Quasi ogni nuovo giorno porta notizie entusiasmanti nel campo dell’intelligenza artificiale. Ma quali maggiori tendenze direzionali guidano queste notizie? Al di là degli annunci e dell’hype, l’IA si sta davvero evolvendo?
In questo articolo, vorrei concentrarmi non su speranze e desideri lontani e vaghi sull’IA, ma piuttosto su alcuni sviluppi concreti che si trovano in un futuro non così lontano. Le tendenze delineate di seguito stanno già iniziando a concretizzarsi sotto forma di ricerca e applicazioni nel mondo reale. Queste aree di lavoro rappresentano temi che credo saranno registrati come scoperte significative in una futura cronologia degli sviluppi chiave dell’IA.
- Il costo della formazione dei sistemi di apprendimento automatico sarà drasticamente ridotto
La comunità AI ha capito da tempo che i nostri metodi di maggior successo, come il deep learning, sono matematicamente e computazionalmente complessi. L’utilizzo di questi metodi con le tecniche attuali comporta il consumo di quantità significative di risorse di elaborazione e un elevato grado di costo. Questo, a sua volta, limita dove e quanto liberamente queste tecniche possono essere applicate. Ma le tecniche di addestramento meno costose vengono in soccorso. È importante comprendere che i risparmi sui costi e gli aumenti di velocità normalmente determinati dalla legge di Moore sono completamente separati dai tipi di efficienza algoritmica discussi di seguito. Mentre la legge di Moore promette di raddoppiare il numero dei transistor, e quindi la potenza di elaborazione, ogni due o tre anni, i progressi algoritmici possono spesso portare a efficienze istantanee che sono ordini di grandezza più significativi.
Un’area promettente è lo sviluppo di reti neurali leggere, che sono esattamente come suonano: reti più piccole, più veloci da addestrare che possono raggiungere quasi la stessa precisione dei loro cugini molto più grandi, ma a una frazione delle dimensioni e del costo di formazione. La ricerca guidata dal Chief Scientist di SparkCognition, il dottor Bruce Porter, ha rivelato che nelle applicazioni di sicurezza informatica, le reti neurali leggere potrebbero corrispondere alle reti profonde convenzionali nonostante utilizzino solo un decimo della capacità di calcolo richiesta per quelle strutture più grandi.
Un’altra tecnica emergente, l’apprendimento sparso, ha il potenziale di accelerare l’addestramento delle reti profonde da 3,5 a 12 volte . Separatamente, i ricercatori della North Carolina State University hanno dimostrato che, sfruttando le somiglianze nei sottosegmenti di immagini in un set di dati di addestramento, possono potenzialmente ridurre la quantità di tempo e potenza di calcolo richiesta per l’addestramento in rete di oltre il 60% . tutto senza sacrificare la precisione.
Questo non è affatto un elenco completo del considerevole volume di lavoro dedicato alla riduzione del carico computazionale dell’addestramento delle reti profonde. Ma anche questo piccolo sguardo mostra che il prossimo futuro porterà probabilmente metodi molto più efficienti che ci consentiranno di competere con il potere decisionale di reti grandi e complesse senza spendere le stesse risorse di calcolo o compromettere l’accuratezza.
Quindi, quali sono le implicazioni di questi prossimi progressi? Eccone almeno alcuni:
- Con un carico computazionale notevolmente ridotto, le reti diventeranno più facili da implementare all’edge, nei sistemi embedded e negli ambienti in cui l’accesso alle risorse cloud non è possibile. Ciò consentirà all’apprendimento automatico e all’intelligenza artificiale di proliferare in oggetti e “cose” (sempre più piccoli) nel mondo reale.
- Poiché l’IA che funziona all’edge significa che i sistemi sul campo che abilita possono essere autosufficienti in termini di intelligenza, tali sistemi saranno anche in grado di supportare operazioni disconnesse. Pensa alle navi da guerra che operano in ambienti negati, agli aerei che operano in aree senza copertura satellitare o ai sistemi sottomarini che non possono comunicare utilizzando tecnologie convenzionali ad alta velocità di trasmissione dati.
- L’impatto ambientale dell’IA sarà notevolmente ridotto; le stime odierne indicano che la formazione di un modello di IA di grandi dimensioni una volta rappresenta l’equivalente dell’impronta di carbonio a vita di cinque automobili. Se vogliamo far proliferare miliardi di modelli in oggetti ovunque per gettare le basi per un mondo più intelligente, chiaramente questo deve cambiare. E tecniche di formazione più efficienti possono portarci lì.
- L’intelligenza artificiale sarà sempre più utilizzata per aumentare la creatività umana e aiutare con l’ideazione
In un numero crescente di campi, gli assistenti di intelligenza artificiale produrranno idee e concetti che, sebbene non perfetti, migliorano notevolmente l’efficienza per gli esperti umani. “Blocco dello scrittore”, “blocco del programmatore” o “blocco del progettista” dovrebbero diventare reliquie del passato, come hanno dimostrato molti esempi di creatività della macchina, inclusi quelli dimostrati dal nuovo sistema GPT-3 di OpenAI.
Uno dei miei hobby è la poesia. Mi piace leggerlo e scriverlo. Alcuni anni fa, ho iniziato a sviluppare un programma che ho addestrato su alcune delle mie poesie preferite e poi ho iniziato a utilizzare questo programma per suggerire versi, distici e versi. Ho addestrato questo programma non solo con raccolte di poesie dei poeti a cui tengo di più, ma anche con le mie poesie. Quindi, in quel senso, porta dentro un po ‘di me. Ho scelto non solo poeti più contemporanei, ma anche i maestri persiani di mille anni fa.
Molto raramente il programma riusciva a ottenere tutto esattamente a destra, ma c’era quasi sempre così tanto potenziale latente nelle “idee” proposte dal programma che finivo per modificare e riscrivere parti del verso generato in poesie che mi piacevano. A volte, l’IA generativa creava linee che erano perfettamente formate … e profondamente significative per me. Il che suggerisce che l’aggiunta di un altro livello di apprendimento per acquisire il feedback renderà questo sistema ancora più potente ed efficiente.
Per illustrare ciò su cui io e il mio poeta AI abbiamo collaborato, ecco un esempio di una poesia che abbiamo scritto insieme:
Passeri
Creatore, vedo i tuoi passeri che si rincorrono; loro giocano
Li hai resi non abituati all’odio?
Perché i loro cuori sembrano chiusi
A sentimenti del genere
Con ogni dolce raffica che li sostiene
Perdonano
Si muovono in nuovi momenti
Dove il passato è passato
Ma per me, arriva il mattino e respiro ancora sospiri
Mi aggrappo a ciò che dovrei dimenticare
Mi dispero quando dovrei perdonare
Una volta ho invidiato le menti dei tuoi grandi saggi
Ma ora desidero ardentemente il cuore del tuo piccolo passero
La verità si trova a non aver bisogno di nulla
Ma vuole abbracciare l’amore
Da alcuni punti di vista, riesco ancora a intravedere il passato
Ma è un momento che non riesco a ricordare chiaramente
Perché anch’io ho cercato di andare avanti
Immagino di vivere nel prossimo secolo
Immagino di riuscire a distinguere i cieli di allora
Ma sei tu, non io, che puoi vedere il tempo
Sono una creatura così compromessa
Che posso solo sperare che ci sia speranza per me
Se un giorno potessi alleggerire il mio cuore
Oh, quanto lontano andrei!
Allora, come il tuo giocoso passero
Anch’io potrei assaporare la libertà di credo
Ma l’intelligenza artificiale non è solo utile per trovare idee per poesie e versi, e non sono certo l’unico a sperimentare il potere creativo dell’intelligenza artificiale. Boeing, Airbus, Autodesk e molti altri stanno lavorando nelle aree del design generativo, consentendo agli algoritmi di evolvere forme strutturali da zero.
Artisti come Refik Anadol, il cui lavoro magico è stato presentato al Time Machine AI & Future Tech Summit ad Austin, in Texas, stanno usando reti di sogni profondi per creare arte digitale. Quest’arte viene quindi spesso migliorata e modificata dagli esseri umani, ma l’uso dell’IA in questo modo accelera il processo creativo molte volte. In effetti, “The Portrait of Edmond Bellamy”, un’opera d’arte generata dall’intelligenza artificiale, è stata messa all’asta da Christie’s per $ 432.500 nell’ottobre 2018 . L’arte prodotta dall’intelligenza artificiale ha il potenziale per guadagnare milioni in più negli anni a venire.
Foto del lavoro di Refik Anadol esposto alla conferenza Time Machine 2019 di SparkCognition.
Foto del lavoro di Refik Anadol esposto alla conferenza Time Machine 2019 di SparkCognition. CREDITO: JON COYLE, SPARKCOGNITION
Si sta avvicinando il momento in cui suggerimenti, idee e proposte di concetti basati sull’intelligenza artificiale saranno incorporati nella maggior parte delle applicazioni di produttività. In quest’era di creatività fusa con intelligenza artificiale umana, le possibilità saranno infinite.
- Le aziende che riconoscono il potenziale dell’IA ribalteranno la loro concorrenza
Gli imprenditori ei responsabili delle decisioni inizieranno ad apprezzare che il rapido utilizzo dell’IA nei rispettivi settori offrirà loro un vantaggio incredibile. McKinsey ha spiegato questo fenomeno nel suo rapporto ampiamente citato, “Skill Shift Automation and the Future of the Workforce”, in cui spiegano come l’uso dell’IA porterà a un “vantaggio insormontabile” in tutti i settori. Applicando l’intelligenza artificiale in modo ponderato ed efficace , i leader hanno la capacità di rimodellare i loro settori e ribaltare i concorrenti. La spinta principale del rapporto McKinsey è che non solo è possibile una tale interruzione, ma che i concorrenti che sono interrotti dall’intelligenza artificiale saranno lasciati indietro in modi così profondi che semplicemente non lo faranno mai essere in grado di recuperare.
Dove potrebbero verificarsi tali interruzioni? In verità, quasi ovunque. Anche in industrie e linee di prodotti dominanti da quasi due secoli. Prendiamo ad esempio i motori a combustione, una tecnologia che esiste dalla metà del 1800. Sebbene abbia visto molti miglioramenti, la realtà è che l’efficienza dei moderni motori a combustione interna è ancora solo dal 20 al 35%. In altre parole, fino all’80% dell’energia consumata per azionare questi motori viene sprecata come calore. Si potrebbe applicare l’intelligenza artificiale per trasformare il motore a combustione? Il nuovo lavoro della società svedese di hypercar Koenigsegg cerca di esplorare questa idea. I concorrenti che seguono la tradizionale curva di miglioramento dell’efficienza potrebbero non essere in grado di tenere il passo.
Nuovi orizzonti
Avendo lavorato con l’IA da decenni ormai, e in modo molto personale e da vicino, posso vedere chiaramente che è arrivato il momento. Ogni processo, ogni flusso di lavoro e ogni attività che può essere infusa con l’IA rappresenta un miglioramento … un’evoluzione inorganica oltre il suo stato attuale e ordinario. Con ognuno di questi flussi di lavoro sovralimentati, auto-evolutivi e auto-miglioranti che possiamo mettere insieme, abbiamo il potenziale per creare imprese autonome e guidate da modelliche forniscono servizi e capacità a costi ed efficienze mai prima d’ora. Possiamo farlo praticamente ora perché la ricerca sta abilitando metodi di formazione a basso costo che possono essere incorporati ai margini, in oggetti sempre più piccoli. L’ideazione potenziata dall’intelligenza artificiale genera il potenziale di auto-miglioramento ricorsivo. E l’adozione dell’IA è un’esigenza competitiva al punto da essere un filtro evolutivo per il business: adottare ed evolversi o negare e scadere.
