Il 2023 dell’intelligenza artificiale: le sfide etiche, tecnologiche e normative

L’anno che si è appena concluso ha visto un “impennarsi di creatività” nel settore dell’intelligenza artificiale. I modelli nati negli ultimi tempi, infatti, sono ora in grado di produrre testi, immagini e persino video straordinariamente convincenti, dietro semplice richiesta “umana”. Sono passati pochi mesi da quando l’azienda statunitense OpenAI ha varato^[1] il suo “DALL-E 2”, un modello di apprendimento profondo (deep learning) in grado di produrre immagini a partire da istruzioni testuali. E sono passate solo poche settimane da quando sempre OpenAI ha rilasciato ChatGPT^[2], l’ultimo modello di linguaggio di grandi dimensioni che ha interessato il web con la sua sorprendente eloquenza e coerenza. Vediamo ora cosa ci riserverà il nuovo anno.

Dialogare con un’intelligenza artificiale è sempre più facile: ecco perché inizia una nuova era

Modelli linguistici: verso il GPT-4

Negli ultimi anni si è assistito a uno stillicidio costante di modelli linguistici più grandi e migliori dei precedenti. L’attuale punto di riferimento è il già citato ChatGPT di OpenAI. Questo chatbot di ultima generazione è una versione più elegante e perfezionata di GPT-3^[3], l’Intelligenza Artificiale che ha dato il via ad un’ondata di “imitazioni linguistiche” sorprendenti. E sebbene ChatGPT abbia “conquistato il mondo” negli ultimi tempi, tutti gli occhi sono puntati sulla prossima grande novità: il GPT-4^[4]. Secondo gli esperti, il 2023 sarà l’anno in cui prenderà il via la prossima generazione di modelli linguistici di grandi dimensioni. Ed i futuri modelli linguistici potrebbero essere ben più che semplici modelli linguistici. OpenAI è interessata a combinare diverse modalità, come il riconoscimento di immagini o video, con il testo. Ma se prendiamo le capacità di conversazione di ChatGPT e le mescoliamo con la manipolazione delle immagini in un unico modello, otterremo qualcosa di molto più potente, come il poter chiedere a un chatbot cosa c’è in un’immagine o chiedergli direttamente di generare un’immagine. Se il GPT-4 si baserà su questa tecnologia, ci si aspetta una potenza linguistica e di creazione di immagini unica racchiusa in un “solo pacchetto”. Combinando le competenze in materia di linguaggio e immagini, l’Intelligenza Artificiale di prossima generazione potrebbe in teoria essere in grado di comprendere meglio entrambe le cose. Ma, naturalmente, c’è un rovescio della medaglia.

Gli studenti “barano” con l’intelligenza artificiale, le nuove sfide per i prof

I problemi irrisolti dei modelli linguistici

I modelli linguistici di nuova generazione erediteranno la maggior parte dei problemi di questa generazione, come l’incapacità di distinguere i fatti dalla finzione e la propensione al pregiudizio (i “sempreverde” bias dell’Intelligenza Artificiale). Nel 2022 abbiamo anche assistito ad un declino dei big del settore.

Le grandi aziende che, storicamente, hanno dominato la ricerca sull’intelligenza artificiale stanno attuando massicci licenziamenti e congelamenti delle assunzioni a causa dell’oscuramento delle prospettive economiche globali.

La ricerca sull’intelligenza artificiale è costosa e le aziende dovranno stare molto attente a scegliere i progetti in cui investire e probabilmente sceglieranno quelli che hanno il potenziale di far loro guadagnare di più, piuttosto che quelli più innovativi, interessanti o sperimentali.

Le mosse di Meta

Questa attenzione ai profitti sta già avendo effetto in Meta, che ha riorganizzato i suoi team di ricerca sull’intelligenza artificiale e ha spostato molti di loro all’interno di team che realizzano diversi prodotti. Ma mentre le Big Tech stringono la cinghia, le nuove e appariscenti start-up che lavorano sull’Intelligenza Artificiale generativa registrano un’impennata di interesse da parte di diversi investitori.

Varie startup ed università potrebbero diventare i centri di gravità per la ricerca in questo campo in continua evoluzione. Negli ultimi anni è emerso anche il potenziale dell’intelligenza artificiale in campo farmaceutico. AlphaFold di DeepMind^[5], un’intelligenza artificiale in grado di prevedere la struttura delle proteine e la “chiave” delle loro funzioni, ha aperto la strada a nuovi tipi di ricerca in biologia molecolare, aiutando i ricercatori a capire come funzionano le malattie e a creare nuovi farmaci per contrastarle. A novembre scorso Meta ha presentato ESMFold^[6], un modello “celere” per la previsione della struttura delle proteine, una sorta di completamento automatico dei protidi che utilizza una tecnica basata su grandi modelli linguistici. DeepMind e Meta hanno prodotto strutture per centinaia di milioni di proteine, incluse tutte quelle conosciute dalla scienza, e le hanno condivise in vasti database pubblici. Professionisti sanitari e produttori di farmaci stanno già beneficiando di queste risorse, che rendono la ricerca di nuove strutture proteiche (quasi) facile come una ricerca sul web. Ma il 2023 potrebbe essere l’anno in cui questo lavoro di base darà davvero i suoi frutti.

Le startup che potranno fare la differenza

È molto probabile che a breve DeepMind presenterà qualcosa di importante nel settore. Ma ci sono centinaia di startup che stanno esplorando modi per utilizzare l’Intelligenza Artificiale per accelerare la scoperta di farmaci e, persino, per progettare tipi di farmaci precedentemente sconosciuti. Attualmente sono in fase di sperimentazione clinica diversi farmaci sviluppati da aziende farmaceutiche che utilizzano l’Intelligenza Artificiale e altri saranno presentati nei prossimi mesi. È possibile che i risultati iniziali di alcuni di essi vengano resi noti l’anno prossimo, consentendo al primo farmaco sviluppato con l’aiuto dell’Intelligenza Artificiale di arrivare sul mercato^[7].

Intelligenza artificiale per lo sviluppo di nuove proteine: a che punto è la ricerca e dove ci porterà

Le sfide regolamentari

Passando al dibattuto profilo regolamentare dell’intelligenza artificiale, l’anno appena iniziato vedrà i legislatori di diversi paesi e istituzioni provvedere alla disciplina del settore. Basti pensare al futuro regolamento europeo sull’Intelligenza Artificiale che, probabilmente, vedrà la luce proprio tra pochi mesi^[8]. Quasi certamente il 2023 porterà divieti sulle “pratiche tecnologiche” ritenute dannose per i diritti umani, come i sistemi che assegnano punteggi e classificano le persone in base alla loro affidabilità. Così come l’uso del riconoscimento facciale nei luoghi pubblici, che sarà limitato (o vietato) anche per le forze dell’ordine europee (malgrado le forti resistenze del settore). Negli Stati Uniti, anche la Federal Trade Commission (FTC) sta osservando attentamente il modo in cui le aziende raccolgono i dati e utilizzano gli algoritmi di Intelligenza Artificiale^[9]. L’autorità di regolamentazione statunitense citata ha trascorso il 2022 raccogliendo feedback su potenziali regole sul modo in cui le aziende gestiscono i dati e costruiscono gli algoritmi. In Cina, invece, le autorità hanno recentemente vietato la creazione di “deepfake” senza il consenso del soggetto interessato^[10]. Tutte queste normative influenzano ed influenzeranno sempre più il modo in cui le aziende tecnologiche costruiscono, utilizzano e vendono le tecnologie di Intelligenza Artificiale.

Conclusioni

Tuttavia, le autorità di regolamentazione devono trovare un difficile equilibrio tra la protezione dei consumatori e la necessità di non ostacolare l’innovazione. L’intelligenza artificiale è un campo che si sta sviluppando in modo fulmineo; la vera sfida sarà quella di mantenere le regole abbastanza precise da essere efficaci, ma non così specifiche da diventare rapidamente obsolete. Se le nuove leggi saranno attuate correttamente, il presente anno potrebbe inaugurare un’era in cui l’Intelligenza Artificiale sarà “legata” ad un maggior rispetto per l’etica e la protezione dei dati personali.^[11]

Note

1. Open AI Releases the Beta Version of DALL·E 2 for Users in their Waitlist. Marktechpost. https://www.marktechpost.com/2022/07/24/open-ai-releases-the-beta-version-of-dall%C2%B7e-2-for-users-in-their-waitlist/ ↑
2. Here’s What To Know About OpenAI’s ChatGPT—What It’s Disrupting And How To Use It. Forbes. https://www.forbes.com/sites/ariannajohnson/2022/12/07/heres-what-to-know-about-openais-chatgpt-what-its-disrupting-and-how-to-use-it/ ↑
3. What Is GPT-3 And Why Is It Revolutionizing Artificial Intelligence? Forbes. forbes.com/sites/bernardmarr/2020/10/05/what-is-gpt-3-and-why-is-it-revolutionizing-artificial-intelligence/?sh=14d70294481a ↑
4. GPT-4 Release Date: When is it finally time? Neuroflash. https://neuroflash.com/gpt-4-release-date-when-is-it-finally-time/ ↑
5. AlphaFold can accurately predict 3D models of protein structures and is accelerating research in nearly every field of biology. Deepmind. https://www.deepmind.com/research/highlighted-research/alphafold ↑
6. Meta’s ESMfold: the rival of AlpahFold2. Medium. https://medium.com/mlearning-ai/metas-esmfold-the-rival-of-alpahfold2-2223b67f6021 ↑
7. Biotech labs are using AI inspired by DALL-E to invent new drugs. MIT Technology Review. https://www.technologyreview.com/2022/12/01/1064023/biotech-labs-are-using-ai-inspired-by-dall-e-to-invent-new-drugs/ ↑
8. A European approach to artificial intelligence. European Commission. https://digital-strategy.ec.europa.eu/en/policies/european-approach-artificial-intelligence ↑
9. The FTC Is Closing in on Runaway AI. Wired. https://www.wired.com/story/ftc-ai-regulation/ ↑
10. China is about to get tougher on deepfakes in an unprecedented way. Here’s what the rules mean. CNBC. https://www.cnbc.com/2022/12/23/china-is-bringing-in-first-of-its-kind-regulation-on-deepfakes.html ↑
11. What’s next for AI. MIT Technology Review. https://www.technologyreview.com/2022/12/23/1065852/whats-next-for-ai/ ↑