Esplorando le differenze tra intelligenza artificiale generativa e ristretta

Nel vasto panorama dell’intelligenza artificiale, è facile confondere termini che, seppur simili, hanno significati distinti. In particolare, è importante distinguere tra intelligenza artificiale generale e ristretta, così come tra queste e l’intelligenza generativa. Queste differenze non sono solo semantiche, ma hanno anche implicazioni normative rilevanti.

Innanzitutto, è fondamentale comprendere che esistono diversi tipi di intelligenze artificiali, ognuna con caratteristiche e capacità specifiche. L’intelligenza artificiale, infatti, non è una scienza a sé stante, ma una branca dell’informatica che si occupa di creare macchine in grado di simulare, in qualche modo, l’intelligenza umana.

La possibilità teorica di creare macchine intelligenti è stata dimostrata scientificamente già nel 1950 da Alan Turing nel suo lavoro “Computing Machinery and Intelligence”. Turing si è posto la domanda se una macchina possa pensare, riformulandola in termini più concreti: può una macchina fare ciò che noi, come soggetti pensanti, facciamo? La risposta, secondo la dimostrazione matematica di Turing, è affermativa, anche se all’epoca (e in parte ancora oggi) non era possibile raggiungere questo risultato in pratica.

Il test di Turing e l’intelligenza artificiale generale

Per riconoscere un’intelligenza artificiale in grado di pensare come un essere umano, Turing ha formulato il famoso “test di Turing” o “gioco dell’imitazione”. L’idea è che se una macchina riesce a ingannare un essere umano facendogli credere di interagire con un altro essere umano, allora si può affermare che tale macchina è “come se fosse” capace di pensare.

Tuttavia, molte intelligenze artificiali, anche se sorprendentemente efficaci in un ambito specifico, non sono in grado di operare altrettanto bene in altri contesti. Queste AI sono dette “ristrette” o “sistemi esperti”, proprio perché limitate a un dominio particolare, in contrasto con l’obiettivo di un’intelligenza artificiale “generale” (AGI), capace di fare tutto ciò che fa un essere umano, e potenzialmente anche meglio.

Un’AGI deve essere in grado di comprendere, apprendere e applicare l’intelligenza in una vasta gamma di compiti, proprio come farebbe un essere umano. Inoltre, deve essere capace di trasferire la conoscenza da un campo all’altro, imparando anche cose per cui non è stata programmata o addestrata. La questione se debba essere anche cosciente, secondo gli scienziati, non ha molto senso, poiché intelligenza e coscienza sono concetti distinti e non comparabili.

L’intelligenza artificiale generativa e i suoi antenati

Le intelligenze artificiali generative, a differenza delle AGI, sono state create per svolgere compiti specifici e sono quindi, in un certo senso, “ristrette”. Queste AI raggiungono i loro risultati grazie a modelli di reti generative avversarie (GAN) e modelli di trasformazione, e sono in grado di generare testo, immagini, musica o altri tipi di dati, mantenendo una forte coerenza con le altre creazioni dello stesso tipo, pur non essendo copie esatte.

Oggi esistono numerosi esempi di AI generative, come ChatGPT, Bard e Llama, ma il loro antenato comune risale al 1966: il chatbot Eliza, creato dal professore del MIT Joseph Weizenbaum. Eliza, pur essendo basata su algoritmi diversi rispetto alle AI generative attuali, riusciva a raggiungere risultati sorprendenti con poche centinaia di righe di codice. In particolare, la versione “Doctor”, uno psicoterapeuta cibernetico basato sulla scuola “non direttiva” di Carl Rogers, ebbe un grande successo proprio per la sua capacità di sembrare particolarmente realistica pur facendo, in realtà, molto poco.

Nel corso del tempo, le AI generative sono diventate sempre più potenti, arrivando a creare opere originali sulla base di prompt che definiscono un soggetto, pescando nella logica e negli esempi del loro addestramento. Tuttavia, questo pone vari problemi, dalla effettiva originalità dell’opera prodotta alla titolarità del diritto d’autore, sino all’eventuale plagio o uso di materiale coperto da copyright utilizzato nell’addestramento.

Oltre l’intelligenza artificiale generale: la super-intelligenza

La possibilità che un’intelligenza artificiale generale superi la capacità di un essere umano, diventando quindi una “super-intelligenza” (ASI), non è esclusa in teoria. Come per i processori o per il software, le versioni successive alla prima sono sempre possibili e non ci sono limiti perché questo avvenga, a differenza della scala e velocità evolutiva del nostro cervello.

Se l’AGI ancora non è stata raggiunta, l’ASI è completamente di là da venire. Tuttavia, dato che l’accelerazione nello sviluppo dell’intelligenza artificiale non è lineare e potrebbe essere ulteriormente potenziata dall’uso della stessa AI per progettare nuovi metodi e algoritmi, la distanza tra l’AGI e l’ASI potrebbe essere molto più breve di quella che ci separa dall’AGI stessa.

Bullet Executive Summary

In conclusione, comprendere le differenze tra intelligenza artificiale generativa, ristretta e generale è fondamentale per orientarsi nel complesso panorama dell’AI moderna. Un concetto base dell’intelligenza artificiale è il test di Turing, che valuta la capacità di una macchina di imitare il comportamento umano, mentre un concetto più avanzato è quello di super-intelligenza artificiale, che potrebbe superare le capacità cognitive umane. Queste riflessioni ci spingono a considerare non solo le potenzialità, ma anche le implicazioni etiche e normative dello sviluppo dell’AI, invitandoci a una riflessione personale sul futuro di questa tecnologia e sul nostro ruolo nel plasmarla.