Perchè l’AI ùn hè micca veramente intelligente
A cunniscenza vene da stabilisce relazioni di causa-effettu affidate, riassunte in postulati, liggi, dichjarazioni, teoremi, equazioni, etc., ma (à u mumentu) l'intelligenza artificiale ùn hè micca capace di capisce o di utilizà sta forma di cunniscenza. L'articulu di Daniele Paganelli, direttore scientificu di una microimpresa specializata in strumenti di misura di alta temperatura, per a newsletter Appunti di Stefano Feltri
Rileghjendu u mo primu articulu per Notes – L'impostore digitale – nantu à e prospettive di l'intelligenza artificiale, ancu in vista di i sviluppi successivi, aghju capitu chì eru forse troppu pessimista in u mo tonu.
U mo spaziu di sperienza, è i mo valori di riferimentu derivanti da a furmazione è u settore di u travagliu, mi ponenu naturalmente in un puntu di osservazione assai criticu. Questu hè micca u casu per tutti – in fatti, forsi solu per una minurità.
U cervu umanu hè predispostu à antropomorfizà tuttu ciò chì vede : duie palle è una linea curva basta à fà una faccia ; u sguardu languidu di un animali per pensà chì « tuttu ciò chì hà bisognu hè a parolla » ; un fenomenu incomprensibile per imaginà spiriti senzienti è divinità.
Hè dunque assai faciule di cascà in a tentazione di cunsiderà l'AI cum'è veramente intelligente .
ELIZA, u primu chatbot in a storia, avia digià riesciutu à incantu u secretariu di u so sviluppatore, Joseph Weizenbaum, cù a tecnulugia di l'anni 1960.
Quelli chì seguitanu un percorsu tecnicu-scientificu sò educati in liggi è principii deterministichi è in a correlazione mantra ùn hè micca causazione .
A cunniscenza vene da stabilisce relazioni di causa-effettu affidate, riassunte in postulati, lege, dichjarazioni, teoremi, equazioni, etc.
Una, dece, mille osservazioni ùn valenu nunda davanti à una sola osservazione cuntraria.
U mudellu di lingua larga (LLM) AI hè (attualmente) incapaci di capisce o di utilizà sta forma di cunniscenza. È aghju assai più in fondu: u prublema hè u stessu cuncettu di regressione statistica, chì hè a basa di l'apprendimentu di e rete neurale, è dunque ancu di LLM.
Per amparà una lege, deve cunvertisce tutte e so manifestazioni (infinite) in pesi statistichi – creendu una mappa probabilistica assai cumplicata per ancu a lege deterministica più banale.
In u mondu di l'AI, " causalità hè correlazione " perchè ùn ci hè altru cunniscenza chè a correlazione statistica pura!
Se vulete una dimostrazione pratica, pruvate à portà un prublema di fisica di u liceu à un LLM.
Sò stati dumandati à calculà l'energia per pompà l'acqua da 20 metri sottu terra à a cima di una torre 5 metri sopra.
ChatGPT si sbaglia a diffarenza di l'altitudine, è poi mette in modu tutale l'unità di densità di l'acqua, ottenendu a risposta sbagliata da quasi 3 ordini di grandezza.
Ancu l'AI mostra chì si ricorda ciò chì dicenu e lege di u muvimentu è l'energia potenziale, ùn li capisce micca. Ùn capisce mancu u prublema.
Ghjoca cù i numeri cum'è ghjoca cù e parolle, ghjunghjendu à una cunclusione totalmente incorrecta, ma cun un tonu assai autoritariu.
Statisticamente hà scontru quelli parolle in quellu ordine, dumande simili risposti in una certa manera, è prova à imità l'omu. Ma hè un falsu, perchè ùn pò micca veramente capisce nunda.
Da probabilità à certezze
Cù l'avventu di a termodinamica statistica à a fine di u XIX seculu è a meccanica quantistica à u principiu di u XXu seculu, hè statu scupertu chì parechji principii cumpletamente deterministici in u mondu macroscòpicu sò stati generati da fenomeni microscòpichi guvernati da pura casualità.
I cumpurtamenti aleatorii di miliardi di miliardi di miliardi è assai più atomi è altre particelle elementari determinanu e proprietà apparentemente prevedibili di u mondu sperimentale.
In u mondu microscòpicu ùn ci hè quasi nunda impussibule, ma a cumpusizioni di probabilità microscòpica infinita porta u mondu macroscòpicu per esse divisu trà u praticamente certu, chì avemu osservatu, è l'assurdamente improbabile, chì ùn hè mai statu osservatu è ùn serà mai.
U mutivu perchè l'acqua calda ùn si separanu spontaneamente da l'acqua fridda, ci dendu energia infinita per scaldà, ùn hè micca perchè un Diu hà decretatu per frustà l'omu cù a seconda lege di a termodinamica.
Ma perchè hè assai, assai improbabile chì una quantità enorme di particeddi di diverse velocità (temperature) si separanu aleatoriamente.
Da sti calculi probabilistici deriva dunque a seconda lege. Pò esse teoricamente pirate? Iè, hè mai accadutu / sarà? Tutta a storia di l'universu ùn serà micca abbastanza per fà questu.
Un altru esempiu chjappu: forse micca tutti sanu chì a teleportazione esiste digià è hè largamente usata in i microscopi elettronichi di scanning.
Tutta a materia pò, in quantu a teoria predice, teleportà in ogni locu in l'universu (rispettu à a velocità di a luce).
Tuttavia, a probabilità di sta succorsu hè inversamente proporzionale à a massa. L'elettroni facenu questu abbastanza spessu viaghjendu distanze sub-nanometru: questu hè l'effettu tunneling sfruttatu in i microscopi.
Ma ancu per un atomu sanu hè cusì improbabile chì ùn hè mai statu osservatu. Per un equipaggiu spaziale sanu, avete veramente bisognu di fighjà un film di fantascienza.
Dunque pare chì l'approcciu AI hè currettu: induve ci hè abbastanza correlazione, significa chì ci hè ancu causazione.
Induve abbastanza , però, pò significà un numeru immensamente più grande di qualsiasi capacità computazionale chì averemu mai.
Cumu insignà a scienza à una IA?
Imaginemu chì vulemu insignà a seconda lege di a termodinamica, da l'esempiu precedente, à una rete neurale.
Ci hà da fà li osservà u muvimentu aleatoriu di parechje, assai particelle. È in parechje situazioni diverse. Puderete bisognu di un mudellu enormu solu per pudè rispettà a termodinamica.
Dà un esempiu da a mo sperienza prufessiunale: aghju studiatu diversi metudi per applicà AI à u cuntrollu di prucessu.
In u mo casu, si tratta di sistemi termichi, ma supponemu chì vulemu mantene a velocità di una vittura constante implementendu un cruise control .
Se vulemu calculà esattamente quantu putenza hè necessariu ab initio , vale à dì da i primi principii, avissimu da sapè: a pendenza di a strada, a direzzione è a forza di u ventu, a carica di vittura, a temperatura esterna, a pressione è l'umidità, u carburante, u mutore, i pneumatici. vesti, è forse di più. Un mudellu analiticu chì mette tutti sti parametri inseme seria ancu necessariu.
Viaghjàmu in una spezia di laboratoriu mobile, ma pudemu sempre determinà esattamente quantu "passà nantu à l'acceleratore".
Impraticu? Allora, entremu un AI. Avemu trè scelte: Puderiamu dà una vittura vera è l'avemu guidata in tutte e cundizioni pussibuli, in modu chì l'AI impara e lege fisiche sottostanti. Ma distrughjeria miliardi di vitture in u prucessu.
O puderemu registrà e cundizioni di guida di miliardi di automobilisti, ma mancassi assai di l'infurmazioni di fondu necessarii per definisce u prublema (i vitture, dopu, ùn sò micca laboratorii mobili…).
Infine, avè un mudellu cumpletu, pudemu creà una vittura virtuale è insignà à guidà cun ella. Ma avemu sempre spende risorse computazionali immense per pruvà à spiegà risposte infinite fisicamente senza sensu.
In ogni casu, l'apprendimentu deve esse validatu in parechje situazioni diverse, è ùn sariamu mai sicuru chì faci u dirittu, restendu probabilisticu in essenza.
L'approcciu di frontiera hè di sfruttà l'IA in u mudellu fisicu apprussimativu, pruibendu, durante l'apprendimentu, di perde u tempu in infinite soluzioni impossibili è, durante l'esecuzione, di vultà risposte inverosimile.
Stu approcciu hè chjamatu Physics Informed Neural Network (PINN), vale à dì rete neurali infurmati da mudelli fisichi.
Siccomu a furmazione accettabile di un PINN spessu esige un mudellu abbastanza cumpletu, in a mo spirienza persunale, in fine, era più prezzu di utilizà u mudellu stessu è lascià l'AI solu.
Cars s'appoghjanu nantu à una famiglia di algoritmi chjamati PID, Proportional Integrative Derivative – assai diffusa in i cuntrolli automatichi.
Cù solu trè paràmetri è una formula assai simplice, hè pussibule di mantene ancu i prucessi piuttostu caòticu sottu un cuntrollu accettabile.
Hè illuminante quantu preferibile una equazione cù trè paràmetri pò esse à una rete neurale chì hà millaie o milioni di elli.
L'articulu recente d'Andrea Vestrucci quì nantu à Appunti spiegà u prublema di fondu in termini teorichi: i mudelli di lingua larga (LLM) attuali sò basati nantu à e rete neurali puramente probabilistiche, chì imparanu pocu e lege "duru" cum'è quelle di a logica, di a matematica, di a fisica in l'infinitu. spaziu di a realità.
Per capiscenu e regule, avaristi bisognu di una IA chì capisce ciò chì una regula hè à un livellu fundamentale, cum'è oghje e rete neurali sò interamente basate nantu à u cuncettu di probabilità chì un signale passa da una neurona à l'altru.
I tentativi precedenti di custruisce sistemi basati in regule sò stati abbandunati in l'anni 1980, ma e rete neurali sò stati ancu lasciati in a puzza di a storia di l'informatica.
Hardware più putente è approcci innovatori l'anu purtatu à u core di l'attuale rivoluzione digitale: vale sempre a pena di seguità attentamente i sforzi fatti in zoni prima abbandunati.
(Extrait du blog des Notes de Stefano Feltri)
Questa hè una traduzzione automatica da a lingua italiana di un post publicatu in StartMag à l’URL https://www.startmag.it/innovazione/perche-lintelligenza-artificiale-non-e-davvero-intelligente/ u Sun, 31 Dec 2023 06:14:38 +0000.