Il rinnovato interesse per le intelligenze artificiali (AI) ruggisce dopo il lungo inverno degli anni 50’. “Perceptroncs cannot compute XOR” era l’eco – erroneo (Minsky and Papert 1969) – che indicava l’incapacità dei computer ad aderire a questa funzione logica (gate) in una semplice tabella della verità (Duşa 2019). Gli scarsi risultati, uniti ad un crollo dell’entusiasmo, hanno causato un generale disinteresse per la materia ed una drastica riduzione dei fondi destinati alla ricerca (Toosi et al. 2021).
La situazione cambia negli anni 60’- 80’, quando la backpropagation – un algoritmo che rivaluta variabili e i pesi di ciascuna variabile data in pasto alla nostra AI in modo ciclico finché non si raggiunge un adeguato livello di precisione nel nostro modello – non viene applicato alle reti neurali per risultati più “affidabili” (Erb 1993).
E’ fatta! La nostra Skynet è pronta per dominare il mondo, curare il cancro e la vecchiaia, dirci come dobbiamo mangiare, respirare, cosa guardare in TV o Netflix, che vestiti comprare, quali tagli di capelli ci starebbero bene… oppure no?
Il problema alla base va ricercato nei trend aziendali e nel sensazionalismo giornalistico.
Il priapismo aziendale dello “stare sempre a cavallo dell’onda”, dello spasmodico bisogno di dimostrarsi “virtuosi e all’avanguardia” a tutti i costi – soprattutto dei dipendenti (Times – 2023) -, nasce da un’intrinseca ignoranza nei confronti del progresso unita all’estrema devozione verso il culto capitalistico.
Le aziende fanno fatica a restare al passo con le innovazioni nel campo della ricerca (fanno fatica i ricercatori stessi), ma sanno che per restare “attraenti” devono essere sempre “sul pezzo” (Europe PMC, 2014). Il mantra è lo stesso da sempre: leggere con attenzione la prossima copertina del Times che annuncia l’ennesima ricerca di Harvard o Oxford e assumere esperti in qualunque cosa sia stata riportata sulla copertina (Denrell and Fang 2010). E generare hype, ovviamente, a mezzo stampa, TV, e internet. Non importa cosa sia: basta avere risultati approssimativamente promettenti, e generare hype incredibile. In passato c’erano i computer, la realtà virtuale, poi la meccanica quantistica, ora l’AI. Domani, profetizzo, i computer quantistici. Dopodomani?
Ma a cosa ha portato in concreto tutto quest’hype il cui attore principale è una sempre più allucinata e democratizzata ChatGPT (incapace di fare una divisione)? Ad un’invasione “hyperhyped” delle scienze informatiche in tutti i settori. Dai più giulivi BarberGPT, sex bot, FitnessAI fino ai processi decisionali sulle concessioni di mutui in base a “database bulgari del 2009” o alle aziende farmaceutiche che assumono AI specialist ignorando le basilari leggi della chimica e medicina per produrre poi un niente di fatto (Endpoint News 2023; Nature 2023).
Una chicca per riflettere: lo sapevate che uno dei più famosi dataset usato per predire il valore degli immobili in America aveva tra le sue features la quantità di neri che vivono nel quartiere e che è stato rimosso solo di recente?
Ma le aziende e le riviste continuano a cavalcare l’onda dell’hype (Harvard Business Review 2023). Fino alla “next big thing”. E nel frattempo i fondi scorrono in senso univico ed eccessivo, continuando ad alimentare il famoso priapismo e lasciando altri organi (decisamente vitali) all’asciutto.
“Morte all’AI” quindi? No.
Il mio è un invito ad uno stupore razionale. Ad una visione olistica della realtà. Ad un’obiettività fatta da un’insieme di cose. Non esiste la soluzione unica e definitiva ai problemi del mondo e se c’è, non è mai monocompartimentale. Indipendentemente da quello che vi vogliono fare credere le aziende “leader del settore”.
Fonti consultate
- Minsky M, Papert SA. Perceptrons: an introduction to computational geometry. The MIT Press; 1969.
- Duşa A. The Truth Table. QCA with R. Cham: Springer International Publishing; 2019. p. 139–58.
- Toosi A, Bottino AG, Saboury B, Siegel E, Rahmim A. A brief history of AI: how to prevent another winter (A critical review). PET Clin. 2021 Oct;16(4):449–69.
- Erb RJ. Introduction to backpropagation neural network computation. Pharm Res. 1993 Feb;10(2):165–70.
- These Companies Have Announced the Biggest Layoffs in 2023 | Time [Internet]. [cited 2023 Oct 20]. Available from: https://time.com/6248866/google-alphabet-biggest-layoffs-2023/
- Europe PMC [Internet]. [cited 2022 May 12]. Available from: https://europepmc.org/article/pmc/pmc8833025
- Denrell J, Fang C. Predicting the Next Big Thing: Success as a Signal of Poor Judgment. Management Science. 2010 Oct;56(10):1653–67.
- First AI-designed drugs fall short in the clinic, following years of hype – Endpoints News [Internet]. [cited 2023 Oct 20]. Available from: https://endpts.com/first-ai-designed-drugs-fall-short-in-the-clinic-following-years-of-hype/
- AI’s potential to accelerate drug discovery needs a reality check. Nature. 2023 Oct 12;622(7982):217–217.
- The AI Hype Cycle Is Distracting Companies [Internet]. [cited 2023 Oct 20]. Available from: https://hbr.org/2023/06/the-ai-hype-cycle-is-distracting-companies
