GEAB 179

Mihai Nadin, professore emerito presso la Ashbel Smith University, Università del Texas a Dallas; la sua carriera spazia tra ingegneria, matematica, tecnologia digitale, filosofia, semiotica, teoria della mente e sistemi anticipatori. Ha conseguito lauree post-laurea in ingegneria elettrica e informatica, oltre a un diploma di post-dottorato in filosofia, logica e teoria della scienza. Il suo prossimo libro è Disrupt Science: The Future Matters (Springer, 12 dicembre 2023).

In questo articolo, mette in prospettiva i risultati spettacolari dei modelli di IA e il consumo di risorse necessario per raggiungerli. Ciò lo porta a formulare la seguente definizione: le entità artificiali potrebbero legittimamente affermare di essere intelligenti se, nello svolgere un compito, consumassero la stessa quantità di energia o meno, e la stessa quantità di dati o meno, di un’entità vivente che svolge lo stesso compito.

Dato che di recente è stato possibile parlare con la propria Chat GPT (il che significa un’interfaccia più intuitiva con la tecnologia GPT) – la cosiddetta IA generativa – alcuni si chiederanno se ciò sia promettente o pericoloso. Ciò che manca è la domanda più ampia: quali sono le conseguenze per la nostra civiltà? Questa è la domanda che mi sono posto fin dal mio coinvolgimento con l’IA, risalente alla sua prima ondata di successo (e ai successivi crolli). Non rivendico un contributo specifico, ma dato il mio coinvolgimento nell’informatica e nella semiotica, posso dire che la mia prospettiva più ampia sull’intelligenza artificiale e sull’apprendimento è il mio contributo. Permettetemi di contestualizzare.

Estinzione o paradiso?

L’attuale mania per l’intelligenza artificiale è indicativa del livello di abilità di chi si trova sotto i fari di un oggetto volante in rapido movimento e non ancora identificato. I titoli dei giornali vanno da “Mitigare il rischio di estinzione attraverso l’AI[1] ” alla promessa di un mondo libero da malattie (cancro[2], in particolare) e di una prosperità illimitata. Non ci sarà più bisogno di avvocati (grazie a Dio!), né di medici, per non parlare dei camionisti e degli sceneggiatori di Hollywood. L’intelligenza artificiale è ovunque, il più delle volte in modalità stealth, e altamente efficace in tutte le forme di sorveglianza (che sono davvero tante).

Il MIT Sloan Executive Education afferma senza esitazione: “Il clamore intorno alle tecnologie innovative di IA è destinato a rimanere. Assicuratevi di essere in grado di trarne vantaggio[3] “. Confrontate questa affermazione con “Strani prodotti generati dall’IA sono nei negozi. Ecco come evitarli”[4]. Esistono già esperti di IA generativa e di falsi profondi. Ma copiare un’opera d’arte originale o plagiare un libro non è la stessa cosa che fingere di essere qualcun altro, o addirittura fingere di essere Dio.

Capitalizzare su qualcosa che potrebbe estinguere l’umanità – il 67% di coloro che operano nel campo dell’IA lo pensa[5] – o che potrebbe portare all’esperienza del paradiso terrestre – come sostengono i demagoghi in qualità di esperti di IA – va oltre la piccola criminalità. Le nuove aziende che si occupano di IA stanno capitalizzando trilioni di dollari, una cifra mai vista prima. Questo nonostante il fatto che questa meraviglia sia un aggiornamento su larga scala dei “vestiti nuovi dell’imperatore”. I “tessitori” dell’abito che dovrebbe rendere il re invisibile agli stupidi e agli ignoranti sono ingegnosi informatici che cavalcano l’onda dell’elaborazione dei dati su larga, larghissima, larghissima, iper-grande scala. La loro visione dell’intelligenza, che dovrebbero fornire in forma artificiale, è priva di conoscenza, ma affogata nei dati. In effetti, la scienza è stata sostituita dall’azione di elaborare, senza comprenderli, i dati che genera.

La chimera dell’AGI

L’enfasi è sulla quantificazione, cioè sul dare numeri a tutto. È un’ossessione per i dati, a scapito della comprensione del significato di ciò che viene misurato. L’assenza di basi scientifiche spiega perché l’obiettivo dei fanatici dell’IA sia la cosiddetta Intelligenza Artificiale Generale (AGI). La seducente illusione di un’intelligenza capace di fare tutto: descrivere il ripiegamento delle proteine, curare le unghie incarnite, speculare in borsa, sostituire, consigliare i governi, eseguire interventi chirurgici e, soprattutto, salvare l’umanità, spiega i finanziamenti illimitati di cui gode questo campo. Con la magica AGI – “siamo così vicini”, si sostiene – non ci sarà più bisogno di accontentarsi di istruzioni su come vincere a scacchi o a Go, su come interpretare i raggi X, su come guidare o pilotare autonomamente, su come scrivere poesie o risolvere problemi matematici. L’umanità salvata a costo di estinguere la vita sul pianeta Terra? Viene in mente il patto faustiano.

Nel 1983, poco più di 40 anni fa, Howard Gardner documentò una varietà di tipi di “intelligenza” nel suo libro Frames of Mind: The Theory of Multiple Intelligences. È probabile che il suo libro sia stato “risucchiato” come dati di addestramento per il GPT o per alcune varianti del Transformer Model. L’intelligenza di un giocatore di calcio, di un cantante o di un violinista, di un pittore, di un investitore, di un calzolaio (o di chiunque oggi produca scarpe con i robot) è diversa da quella di un programmatore. Yann LeCun, responsabile della scienza dell’intelligenza artificiale di Meta, ha sottolineato che “gli esseri umani non hanno bisogno di imparare da un trilione di parole per raggiungere l’intelligenza[6]. Se non vi viene in mente altro, pensate ai neonati e ai bambini. In realtà, gran parte della scienza di cui dovremmo lamentare l’assenza nell’IA, anziché cercare di regolamentarla, è già disponibile. In breve: due matematici, Hilbert e Ackermann, hanno formulato il cosiddetto Entscheidunsproblem: esiste una macchina in grado di decidere se una particolare prova matematica è giusta o sbagliata? Due dei geni scientifici del nostro tempo hanno trovato una risposta. Turing ha dimostrato l’impossibilità di costruire una macchina del genere: nessuna procedura meccanica può convalidare una prova matematica. Questo dovrebbe di per sé informare coloro che si concentrano sull’intelligenza generale – l’obiettivo dell’AGI – che essa è, per sua stessa natura, una chimera. Se un’applicazione – decidere una prova matematica – non è fattibile, scordatevi l’obiettivo di fare tutto in modo intelligente. Ma poi c’è Gödel: esistono entità indecidibili. Ciò significa che non possiamo descriverle in modo completo e coerente (cioè senza contraddizioni). Un’intelligenza generale dovrebbe essere decidibile. Questo è impossibile quanto la quadratura di un cerchio, la triplicazione di un angolo o il raddoppio di un cubo, o la rappresentazione della radice quadrata di 2 sotto forma di una frazione razionale a/b, indipendentemente dalle nuove tecnologie sviluppate.

L’apprendimento automatico è destinato a consumare sempre più energia

Sono possibili applicazioni parziali dell’intelligenza artificiale? Certo, e alcune sono convincenti. Le stiamo vivendo. Elon Musk ha annunciato una sperimentazione di Neuralink per curare persone affette da tetraplegia (come il compianto Stephen Hawking). Ma non solo: la sua risposta Grok-in alla frenesia del GPT – formata sui dati di quello che era Twitter (ora X) – introduce lo stile della Guida galattica per gli autostoppisti.  Ma anche nel successo popolare c’è motivo di preoccupazione. Nel modello di calcolo algoritmico a forza bruta con cui si ottiene l’IA, vengono elaborate quantità sempre maggiori di dati. Non solo sono necessari molti dati, ma anche molta energia. Finora i produttori dei motori di calcolo più potenti, come Nvidia, sono quelli che stanno capitalizzando di più sull’IA.

Le impressionanti prestazioni tecnologiche dell’apprendimento automatico, in assenza di conoscenza, sono destinate a consumare sempre più energia. Vincere una partita a scacchi al costo dell’energia che una piccola città consuma in una settimana non è sostenibile. Una richiesta di chat GPT – o, se è per questo, il Bardo di Google o il Bing di Microsoft – richiede quantità ridicole di risorse, come ha recentemente calcolato Sajjad Moazeni dell’Università di Washington[7]. Nessun essere vivente, dal più piccolo al più grande animale, consuma più energia di quella necessaria per ottenere ciò che gli serve per sopravvivere. L’energia consumata dalla minuscola beccaccia durante la migrazione viene acquisita attraverso il metabolismo⁸. L’intelligenza, sotto forma di azione anticipatrice, guida gli esseri viventi in tutte le forme di esistenza conosciute, acquisendo ciò di cui hanno bisogno per prosperare. Gli esseri umani vanno oltre la sopravvivenza: il loro obiettivo è prosperare. Purtroppo, a volte a spese di altri. O prendendo in prestito dal futuro.

Figura 1 – Confronto del consumo energetico dei modelli di IA. Fonte: Towardsdatascience

Tenendo presente tutto questo, ho formulato un criterio preciso per definire l’intelligenza: le entità artificiali potrebbero legittimamente affermare di essere intelligenti se, nello svolgere un compito, utilizzassero la stessa quantità di energia o meno, e la stessa quantità di dati o meno, di un’entità vivente che svolge lo stesso compito.

Per quanto spettacolari possano essere i cosiddetti risultati dell’IA, nessuno di essi può essere considerato intelligente, ma piuttosto in grado di elaborare dati ad alte prestazioni, talvolta definiti “raw computing”. Una start-up che non cerca di elaborare ancora più dati, a prescindere dal costo, ma piuttosto di definire la quantità minima di dati necessaria per raggiungere l’obiettivo desiderato, dimostrerà di essere consapevole della sostenibilità. Una consapevolezza che manca in modo evidente nell’attuale clamore mediatico.

Per parlarne, trovate la GEAB Community su LinkedIn.

_____________

[1]     Fonte: Come espresso da Ursula von der Leyen nel suo discorso sullo stato dell’Unione. Commissione europea, 13/09/2023

[2]     Fonte: ABC News, 21/07/2023

[3]     Fonte: Central Nebraska Today, 02/10/2023

[4]     Fonte: Washington Post, 18/09/2023

[5]     Fonte: Central Nebraska Today, 02/10/2023

[6]     Fonte: Twitter – Yann Le Cunn, 28/03/2023

[7]   Fonte: Università di Washington, 27/07/2023

8     Fonti: Gould JL, Grant Gould C (2012) Nature’s Compass: The Mystery of Animal Navigation. Princeton NJ: Princeton University Press.