Corso
Capire il Machine Learning
2 ore
311.4K
Benvenuto all'undicesima parte della nostra serie mensile "Dati senza misteri". Nell'ambito del Mese della Data Literacy, questa serie chiarirà i concetti chiave del mondo dei dati, risponderà alle domande che potresti aver avuto timore di fare e si divertirà lungo il percorso. Se vuoi partire dall'inizio, leggi la nostra prima puntata della serie: Che cos'è un dataset?
Questa settimana daremo uno sguardo più approfondito a come l'IA viene trattata nelle notizie e ad alcune insidie dell'IA di cui tutti dovrebbero essere consapevoli. Questo post spiega come l'IA possa essere spettacolarizzata dai media e come evitare di cadere nella trappola dell'hype.
Se vuoi familiarizzare meglio con l'IA e con il gergo utilizzato in questo ambito, ti suggeriamo di consultare una puntata precedente della serie "Dati senza misteri" su la differenza tra IA, machine learning, deep learning e data science.
Il problema della trappola dell'hype sull'IA
L'intelligenza artificiale (IA) è diventata onnipresente e ha trovato spazio in molte applicazioni attorno a noi, che si tratti dello sblocco del telefono con riconoscimento facciale o dei suggerimenti sul prossimo prodotto che potrebbe interessarti.
Con gli sviluppi significativi degli ultimi anni, c'è stata un'ampia copertura mediatica delle tecnologie di IA e di come vengano utilizzate nell'industria e nel mondo accademico. Sebbene questo sia generalmente positivo, ha anche aumentato l'hype attorno a molti degli ultimi progressi nel campo. Questa dinamica ha portato a una copertura sensazionalistica delle possibilità degli strumenti e delle tecnologie di IA attuali e dei loro potenziali rischi.
Questa spettacolarizzazione può comportare tre rischi principali per come il pubblico generale pensa all'IA:
- Aspettative irrealistiche su ciò di cui strumenti e tecnologie di IA sono capaci, creando un falso ottimismo sulla direzione in cui sta andando la tecnologia
- Paura sensazionalistica dell'automazione e di come gli strumenti e le tecnologie di IA diventeranno "senzienti"
- Attenzione distolta dai problemi che affliggono l'IA oggi e da come risolverli
Un framework per capire l'hype sull'IA
Un ottimo framework per illustrare più in generale questa dinamica nell'IA è l'Hype Cycle di Gartner, che mostra le diverse fasi del ciclo di vita di una tecnologia emergente. Cerchiamo di capire il grado di maturità dell'IA facendo riferimento all'hype cycle come spiegato di seguito.
- L'Hype Cycle inizia con la fase di "Trigger", che parla dell'universo di possibilità e alimenta l'entusiasmo per la nuova tecnologia.
- La seconda fase è il picco, quando le aspettative si sono accumulate e le possibilità sovrastimate iniziano a crollare.
- La terza fase tocca il fondo, chiamata in modo calzante "Trough of disillusionment", dove le idee fantastiche ma difficili non si concretizzano. Qui subentra la realtà e molte idee potenti vengono abbandonate di fronte a ciò che è pratico da implementare.
- La fase impegnativa termina con l'inizio della "slope of enlightenment", in cui i limiti della tecnologia vengono superati da idee innovative, conducendo alla fase finale che dà vita a intere nuove industrie al servizio dell'umanità in modi impensabili.
Secondo i ricercatori di IA di Google, il machine learning e l'IA si trovano da qualche parte tra il trigger e il picco delle aspettative gonfiate. Ciò significa che molte possibilità discusse nelle notizie potrebbero benissimo essere fantasia.
Esempi della trappola dell'hype sull'IA
La trappola dell'hype sposta l'attenzione del pubblico generale dai veri problemi che affliggono l'IA a discussioni come "le macchine che acquisiscono coscienza umana" o "i robot che conquistano il pianeta". Pur essendo utile essere consapevoli di tutte le possibilità e dei rischi che accompagnano strumenti e tecnologie di IA, questa discussione non è ancorata al reale potenziale e ai rischi dell'IA.
Ecco alcuni esempi che illustrano la trappola dell'hype in azione
- Lamda e l'IA senziente: Il progetto LaMDA di Google ha fatto notizia dopo l'affermazione sensazionalistica di un ingegnere secondo cui il large language model avrebbe acquisito la sensibilità. Sebbene LaMDA sia davvero impressionante, non ci sono prove che sia senziente. Puoi saperne di più sulla tecnologia alla base di LaMDA nel nostro Weekly Roundup.
- IBM Watson: Per molto tempo IBM Watson è stato descritto come lo strumento definitivo per trasformare le industrie. Tuttavia, col passare del tempo, IBM Watson non è riuscito a mantenere le grandi promesse ed è caduto vittima dell'hype tecnologico.
- Sophia il Robot: Sophia è un chatbot sofisticato racchiuso in un robot dalle sembianze umane. Il chatbot è stato confezionato con grande attenzione a farlo sembrare e suonare come un umano. Sebbene questa tecnologia sia impressionante, molti sono caduti nella trappola di pensare che i robot umanoidi fossero diventati realtà.
La spettacolarizzazione di queste notizie non solo distoglie l'attenzione dai casi d'uso utili dell'IA, come prevedere i focolai di Covid-19 o fornire credito ai commercianti per aprire le loro attività. Distoglie anche l'attenzione dai rischi reali che oggi affliggono l'IA.
Molti sistemi di IA, come i feed di notizie, i sistemi di raccomandazione e altri ancora, sono diventati parti integranti della nostra vita e plasmano i nostri gusti, le nostre avversioni e molto altro. Questi sistemi di IA possono essere afflitti da bias, con effetti su chi interagisce con essi già oggi.
Come evitare la trappola dell'hype sull'IA
La data literacy e l'alfabetizzazione sull'IA sono le chiavi per non cadere nella trappola dell'hype. Capire cosa è in grado di fare l'IA, i suoi limiti e i suoi rischi è fondamentale per sviluppare una prospettiva più critica ed equilibrata sulla direzione del campo.
Per dotarti delle conoscenze necessarie a sviluppare questa prospettiva, segui il nostro corso Understanding Machine Learning e inizia il tuo percorso di data literacy. La prossima (e ultima!) puntata della serie "Dati senza misteri" tratta i diversi tipi di bias dell'IA che tutti dovrebbero conoscere. Nel frattempo, dai un'occhiata alle seguenti risorse:
Argomenti
