TESTO DELL'ARTICOLO ➜ https://www.bastabugie.it/it/articoli.php?id=8054

INTELLIGENZA ARTIFICIALE, I SEGNALI DI UN SUO SECONDO INVERNO di Gaetano Masciullo
 
Il progresso tecnologico dell'intelligenza artificiale ha dominato negli ultimi anni il dibattito pubblico, alimentato da promettenti dichiarazioni di scienziati e imprenditori che intravedono la possibilità di raggiungere la superintelligenza. Eppure, uno scenario diverso potrebbe attendere il futuro di questo settore: un nuovo "inverno", simile a quello vissuto tra il 1974 e il 1990, quando le aspettative smisurate portarono a una drastica riduzione dei finanziamenti e dell'interesse nella ricerca sull'intelligenza artificiale. Per comprendere le ragioni di questa possibile svolta e prepararci alle implicazioni, è fondamentale analizzare i segnali attuali e le prospettive future del settore.
Il cosiddetto "inverno dell'intelligenza artificiale" di allora fu il risultato di speranze irrealistiche nei confronti delle capacità delle macchine di comprendere il linguaggio naturale, risolvere problemi complessi e apprendere in maniera autonoma. Solo con l'avvento del Deep Learning e l'utilizzo dei Big Data nei primi anni Duemila, l'intelligenza artificiale riuscì a riprendersi da quel periodo di stagnazione. Oggi, però, alcuni segnali indicano che il settore potrebbe trovarsi nuovamente sull'orlo di un rallentamento.
Un problema cruciale che si delinea è la crescente scarsità di dati di alta qualità per addestrare i modelli di intelligenza artificiale. Questa scarsità non solo riduce l'efficacia degli algoritmi nel fornire risposte accurate, ma può anche portare a risultati distorti o non generalizzabili. Ad esempio, nei settori medici, la mancanza di dati rappresentativi potrebbe compromettere la capacità dell'intelligenza artificiale di supportare diagnosi precise per pazienti con condizioni meno documentate. Nonostante l'apparente infinità di informazioni disponibili su Internet, queste risorse possiedono un limite. Ilya Sutskever, co-fondatore di OpenAI e figura di spicco nel campo del Deep Learning, ha recentemente sottolineato come i dati utilizzati per addestrare i modelli siano sempre più spesso derivati da altre intelligenze artificiali, piuttosto che da fonti primarie. Questo circolo vizioso rischia di compromettere la qualità dell'apprendimento automatico, in quanto i sistemi potrebbero limitarsi a rielaborare informazioni già "digerite", anziché espandere effettivamente le proprie capacità.
I DATI DISPONIBILI ONLINE SONO SPESSO INQUINATI DA ERRORI
Ray Kurzweil, nonostante sia uno dei più importanti transumanisti oggi viventi, sostiene che la tecnologia intelligenza artificiale, a differenza di Internet e delle telecomunicazioni, progredisce secondo cicli più lunghi: due decenni di entusiasmo iniziale, seguiti da un decennio di delusione, infine un decennio e più di boom dovuto a scoperte innovative. Analizzando la storia recente dell'intelligenza artificiale, abbiamo avuto un periodo di entusiasmo iniziale (1954-1974), la delusione dell'inverno dell'intelligenza artificiale (1974-1990), infine il boom che procede da allora. Quindi, secondo i calcoli di Kurzweil, noi ora saremmo verso la fine della fase del boom, che ha introdotto un nuovo entusiasmo che probabilmente sarà presto disilluso.
A complicare le cose, bisogna ricordare che i dati disponibili online sono spesso inquinati da errori, faziosità e disinformazione, e la crescente dipendenza da altri algoritmi per generare nuovi contenuti potrebbe amplificare questi problemi. A lungo termine, l'incapacità di accedere a dati freschi e affidabili potrebbe rallentare drasticamente lo sviluppo tecnologico nel campo.
Al di là delle difficoltà tecniche, vi è una barriera ancora più fondamentale che l'intelligenza artificiale non potrà mai superare (e che i...