Lo stato dell'arte
Cosa è in grado di fare l'IA oggi?
Quelli che seguono sono solo alcuni esempi di sistemi di intelligenza artificiale oggi esistenti. Non si tratta di magia o fantascienza, ma di scienza, ingegneria e matematica.
Veicoli a guida autonoma
Waymo, una sussidiaria di Alphabet Inc, la società madre di Google, costruisce veicoli a guida autonoma che nel 2018 hanno superato il traguardo di 10 milioni di chilometri percorsi su strade pubbliche senza incidenti gravi, con il conducente umano che interviene per assumere il controllo solo una volta ogni 6000 chilometri. Waymo ha pubblicato in dicembre 2023 nuovi dati sugli incidenti basati sui primi 7.1 milioni di chilometri percorsi da auto a guida autonoma in Arizona e California. I dati mostrano che le auto a guida umana hanno più del doppio delle probabilità di subire un incidente che viene segnalato alla polizia rispetto a quelle autonome. Inoltre, a seconda di come si fa il calcolo, le auto a guida umana hanno una probabilità da quattro a sette volte maggiore di subire incidenti con feriti. L'azienda offre anche un servizio commerciale di taxi senza conducente.
New data shows Waymo crashes a lot less than human drivers by Timothy B. Lee
Waymo says its cars cause injuries six times less often than human drivers
Robot umanoidi
Atlas, un robot umanoide della Boston Dynamics, non solo cammina su terreni irregolari, ma salta su scatole e fa salti mortali.
Pianificazione e programmazione autonoma
A cento milioni di chilometri dalla Terra, il programma Remote Agent della NASA è diventato il primo programma di pianificazione autonoma a bordo per controllare la programmazione delle operazioni di un veicolo spaziale (Deep Space 1, lanciato nel 1998). Remote Agent generava piani a partire da obiettivi di alto livello specificati da terra e monitorava l'esecuzione di tali piani rilevando, diagnosticando e risolvendo i problemi man mano che si presentavano.
Inoltre, ogni giorno, società di servizio di trasporto automobilistico (ride hailing) come Uber e Bolt e servizi di mappatura come Google Maps forniscono indicazioni di guida a centinaia di milioni di utenti, tracciando rapidamente un percorso ottimale tenendo conto delle condizioni di traffico attuali e future.
Traduzione automatica
I sistemi di traduzione automatica online consentono oggi di leggere documenti in oltre 100 lingue, comprese le lingue native di oltre il 99% degli esseri umani. Pur non essendo perfetti, sono generalmente adeguati per la comprensione. Per le lingue strettamente correlate cha hanno a disposizione una grande quantità di dati di addestramento (come il francese e l'inglese) le traduzioni all'interno di un dominio ristretto si avvicinano al livello di un essere umano professionista.
Ad esempio, DeepL Translator è un servizio di traduzione automatica neurale lanciato nel 2017 da un'azienda tedesca. Il suo algoritmo utilizza reti neurali e un pivot inglese - una lingua intermedia per la traduzione tra lingue diverse.
Sistemi di raccomandazione
Aziende come Amazon, Netflix e Spotify utilizzano l'apprendimento automatico per consigliare ciò che potrebbe piacervi in base alle vostre esperienze passate e a quelle di altri utenti simili a voi. Il campo dei sistemi di raccomandazione ha una lunga storia, ma sta cambiando rapidamente grazie a nuovi metodi di deep learning che analizzano i contenuti (testo, video, musica).
Anche il filtro dello spam può essere considerato una forma di (non) raccomandazione: le attuali tecniche di AI filtrano oltre il 99,9% dello spam e i servizi di posta elettronica possono anche raccomandare i potenziali destinatari e il possibile testo di risposta.
Gioco
Deep Blue era un sistema esperto di gioco degli scacchi eseguito su un supercomputer IBM appositamente costruito. Nel 1997 è stato il primo computer a vincere una partita, e il primo a vincere un match, contro un campione del mondo in carica sotto regolare controllo del tempo. Si trattava di un sistema esperto all'avanguardia, basato su regole e variabili definite e messe a punto da maestri di scacchi e scienziati informatici.
AlphaGo è un programma informatico che gioca al gioco da tavolo Go, sviluppato dalla DeepMind Technologies di Londra, una società acquisita da Google. Dopo essersi ritirato dalle competizioni, AlphaGo è stato sostituito da una versione ancora più potente, nota come AlphaGo Zero, completamente autodidatta, ovvero che non necessita di imparare dalle partite umane. AlphaGo Zero è stato poi generalizzato in un programma noto come AlphaZero, che è in grado di giocato altri giochi, tra cui scacchi e shogi (scacchi giapponesi).
L'addestramento di IA senza dati derivati da esperti umani ha implicazioni significative per lo sviluppo di IA con capacità sovrumane, perché i dati degli esperti sono spesso costosi, inaffidabili o semplicemente non disponibili. Demis Hassabis, cofondatore e CEO di DeepMind, ha dichiarato che AlphaGo Zero era così potente perché "non era più vincolato dai limiti della conoscenza umana". David Silver, uno dei primi autori degli articoli di DeepMind pubblicati su Nature su AlphaGo, ha affermato che è possibile avere algoritmi di IA generali se si elimina la necessità di imparare dagli esseri umani.
AlphaZero è stato a sua volta sorpassato da un programma noto come MuZero che impara giocando da solo senza che gli vengano insegnate le regole del gioco. Gioca a go, scacchi, shogi e a una serie standard di giochi Atari.
Quando in futuro gli storici guarderanno indietro alla nostra epoca cercando di identificare il primo barlume di una vera intelligenza artificiale, potrebbero trovarlo in una mossa ben precisa nel corso della seconda partita fra Lee Sedol e AlphaGo, giocata il 10 marzo 2016: la mossa 37. Maniac - Benjamín Labatut
Visione artificiale e comprensione delle immagini
Le attività di visione artificiale (computer vision) comprendono metodi per l'acquisizione, l'elaborazione, l'analisi e la comprensione di immagini digitali.
In particolare, per comprensione delle immagini (image understanding) si intende la trasformazione delle immagini visive (l'input alla retina dell'umano analogico) in descrizioni del mondo che abbiano un senso per i processi di pensiero e che possano indurre ad agire in modo appropriato.
Questa comprensione può essere vista come l'estrazione di informazioni simboliche dai dati delle immagini utilizzando modelli costruiti con l'aiuto della geometria, della fisica, della statistica e della teoria dell'apprendimento.
Medicina
Gli algoritmi di intelligenza artificiale ora eguagliano o superano i medici esperti nella diagnosi di molte patologie, in particolare quando la diagnosi si basa su immagini. Ne sono un esempio il morbo di Alzheimer, il cancro metastatico, le malattie degli occhi e della pelle.
Una delle attuali priorità dell'IA medica è quella di facilitare le collaborazioni uomo-macchina. Ad esempio, il sistema LYNA raggiunge un'accuratezza complessiva del 99,6% nella diagnosi del cancro al seno metastatico - migliore di quella di un esperto umano non assistito - ma la combinazione uomo e macchina fa ancora meglio. Inoltre, l'apprendimento profondo viene applicato sempre più spesso alla scoperta di farmaci, accelerando l'identificazione di potenziali farmaci candidati, prevedendo le loro proprietà e ottimizzando il processo di sviluppo dei farmaci. Ad esempio, in questo articolo pubblicato sulla rivista Nature, gli autori dimostrano che l'uso di modelli di apprendimento automatico nella scoperta di farmaci può essere non solo utile ma anche spiegabile, ossia è possibile mostrare come si è arrivati alla soluzione.
L'adozione diffusa di queste tecniche è ora limitata non dall'accuratezza diagnostica, ma dalla necessità di dimostrare il miglioramento dei risultati clinici e di garantire la trasparenza.
Scienza del clima
Climate Change AI è un'organizzazione no-profit globale che si muove nell'intersezione tra cambiamento climatico e apprendimento automatico. Secondo questa organizzazione, l'IA ha notevoli opportunità di accelerare l'azione per il clima attraverso applicazioni come la previsione della produzione di energia solare, l'ottimizzazione dei sistemi di riscaldamento e raffreddamento degli edifici, l'individuazione della deforestazione dalle immagini satellitari.
The Centre for AI & Climate si occupa di promuovere l'applicazione della scienza dei dati e dell'intelligenza artificiale per accelerare l'azione sul cambiamento climatico. A loro avviso, l'IA è una tecnologia importante che, se impiegata in modo responsabile e intelligente, può accelerare la transizione verso un mondo a zero emissioni e resiliente al clima.
Entrambe le organizzazioni hanno collaborato in un rapporto sul sostegno alle applicazioni dell'IA nella mitigazione e nell'adattamento ai cambiamenti climatici.
Generazione di contenuti
L'IA generativa consente agli utenti di generare rapidamente nuovi contenuti sulla base di una serie di input detti prompt. Gli input e gli output di questi modelli possono includere testo, immagini, suoni, video, modelli 3D o altri tipi di dati. Essi includono il riconoscimento vocale e andranno a sostituire assistenti vocali quali Alexa e Siri.
I modelli di IA generativa utilizzano le reti neurali per identificare gli schemi e le strutture all'interno dei dati analizzati e generare contenuti nuovi e originali. Una delle innovazioni dei modelli di intelligenza artificiale generativa è la capacità di sfruttare diversi approcci di apprendimento, tra cui l'apprendimento non supervisionato o semi-supervisionato per l'addestramento del modello. Questo ha permesso di sfruttare più facilmente e rapidamente una grande quantità di dati non etichettati per creare modelli di base (foundation model).
I chatbot generativi allo stato dell'arte sono:
Last updated