Quantum Computing: La Rivoluzione Che Cambierà Il Futuro!

Hai presente la frase: 'ChatGPT è essenzialmente un completamento automatico sotto steroidi'? L'ho sentita da uno scienziato informatico dell'Università di Rochester durante un workshop sulla nuova realtà dell'intelligenza artificiale in ambito accademico. Come tutti gli altri, cercavamo di comprendere le straordinarie capacità di ChatGPT e la sua abilità, guidata dall'IA, di scrivere ricerche per gli studenti, completare codici informatici e persino comporre il documento di pianificazione strategica delle università, il flagello di ogni professore. Il commento di quello scienziato ha evidenziato un punto fondamentale. Se vogliamo davvero comprendere il potere, la promessa e il pericolo dell'intelligenza artificiale, dobbiamo prima capire la differenza tra l'intelligenza così come è generalmente intesa e il tipo di intelligenza che stiamo costruendo ora con l'IA. Questo è importante, perché il tipo che stiamo costruendo ora è davvero l'unico che sappiamo come costruire - e non è affatto simile alla nostra intelligenza. Il termine intelligenza artificiale risale agli anni '50, quando furono costruiti i primi computer elettronici, ed emerse durante un incontro al Dartmouth College nel 1956. Fu lì che un gruppo di scienziati gettò le basi per un nuovo progetto il cui obiettivo era un computer in grado di pensare. Come recitava la proposta per l'incontro, il campo dell'intelligenza artificiale riteneva che 'ogni aspetto dell'apprendimento o qualsiasi altra caratteristica dell'intelligenza può in linea di principio essere descritto in modo così preciso che una macchina può essere fatta per simularlo'. Attraverso gran parte dei primi anni del campo, i ricercatori di IA cercarono di capire come avvenisse il pensiero negli esseri umani e poi di utilizzare questa comprensione per emularlo nelle macchine. Questo significava esplorare come la mente umana ragiona o costruisce astrazioni dalla sua esperienza del mondo. Un focus importante era il riconoscimento del linguaggio naturale, cioè la capacità di un computer di comprendere le parole e le loro combinazioni (sintassi, grammatica e significato), permettendo loro di interagire in modo naturale con gli esseri umani. Nel corso degli anni, l'IA ha attraversato cicli di ottimismo e pessimismo - questi sono stati chiamati 'este' e 'inverni' dell'IA - mentre periodi straordinari di progresso si bloccavano per un decennio o più. Ora siamo chiaramente in un'estate dell'IA. Una combinazione di potenza di calcolo sbalorditiva e progressi algoritmici ha dato vita a strumenti come ChatGPT. Ma se guardiamo indietro, possiamo vedere un notevole divario tra ciò che molti speravano che l'IA significasse e il tipo di intelligenza artificiale che è stata realizzata. E questo ci riporta al commento sul 'completamento automatico sotto steroidi'. Le versioni moderne di IA si basano su ciò che viene chiamato apprendimento automatico. Si tratta di algoritmi che utilizzano metodi statistici sofisticati per costruire associazioni basate su un insieme di dati di addestramento forniti loro dagli esseri umani. Se hai mai risolto uno di quei test reCAPTCHA 'trova il passaggio pedonale', hai aiutato a creare e addestrare un programma di apprendimento automatico. L'apprendimento automatico a volte implica l'apprendimento profondo, in cui gli algoritmi rappresentano strati di reti impilate, ciascuno che lavora su un aspetto diverso della costruzione delle associazioni. L'apprendimento automatico in tutte le sue forme rappresenta un risultato straordinario per l'informatica. Stiamo appena iniziando a capire la sua portata. Ma è importante notare che la sua base si basa su un modello statistico. Alimentando gli algoritmi con enormi quantità di dati, l'IA che abbiamo costruito si basa sull'adattamento di curve in uno spazio iperdimensionale - ogni dimensione comprende un parametro che definisce i dati.