Apprendimento automatico: la diffusione dell’IA generativa nelle imprese, nella ricerca e nell’istruzione

7 agosto 2023 | 8 tempo di lettura
Autore/i
Avatar
Lou D'Ambrosio
Head of the GS Value Accelerator platform
Avatar
David Ferrucci
CEO of Elemental Cognition
Perspectives
Questa pubblicazione fa parte della nostra serie Perspectives
Punti principali
1
Potrebbe sembrare che i modelli linguistici di grandi dimensioni siano arrivati tutto ad un tratto, ma in realtà sono il risultato di decenni di ricerca e i modelli più potenti sono ancora in fase di sviluppo.
2
È probabile che la catena del valore si modifichi, con i dipendenti che si concentreranno sulle attività in cui possono apportare il massimo valore aggiunto piuttosto che su compiti banali che possono essere svolti da un computer.
3
Gli esseri umani stanno ancora istruendo le macchine, ma crediamo che tra dieci anni le macchine potrebbero istruire le persone, attraverso un metodo di apprendimento personalizzato, interattivo e innovativo.

Ultimamente è stato dato grande risalto alle capacità dell’intelligenza artificiale generativa (Generative Artificial Intelligence, GAI): le persone sono rimaste sorprese dalla capacità con cui i modelli linguistici di grandi dimensioni come ChatGPT possono svolgere compiti come scrivere un romanzo, suggerire una ricetta o riassumere una ricerca complessa. C’è ancora molto da scoprire: questi modelli rappresentano solo la punta dell’iceberg e altri strumenti molto più potenti sono in fase di sviluppo. Tuttavia, non mancano le preoccupazioni: questi modelli provocheranno una disoccupazione su larga scala? Le macchine potrebbero arrivare a conquistare il mondo?

Lou D’Ambrosio, Head of Value Accelerator di Goldman Sachs, ha recentemente incontrato Dave Ferrucci, un autorevole ricercatore nel campo dell’intelligenza artificiale. Tra il 2007 e il 2011 il Dr. Ferrucci ha diretto un team di esperti di IBM e di accademici nello sviluppo del sistema informatico Watson, che ha sconfitto i migliori concorrenti di tutti i tempi del quiz show televisivo “Jeopardy!”  Nel 2015 ha fondato Elemental Cognition, un’azienda di intelligenza artificiale specializzata nel comprendere a fondo il linguaggio naturale.

Da dove provengono così improvvisamente questi modelli linguistici di cui tutti parlano?

Ferrucci: Sicuramente rappresentano un grande passo avanti per l’intelligenza artificiale, ma non credo che tutti si rendano conto che non sono apparsi dal nulla: sono il risultato di un lungo percorso. Sono decenni che le persone lavorano sull’intelligenza artificiale, ma quello a cui stiamo assistendo ora è un momento cruciale, perché la capacità di padroneggiare il linguaggio è una delle abilità più strettamente associate all’intelligenza umana e questi modelli linguistici di grandi dimensioni sono veramente in grado di riprodurla. Ora possiamo vedere macchine che si esprimono con un linguaggio coerente e fluente come il nostro.

Come funzionano questi modelli?

Ferrucci: I modelli linguistici di grandi dimensioni sono un’applicazione del deep learning. Lavorando in modo predittivo, vagliando una grande quantità di dati, analizzano gli schemi ricorrenti nelle parole per calcolare le probabilità che determinate parole seguano una particolare sequenza di altre parole. Riescono a farlo così bene grazie all’enorme quantità di dati su cui vengono addestrati. In questo modo si crea un’incredibile fluidità che è coerente non solo con il linguaggio dei dati di input, ma anche con le specifiche richieste dell’utente.  Poi, ovviamente, è possibile rispondere all'output e creare un dialogo. Le macchine non ragionano come gli esseri umani ma il risultato è straordinario e significativo: una comunicazione tra uomo e macchina.

Quali sono le implicazioni per le società?

Ferrucci: Il linguaggio è fondamentale per l’acquisizione della conoscenza. La comunicazione delle idee da uomo a uomo avviene attraverso il linguaggio. Di conseguenza, i modelli linguistici potrebbero influire su funzioni aziendali fondamentali come il riepilogo, la sintesi, la spiegazione e la presentazione di dati importanti e approfondimenti. Il lavoro di molti manager di livello intermedio, che svolgono un ruolo di collegamento, potrebbe esserne impattato. La catena del valore inizia a modificarsi perché gli organi decisionali possono ottenere da una macchina la sintesi, il riassunto, l’aggregazione e la presentazione delle informazioni, il tutto ad un costo molto più basso. I clienti delle società ora hanno accesso a queste conoscenze in modo molto più immediato e con una minore necessità di competenze umane.

I modelli linguistici potrebbero influire su funzioni aziendali fondamentali come il riepilogo, la sintesi, la spiegazione e la presentazione di dati importanti e approfondimenti.

Un’azienda potrebbe sviluppare il proprio modello linguistico di grandi dimensioni per sfruttarne tutte le capacità, ma allo stesso tempo mantenere anche il controllo sui dati di input?

Ferrucci: Penso che le aspettative siano quelle di vedere modelli linguistici specializzati in un’area particolare e addestrati all’interno di una società sulla base dei contenuti di quest’ultima, potenzialmente utilizzando quelli che vengono definiti modelli linguistici fondamentali per istruirli su come è strutturato il linguaggio generale. In seguito viene aggiunto un ulteriore livello per addestrare i modelli con le conoscenze specifiche di un’azienda. È possibile anche addestrarli in modo specifico per un determinato ambito, concentrandosi solo su alcuni argomenti.

In che modo le aziende dovrebbero sfruttare il potenziale offerto dai modelli linguistici?

Ferrucci: Credo che le aziende non possano permettersi di ignorare ciò che sta accadendo. La soluzione specifica dipende dalla natura della loro attività e sarà necessario effettuare degli esperimenti. Una domanda fondamentale è se il prodotto o il servizio offerto è qualcosa che l’IA può replicare direttamente. Oltre a questa domanda fondamentale, le società potrebbero dover esaminare i loro flussi di lavoro e i loro processi per individuare test a basso rischio e trovare opportunità valide. Credo che il rischio principale sia quello di ignorare l’IA o di non considerare tutti i vari modi in cui potrebbe cambiare i processi aziendali.

Che tipo di ruoli saranno interessati?

Ferrucci: Tutti parlano dell’impatto sui ruoli creativi. Immaginiamo il compito degli scrittori nei ruoli di vendita e marketing: gran parte delle loro attività possono essere ripetitive e schematiche. Questi modelli possono svolgere tali compiti a costi estremamente contenuti, consentendo agli scrittori di concentrarsi su quel 20% del loro ruolo che prevede la creazione di nuove idee per aggiungere effettivamente valore.

I database e i sistemi informatici esistenti dispongono già di tecniche di calcolo potenti, efficaci e affidabili, ma richiedono un intermediario tra gli organi decisionali e l’uso di questa tecnologia. I modelli linguistici di grandi dimensioni possono ora aiutare gli organi decisionali a comunicare in modo fluido con i sistemi informatici per effettuare analisi e giungere a conclusioni. Prendiamo ad esempio la logistica: in passato le questioni complesse relative a viaggi, programmi sanitari, finanza o design richiedevano molteplici interazioni umane. Ora una macchina può risolvere questi problemi e interagire in modo fluido con chi non necessariamente comprende tutti i processi. I call center, ad esempio, attualmente utilizzano le macchine per gestire il 90-95% delle chiamate in entrata, rispetto al 40-50% del passato.

In che modo l’IA influisce su aree come la ricerca e il biofarmaceutico?

Ferrucci: Le aziende stanno utilizzando modelli linguistici di grandi dimensioni insieme alla ricerca e all’analisi semantica e questo sta riducendo drasticamente la necessità di effettuare ricerche su computer con metodi tradizionali. La produzione di ricerche di alta qualità e con evidenze solide in settori come gli investimenti o la farmaceutica, che prima richiedevano mesi, ora può essere effettuata potenzialmente in giorni, ore o addirittura minuti.

Un altro settore è quello del ripiegamento delle proteine (protein folding). Il modo in cui le proteine si ripiegano segue diversi schemi prevedibili, che in sostanza sono come un linguaggio a sé stante. I modelli linguistici di grandi dimensioni utilizzano potenti tecniche di deep learning per imparare queste sequenze di schemi, in modo da aiutarci a capire le proteine e il loro meccanismo di ripiegamento. Ciò significa che possono svolgere un ruolo importante nella scoperta di nuovi farmaci e nella comprensione delle malattie.

Il linguaggio non si limita alle parole, ma comprende sequenze e schemi con un loro significato. La struttura di una proteina si basa sul linguaggio e i modelli linguistici possono aiutarci a imparare in modo molto più efficiente i modelli tipici che stanno alla base delle proteine.

Qual è il ruolo dell’IA nell’istruzione?

Ferrucci: Attualmente è possibile ricevere una formazione su qualsiasi argomento, ma il problema principale è che non è personalizzata per ogni singolo studente. Supponiamo di poter prendere tutti i contenuti esistenti, renderli dinamici, interattivi e personalizzarli per ciascun studente. In questo modo si otterranno miglioramenti enormi per l’istruzione sia in ambito accademico che aziendale.

A cosa dobbiamo fare particolare attenzione?

Ferrucci: Dobbiamo fare attenzione a come questi strumenti potrebbero essere utilizzati in modo inappropriato, soprattutto per quanto riguarda la sicurezza, la proprietà intellettuale e l’impatto di questi strumenti sull’economia. Dobbiamo ancora capire tutte le possibili implicazioni.

Credo che le persone che comprendono meglio questi modelli abbiano legittimi timori in merito alla privacy, alla sicurezza, all’affidabilità e alla fiducia. La tecnologia è già facile da usare e pervasiva, quindi non so quanto sia possibile arrestare i progressi e lo sviluppo attualmente in corso, come suggeriscono alcuni.

È importante tenere conto di queste preoccupazioni, esserne consapevoli e fermarsi a riflettere. Credo che molte di esse saranno risolte, ma dobbiamo ricordare che si tratta di sistemi generativi: stanno generando cose nuove. Potrebbero raccogliere informazioni non vere e sviluppare qualcosa sulla base di queste false informazioni, e questo è diverso dallo svolgere una ricerca.

Dove pensa che arriveremo tra 10 anni?

Ferrucci: In genere sono ottimista, anche se ci sono molti punti critici da tenere in considerazione. Oggi siamo ancora nella fase in cui gli esseri umani addestrano le macchine. Tuttavia, questi modelli diventeranno così fluidi e capaci di sintetizzare il linguaggio che alla fine potrebbero essere le stesse macchine ad istruire gli esseri umani. Le macchine potrebbero insegnarci nuove abilità, istruendoci su un’intera gamma di argomenti. La macchine potrebbero fornire un accesso personalizzato e interattivo al materiale didattico; allo stesso tempo, le persone potrebbero essere in grado di programmare i computer per eseguire un’ampia gamma di compiti semplicemente parlando con loro.

In realtà, non vedo un futuro per l’umanità senza l’intelligenza artificiale. Secondo me, è lo strumento più importante per il progresso della specie umana. Questo non vuol dire che non sarà un percorso complesso o che non avremo molto da imparare lungo il cammino. Le persone dovranno effettuare numerosi test, dovremo essere prudenti e la tecnologia dovrà essere regolamentata con attenzione. Si tratta di una tecnologia potente e ritengo che il nostro destino sia quello di svilupparla al meglio.

Le macchine potrebbero insegnarci nuove abilità, istruendoci su un’intera gamma di argomenti.

Quanto possono ulteriormente migliorare i modelli linguistici di grandi dimensioni?

Ferrucci: Penso che raggiungeremo un punto in cui i progressi saranno meno significativi e credo che il valore deriverà dall’efficacia con cui adatteremo i modelli per risolvere problemi specifici. Possiamo addestrare i modelli su un’enorme quantità di linguaggio umano, ma come possiamo usarli efficacemente nel contesto imprenditoriale? Come li integriamo con altre tecniche e altre tecnologie per essere efficenti? È qui che probabilmente si concentrerà gran parte dell’interesse in futuro.

Autore/i
Avatar
Lou D'Ambrosio
Head of the GS Value Accelerator platform
Avatar
David Ferrucci
CEO of Elemental Cognition
Inizia la conversazione
Contatta Goldman Sachs Asset Management per approfondire le tue esigenze.
card-poster