiale potrebbe imparare a scartare le candidature femminili. Ha sottolineato che la colpa non è dell’intelligenza artificiale, ma delle politiche aziendali e dei dati utilizzati per addestrarla.
Infine, Ullman ha riflettuto sul fatto che i modelli linguistici come ChatGPT potrebbero diventare sempre più potenti, ma ha sottolineato che ciò non significa necessariamente la sostituzione completa di professioni come avvocati e medici. Ha paragonato l’evoluzione dei modelli linguistici all’introduzione di strumenti come Microsoft Word, che ha migliorato la qualità dell’output senza eliminare le professioni coinvolte.