È stato un anno selvaggio in ogni trimestre e lo sviluppo dell’IA non fa eccezione. Nel complesso, l’anno è stato misto per l’IA, poiché ci sono stati sia notevoli progressi che nuove rivelazioni sulle applicazioni abusive della tecnologia. E il mercato delle tecnologie di intelligenza artificiale sembra essersi stabilizzato, con un recente sondaggio globale che non ha riscontrato alcun aumento nell’adozione dell’IA nell’azienda. Questo aiuta a spiegare perché Element AI, una startup una volta ad alta quota che ha creato applicazioni AI per aziende che altrimenti non avevano le competenze necessarie, alla fine non è stata in grado di sopravvivere da sola.
Un nuovo rapporto sull’adozione dell’IA da parte di IndustryLab ha rilevato che l’implementazione dell’IA all’interno di un’azienda spesso si scontra con le sfide delle persone, come la paura del cambiamento e la perdita del lavoro, nonché la mancanza di competenze pertinenti. Secondo il rapporto, l’87% degli intervistati ha affrontato le sfide delle persone nelle loro implementazioni di intelligenza artificiale. Questi problemi rimangono un ostacolo sostanziale all’adozione dell’IA aziendale. Non c’è da meravigliarsi che i progressi siano stati lenti all’interno delle imprese, dando l’impressione di un plateau.
Ma nonostante tale resistenza, la tecnologia AI continua ad andare avanti. I recenti progressi della tecnologia AI spaziano dal miglioramento del linguaggio sintetico alla salvaguardia della salute delle api , alla creazione di un sistema alimentare di nuova generazione e allo sviluppo di nuove ricette , al miglioramento del trattamento per il cancro al seno , alla scoperta della corruzione del governo e alla costruzione di semafori più intelligenti . Questi e altri progressi fanno parte del motivo per cui uno studio di PwC stima che entro il 2030 l’IA aumenterà la produzione economica globale di oltre $ 15 trilioni. Sundar Pichai di Alphabet ha notoriamente affermato che l’IA è più profonda dell’elettricità o del fuoco. Almeno una delle principali piattaforme di analisi dei dati ritiene che il 2021 sarà l’ anno dell’intelligenza artificiale poiché diversi grandi settori tra cui petrolio e gas, fintech e società di ricerca sui farmaci adotteranno sempre più la tecnologia.
Quindi l’intelligenza artificiale si è davvero stabilizzata o stiamo solo assistendo a una pausa prima di un nuovo periodo di forte adozione? Ci aspetteremmo che una tale pausa derivi dalla dissonanza cognitiva: l’avanzata dell’IA che incontra la paura, la resistenza al cambiamento e l’incertezza sul fatto che la tecnologia sarà all’altezza del clamore . Ad un estremo ci sono previsioni come quella di Vladimir Putin secondo cui chiunque diventerà il leader nell’IA diventerà il dominatore del mondo . All’estremo opposto c’è un’analisi di 40 delle più grandi startup di intelligenza artificiale che suggerisce che queste aziende non stanno avendo un grande impatto, né sul cambiamento né sull’economia. Se quest’ultimo è vero, potremmo essere all’inizio del prossimo inverno AI, con aspettative ancora una volta superiori alla realtà.
Di conseguenza, la sfera di cristallo per l’IA è decisamente torbida. O siamo su un altopiano con il rischio di cadere in un baratro, o ci stiamo preparando per il prossimo round di innovazione. Molto probabilmente, ci sono due percorsi che si svolgono in parallelo: il continuo avanzamento delle capacità tecniche e le sfide umane dell’implementazione.
2020: un anno come nessun altro
Sebbene l’adozione dell’IA nell’azienda sia rallentata, i principali progressi nella ricerca sull’IA quest’anno ci ricordano che questa è un’area della tecnologia in grado di scatenare un cambiamento esponenziale.
L’elaborazione del linguaggio naturale sotto forma di GPT-3 sviluppato da OpenAI potrebbe essere il precursore della prima intelligenza artificiale generale (AGI), un enorme progresso. GPT-3 “impara” in base a modelli che scopre nei dati raccolti da Internet, dai post di Reddit a Wikipedia, alla fan fiction e ad altre fonti. Sulla base di questo apprendimento, GPT-3 è in grado di svolgere molte attività diverse senza formazione aggiuntiva, in grado di produrre narrazioni avvincenti , generare codice per computer , completare automaticamente le immagini , tradurre tra lingue ed eseguire calcoli matematici, tra le altre imprese, comprese alcune che i suoi creatori non avevano pianificato. Questa apparente capacità multifunzionale è un allontanamento da tutte le capacità AI esistenti. In effetti, è molto più generale nella funzione.
Con 175 miliardi di parametri , il modello va ben oltre i 10 miliardi nelle reti neurali più avanzate e ben oltre gli 1,5 miliardi del suo predecessore, GPT-2. Si tratta di un aumento di oltre 10 volte della complessità del modello in poco più di un anno , rendendola probabilmente la più grande rete neurale mai creata.
Un altro progresso significativo arriva da DeepMind con AlphaFold, una rete neurale di apprendimento profondo basata sull’attenzione che potrebbe aver risolto una sfida di quasi 50 anni in biologia: determinare la forma 3D delle proteine dalla loro sequenza di amminoacidi. Le proteine sono i mattoni della vita, responsabili della maggior parte di ciò che accade all’interno delle cellule. Come funziona una proteina e cosa fa è determinato dalla sua forma 3D. Fino ad ora, determinare la struttura delle proteine è stato difficile, laborioso, costoso e soggetto a guasti.
Il sistema AlphaFold ha superato circa 100 altri team in una sfida biennale di previsione della struttura proteica chiamata CASP, abbreviazione di Critical Assessment of Structure Prediction. Sugli obiettivi proteici considerati moderatamente difficili, la rete neurale ha raggiunto un’accuratezza di previsione del 90%, di gran lunga migliore rispetto ad altre squadre; alcuni lo considerano il risultato del Santo Graal della biologia . Il progresso dovrebbe accelerare notevolmente la comprensione degli elementi costitutivi delle cellule , consentire una scoperta di farmaci più rapida e avanzata e fondamentalmente annunciare una rivoluzione in biologia paragonabile al modello a doppia elica del DNA e alla tecnica di modifica del genoma CRISPR-Cas9.
In attesa
Per quanto significativi siano questi sviluppi, è impossibile trascurare i contributi di AI per far fronte alla pandemia COVID-19. L’intelligenza artificiale ha contribuito a monitorare la diffusione della malattia per limitare il numero di casi, ha digerito e distillato le migliaia di documenti sull’argomento e ora sta gestendo complesse catene di approvvigionamento per i vaccini, oltre a raccogliere dati per tenere traccia di eventuali effetti negativi che le persone potrebbero avere in risposta. Immagina quanto sarebbero peggiori l’impatto e la durata della pandemia se non fosse per l’IA. È possibile che questo sforzo ” lunare ” stimoli per anni la ricerca e lo sviluppo dell’IA in molti settori.
Con il ritardo nell’adozione da parte delle imprese, il 2021 potrebbe non rivelarsi l’anno dell’AI. Ma sicuramente vedrà più scoperte come quelle che abbiamo visto quest’anno e ci porterà nella prossima fase di un’inesorabile marcia in avanti verso una maggiore intelligenza.
