L’intelligenza artificiale (IA) è spesso descritta come una svolta significativa che richiede attenzione, con tutte le aziende incoraggiate ad avere una «strategia di IA». La tecnologia di base dell’IA che produce i risultati che alimentano questo punto di vista è l’apprendimento automatico utilizzando reti neurali profonde («Deep Learning»). Il Deep Learning ha effettivamente fornito importanti progressi, inclusi il miglioramento del riconoscimento vocale e la comprensione del linguaggio naturale degli assistenti digitali come Siri di Apple, Google Assistant e Amazon Alexa. Il Deep Learning ha anche motivato ulteriori applicazioni specifiche per le imprese, come la riduzione del consumo energetico nei centri dati di Google o l’aiuto a Facebook nel rimuovere contenuti inappropriati più rapidamente.
Cos’è l’apprendimento profondo?
Ma l’apprendimento profondo non si basa su nuove invenzioni. La tecnologia di base esiste da decenni. Ad esempio, la tecnica del «retropropagazione» che viene utilizzata per trovare la migliore rete neurale profonda corrispondente a un insieme di dati è stata sviluppata da Rumelhart, Hinton e Williams nel 1986. Un libro di 729 pagine del MIT Press, NeuroComputing: Fondamenti della Ricerca, pubblicato nel 1988, ristampa 43 articoli sull’argomento. Poiché il potere dell’apprendimento profondo è diventato evidente, i ricercatori hanno naturalmente apportato miglioramenti metodologici sostanziali, ma nessuno sostiene di aver recentemente «scoperto» la tecnologia di base.
Se la metodologia non è nuova, cosa ha fatto sì che l’IA avesse un impatto così grande? La risposta è semplice: l’aumento della potenza e della memoria del computer ha superato una soglia che rende pratiche queste metodologie. Quando questo autore ha scritto un libro sull’apprendimento automatico per il riconoscimento dei modelli informatici nel 1972, il costo del calcolo era circa un miliardo di volte più alto di oggi. Quando un’azienda che ho fondato ha applicato la tecnologia per lo sviluppo del riconoscimento vocale un decennio dopo, era tipico eseguire un’analisi di apprendimento automatico per diversi mesi prima di convergere. Questa limitazione ha portato a quello che è stato chiamato «l’inverno dell’IA», dove la ricerca sulla tecnologia di base è stata discreditata.
Un prerequisito tecnico
Una parte della crescita della potenza informatica è stata il miglioramento dei chip informatici come descritto dalla «legge di Moore», il numero di transistor su un chip raddoppiando circa ogni due anni. Il costo di un’ora di calcolo è anche diminuito più o meno allo stesso ritmo.
L’apprendimento è solo una tecnologia che l’aumento della potenza di calcolo ha reso possibile nel tempo. Gli smartphone, che hanno avuto un impatto significativo sulle nostre vite, sono un esempio ovvio.
Quali limiti
La crescita della potenza informatica continuerà o ha raggiunto i limiti della legge di Moore? Altre tendenze possono infatti accelerare la crescita della potenza di calcolo accessibile. Una tendenza a lungo termine è l’informatica quantistica, ma anche le tendenze a corto termine stimolano il miglioramento. Questo include la crescita del cloud computing, dove la potenza di calcolo può essere affittata piuttosto che richiedere investimenti costosi in una fattoria di server. Inoltre, chip specializzati come le unità di elaborazione grafica vengono incorporati nei centri informatici, fornendo calcolo parallelo per compiti specializzati come l’apprendimento profondo. Eseguendo più processi simultaneamente, il calcolo parallelo fornisce un’accelerazione significativa per compiti appropriati.
Inoltre, i dispositivi che collegano il cloud computing agli individui, come smartphone e automobili, ottengono sempre più potenza di calcolo con ogni nuovo modello. Ciò aumenta ulteriormente la potenza di calcolo totale.
Una forte tendenza per l’IA
L’IA non è nulla di nuovo, è solo il riflesso dell’aumento dell’«intelligenza computazionale», come l’ho caratterizzata nel mio recente libro. Se l’impatto dell’IA è solo un esempio della crescita esponenziale della potenza informatica nel tempo, possiamo aspettarci futuri progressi man mano che supera nuove soglie – forse superando queste soglie ancora più rapidamente rispetto al passato.
Il proseguimento delle tendenze di oggi, ad esempio, porterà a assistenti digitali sempre più personalizzati, facili da usare e in grado di fornire informazioni e servizi crescenti. La connessione con i computer diventerà sempre più simile a una conversazione umana. I bambini che sono cresciuti con un assistente digitale costantemente a portata di mano tramite smartphone o orologi intelligenti scopriranno che tale «intelligenza aumentata» diventa quasi una parte dell’essere umano.
L’intelligenza artificiale è una categoria di applicazioni sintomatiche di ciò che ci attende, motivata dalla tendenza a lungo termine dell’aumento della potenza informatica. Più in generale, l’intelligenza computazionale avrà un impatto sempre più sorprendente sulle nostre vite.
