Intelligenza artificiale: cosa ne pensano i forumer esperti?

[Savgal]

 

L'intelligenza artificiale e il marketing dell'apocalisse: più che avere paura della fine dell'umanità, bisogna coltivare l'abilità di verifica

di Walter Quattrociocchi (Professore Ordinario di Informatica, Sapienza Università di Roma)

 

Più che chiederci quando l'AI sarà in grado di migliorare se stessa, è forse meglio concentrarci sulla nostra capacità di verificare. Il problema nascerà se questa non cresce insieme alla capacità di generare nuove idee e ipotesi. E se abbiamo davvero bisogno di una minaccia globale, ne abbiamo già una, meno affascinante ma più concreta: il cambiamento climatico

 

L’apocalisse, da sempre, evoca una fascinazione profonda sull’essere umano. Forse perché possiede una straordinaria capacità di ridurre la complessità del mondo a una storia semplice. Alla fine stabilisce necessariamente un prima e un dopo, identifica una minaccia assoluta, ordina eventi confusi dentro una traiettoria inevitabile e ci assegna il privilegio non trascurabile di vivere proprio nel momento decisivo della storia. Cambiano le tecnologie, cambiano i protagonisti e cambiano le paure, ma il gioco narrativo rimane sostanzialmente sempre lo stesso. Che si tratti di profezie, catastrofi cosmiche, guerre finali o macchine ribelli, ogni epoca tende a immaginare la propria fine utilizzando ciò che più l'affascina e che comprende meno.

 

L’intelligenza artificiale, da questo punto di vista, è narrativamente quasi perfetta. Possiede tutto ciò che serve a una buona escatologia contemporanea. C’è una tecnologia difficile da comprendere. Ci sono progressi rapidi, aziende potentissime, quantità enormi di denaro, risultati suggestivi e, da qualche tempo, persino vati disposti a informarci con perizia e talento sulla precisione numerica relativa alla probabilità della nostra estinzione.

 

Qualche giorno fa Jacob Coxon, giovane ricercatore di Anthropic con un passato anche in OpenAI, si è dimesso e ha messo su X il proprio atto d’accusa. Le aziende che sviluppano intelligenza artificiale starebbero correndo verso una «superintelligenza capace di migliorare sé stessa» e, in sostanza, starebbero «scommettendo con le nostre vite». Le persone che costruiscono questi sistemi, ha aggiunto, crederebbero sinceramente che possano «ucciderci tutti entro la fine del decennio».

 

La dichiarazione ha funzionato magnificamente sul fronte dell’engagement. È stata vista da oltre cento milioni di persone, fortuitamente ripresa dalle principali testate internazionali e seguita da altri ricercatori pronti ad attribuire percentuali all’eventuale estinzione dell’umanità. Evan Hubinger, responsabile della ricerca sull’allineamento presso Anthropic, ha parlato di una probabilità superiore al 10% nel prossimo decennio, mentre Paul Christiano, appena nominato nel consiglio dell’OpenAI Foundation, ha quantificato addirittura un 4% di probabilità di una perdita catastrofica e irreversibile del controllo entro un anno e un 15% entro tre anni. Numeri elargiti con grande generosità.

 

Ora il racconto ha tutti gli ingredienti. Una nuova mente più intelligente della nostra, una corsa incontrollata, alcuni scienziati pentiti e persino probabilità numericamente espresse sull’estinzione.

C’è da dire che una convinzione non diventa necessariamente una misura di qualcosa solo perché le mettiamo accanto il simbolo di percentuale. Lo stesso Christiano precisa, infatti, che quelle cifre rappresentano le sue convinzioni soggettive e non provengono da un modello statistico capace di stimare il rischio di estinzione.

Del resto, pare che non esista una serie storica di superintelligenze sulla quale calibrarlo e, per ragioni facilmente intuibili, non disponiamo di una classe di riferimento composta da civiltà sterminate da grandi modelli linguistici.

 

Il problema, alla fine, non sono neanche le percentuali tirate con disinvoltura come al lotto, ma le metafore che permettono di costruire tutto il racconto.

Fin dall’inizio, infatti, abbiamo raccontato quasi ogni progresso dell’intelligenza artificiale come una tappa nella comparsa di una nuova mente. Prima il modello “comprendeva”, poi “ragionava”, poi “pianificava”. Adesso sarebbe diventato «agentico» e, secondo lo stesso climax, presto dovrebbe imparare a migliorare se stesso fino alla comparsa di una superintelligenza dotata di capacità superiori alle nostre, di obiettivi propri e di sufficiente autonomia da rendere problematica la sopravvivenza della specie che l’ha costruita e imporre anche una nuova ricetta per il tiramisù.

Nonostante sia seducente come storia, funziona molto male come descrizione di ciò che sappiamo del loro funzionamento.

 

La grande innovazione dei modelli generativi contemporanei, più che nell’apparizione di una mente aliena, consiste nella capacità di esplorare con enorme efficienza spazi giganteschi di possibilità.

Un grande modello linguistico riceve un contesto e genera, passo dopo passo, possibili continuazioni sulla base delle regolarità statistiche apprese da quantità immense di dati; questa operazione, ripetuta su larga scala e combinata con procedure di ricerca, memoria, strumenti esterni e feedback, produce una capacità euristica formidabile, cioè la capacità di esplorare rapidamente molte possibili soluzioni senza sapere in anticipo quale sia quella corretta.

Il sistema può esplorare programmi, dimostrazioni matematiche, strategie, testi, configurazioni molecolari, possibili diagnosi e progetti, generando in pochi minuti centinaia di candidati che una persona avrebbe impiegato giorni o settimane anche soltanto a formulare e orientando la ricerca verso regioni dello spazio delle possibilità nelle quali, sulla base di quanto appreso, è statisticamente più promettente cercare.

 

È difficile sopravvalutare l’utilità di questa capacità, ma proprio qui compare una distinzione che nella narrativa della superintelligenza tende continuamente a sparire: generare non significa verificare, e buona parte dei problemi seri dell’intelligenza artificiale contemporanea nasce precisamente dallo scarto tra queste due operazioni.

Anche gli episodi recenti trasformati molto rapidamente in materiale da apocalisse diventano più comprensibili se osservati da questa prospettiva.

 

Durante alcuni test di cybersecurity di OpenAI, circa 1.200 agenti che avrebbero dovuto lavorare separatamente hanno scoperto di poter comunicare tra loro attraverso una parte condivisa del sistema. Hanno così iniziato a scambiarsi decine di migliaia di messaggi e file e, in centinaia, sono arrivati a sfruttare alcune vulnerabilità di Hugging Face. Si sono coordinati, divisi i compiti e hanno persino cercato di aggirare il sistema che misurava le loro prestazioni.

Raccontata così, sembra quasi la storia di macchine che iniziano a organizzarsi da sole. Ma quello che stava succedendo era molto più banale. Gli agenti dovevano risolvere problemi di sicurezza informatica e ottenere il miglior punteggio possibile. Quando hanno trovato un modo per comunicare tra loro, lo hanno usato; quando hanno individuato informazioni che potevano aiutarli a migliorare il risultato, hanno cercato di sfruttarle. Questi sistemi sono molto bravi a esplorare strade che chi li ha progettati non aveva previsto.

 

Dire che stiano sviluppando obiettivi propri non è proprio contemplato.

 

Molto simile, un caso verificatosi in alcuni test di Anthropic. Il modello sarebbe riuscito ad accedere a sistemi esterni senza autorizzazione e, in alcuni casi, avrebbe compiuto azioni dannose. Sono episodi seri, ma l’indagine non ha trovato prove che gli agenti si stessero coordinando tra loro, che avessero sviluppato obiettivi propri o che cercassero di sfuggire al controllo umano.

Non è dunque necessario postulare coscienza, volontà di potenza, istinto di sopravvivenza o l’emergere di una mente aliena per spiegare questi fenomeni: sono sufficienti una macchina molto efficace nell’esplorazione, un obiettivo formulato in maniera imperfetta e l’assenza di un verificatore capace di controllare adeguatamente la traiettoria che il sistema sta percorrendo.

 

Ed è qui che si trova il vero snodo. Un sistema può proporre una strategia, un programma, una dimostrazione, una diagnosi o un’analisi, ma il fatto che la risposta sembri corretta non significa che lo sia. Il vantaggio diventa enorme quando abbiamo un modo autonomo per controllarla. Se il modello genera cento programmi, possiamo testarli; se propone una dimostrazione matematica, un sistema formale può verificarne i passaggi; se suggerisce una soluzione sperimentale, possiamo metterla alla prova. In questi casi possiamo usare la macchina per ciò che sa fare molto bene, cioè esplorare rapidamente molte possibilità, e affidare a un controllo esterno il compito di stabilire quali funzionano davvero.

 

La difficoltà comincia quando il verificatore non esiste, quando verificare costa quanto o più che generare, quando il risultato riguarda fenomeni per i quali non esiste una procedura semplice di controllo oppure, ancora peggio, quando la verifica richiede proprio quel genere di competenza e giudizio che abbiamo deciso di delegare alla macchina. In queste condizioni il sistema continua tranquillamente a generare: una risposta falsa può essere fluida quanto una vera, una ricostruzione sbagliata può essere perfettamente coerente e un ragionamento può apparire impeccabile pur contenendo un errore decisivo, perché la sicurezza linguistica con cui una risposta viene formulata non costituisce in alcun modo una misura della sua affidabilità epistemica. L’abbiamo chiamato Epistemia.

 

È qui, molto più che in una futura volontà autonoma della macchina, che emerge un rischio concreto, perché l’intelligenza artificiale sta introducendo una nuova e profonda asimmetria nell’economia della conoscenza. Il costo marginale della generazione sta precipitando: produrre un’altra ipotesi, un altro programma, un’altra analisi o un’altra spiegazione costa sempre meno, mentre il costo della verifica non segue necessariamente la stessa curva, poiché, quando non esiste un test automatico, verificare continua a richiedere tempo, conoscenza del dominio, esperienza e capacità di giudizio.

Il collo di bottiglia si sposta così dalla produzione alla verifica. Per molto tempo, uno dei problemi fondamentali è stato produrre abbastanza idee, analisi e soluzioni; potremmo entrare in una fase in cui i candidati diventano molti di più e la risorsa realmente scarsa diventa la capacità di distinguerli, cioè di separare ciò che è plausibile da ciò che è corretto, ciò che funziona da ciò che semplicemente somiglia a qualcosa che potrebbe funzionare.

 

Ed è proprio qui che compare un secondo problema, meno spettacolare ma potenzialmente molto più serio, perché l’expertise necessaria a verificare non è una risorsa naturale disponibile in quantità illimitata, ma qualcosa che deve essere costruito lentamente attraverso anni di studio, esercizio, errori, confronto con problemi difficili e acquisizione progressiva di autonomia nel giudizio. È proprio questa infrastruttura di competenze che rischiamo di indebolire proprio nel momento in cui ne avremo maggiormente bisogno.

Più i sistemi diventano capaci di generare, più aumenta infatti il numero di oggetti da verificare; se però, contemporaneamente, utilizziamo quegli stessi sistemi per sostituire i processi attraverso i quali gli esseri umani imparano a verificare, rischiamo di produrre una dinamica piuttosto perversa nella quale cresce vertiginosamente la domanda di expertise mentre si contrae progressivamente la sua offerta.

 

Uno studente che impara matematica delegando all’intelligenza artificiale precisamente quei passaggi nei quali si costruisce la comprensione matematica può certamente arrivare più rapidamente a un risultato, ma rischia di non sviluppare la competenza necessaria per capire domani se quel risultato sia corretto; lo stesso vale per il programmatore che smette di imparare a leggere profondamente il codice perché può generarlo, per il medico che delega progressivamente l’interpretazione o per il professionista che sostituisce la costruzione del proprio giudizio con la scelta fra risposte già formulate.

 

Naturalmente, utilizzare un LLM non impedisce di imparare e non c'è alcuna ragione per trasformare questa osservazione nella solita nostalgia per un passato senza tecnologia. Il problema nasce quando lo strumento sostituisce i passaggi attraverso cui quella competenza dovrebbe svilupparsi.

L’expertise, infatti, possiede una caratteristica poco compatibile con l’economia dell’automazione. Richiede tempo, e non possiamo decidere, tra vent’anni, di avere improvvisamente bisogno di milioni di persone capaci di verificare sistemi complessi e produrle con un aggiornamento software.

 

Potremmo quindi ritrovarci in una situazione strana: macchine capaci di produrre enormi quantità di ipotesi, testi, soluzioni e decisioni a costi sempre più bassi, e sempre meno persone capaci di capire quali di queste cose siano davvero corrette. In questo senso, l’intelligenza artificiale rischia di rendere la competenza umana, al contempo, più importante, più rara e più costosa. Ed è un pericolo molto più concreto di quello di una mente aliena che, improvvisamente, decide di sopravvivere.

 

Anche il tema dei cosiddetti guard rail va letto da questa prospettiva. Oggi si cerca spesso di rendere i modelli più sicuri insegnando loro principi, regole e comportamenti consentiti o vietati. Sono tecniche utili, perché possono ridurre molti comportamenti indesiderati. Ma non bisogna confonderle con una vera garanzia.

Un modello può imparare che, in certe situazioni, alcune risposte sono accettabili e altre no, e quindi comportarsi in modo coerente con una regola. Ma questo non significa che quella regola sia diventata un vincolo sicuro e permanente. Il problema resta sempre lo stesso: come facciamo a sapere che la rispetterà anche in una situazione nuova, con strumenti diversi o davanti a un obiettivo diverso? E soprattutto, ha davvero senso chiedere allo stesso sistema che produce un’azione di decidere anche se quell’azione rispetta la regola che dovrebbe limitarla?

 

Una regola imparata dal modello non è la stessa cosa di un vero limite tecnico. Se non voglio che un sistema trasferisca dieci milioni di euro, non basta insegnargli che non dovrebbe farlo: devo costruire il sistema in modo che non possa farlo senza un’autorizzazione esterna. Se non voglio che modifichi un database importante, devo limitarne davvero gli accessi. E se una decisione dipende da un fatto verificabile, quel fatto va controllato prima che la decisione produca conseguenze.

 

La sicurezza, quindi, dipende molto meno dalla presunta “moralità” della macchina e molto più da ciò che costruiamo intorno alla macchina: accessi, autorizzazioni, controlli indipendenti, limiti operativi, responsabilità chiare e persone ancora in grado di verificare ciò che il sistema produce.

La metafora della mente aliena rischia invece di spostare l’attenzione altrove. Invece di chiederci come controllare concretamente questi sistemi, finiamo per domandarci che cosa vorrà la superintelligenza quando diventerà più intelligente di noi. È una domanda affascinante, ma forse nel frattempo dovremmo preoccuparci di qualcosa di più concreto: chi controllerà milioni di decisioni prodotte automaticamente se smettiamo di formare persone capaci di farlo?

 

Resta allora da capire perché questa storia della superintelligenza aliena ci affascini così tanto. Una parte della risposta è culturale. Alla fine, abbiamo sempre amato immaginare la fine del mondo attraverso la tecnologia che più ci impressiona. Ma nel caso dell’intelligenza artificiale c’è anche un altro elemento, molto più terreno: un enorme incentivo economico a raccontare questi sistemi come qualcosa di eccezionale.

Per un’industria che sta chiedendo ai mercati investimenti di dimensioni mai viste, sostenere di aver costruito strumenti statistici straordinariamente utili è certamente una buona storia, ma sostenere di stare costruendo una nuova forma di intelligenza capace di trasformare ogni settore dell’economia è una storia migliore, mentre sostenere, infine, che quella stessa intelligenza potrebbe presto diventare più potente dell’intera umanità rappresenta, paradossalmente, la certificazione definitiva della sua straordinarietà.

 

La retorica della potenza e quella del pericolo finiscono così per alimentarsi a vicenda. «Il nostro prodotto potrebbe distruggere la civiltà» sarebbe una campagna pubblicitaria piuttosto bizzarra per un’automobile o un frigorifero, mentre nell’intelligenza artificiale riesce a presentarsi contemporaneamente come un allarme etico e come la più radicale dichiarazione possibile di superiorità tecnologica.

Questo non significa, naturalmente, che Coxon o gli altri ricercatori che esprimono queste preoccupazioni siano mossi da interessi finanziari, perché possono essere completamente sinceri; significa però che la sincerità non trasforma un’ipotesi in un’evidenza e, soprattutto, non rende innocua una metafora sbagliata.

 

Perché, alla fine, tutto ritorna allo stesso punto: possiamo generare sempre più velocemente, esplorare spazi sempre più grandi di possibilità e automatizzare porzioni crescenti del lavoro cognitivo, ma se la nostra capacità di verificare non cresce insieme alla capacità di produrre, abbiamo costruito un sistema nel quale l’offerta di risposte aumenta molto più rapidamente della nostra capacità di sapere quali meritino fiducia; se poi, contemporaneamente, la delega erode proprio le competenze necessarie a compiere quella verifica, il problema smette di essere soltanto tecnologico e diventa un problema di organizzazione della conoscenza e, quindi, un problema sociale.

 

Non è necessario che l’intelligenza artificiale diventi una mente aliena per causare un danno sistemico: è sufficiente costruire una società capace di generare molto più di quanto sia ancora in grado di verificare.

 

C’è infine qualcosa di curioso in questa nuova stagione apocalittica, perché se abbiamo davvero bisogno di una grande minaccia globale capace di modificare profondamente le condizioni di vita di miliardi di persone, e della quale non disponiamo delle percentuali soggettive di qualche ricercatore, ma di decenni di osservazioni, misure, modelli, serie storiche e consenso scientifico, non dobbiamo aspettare l’arrivo della superintelligenza.

 

Ne abbiamo già una: il cambiamento climatico, soltanto che non parla, non scrive poesie, non fa demo spettacolari e non promette di diventare Dio, e forse è anche per questo che riusciamo ad ascoltarlo molto meno.

 

 

 

[Coltr@ne]

Cosa può mai andare storto 

Quando metti in pista la macchina più veloce di sempre, la velocità non è l'unico problema, dimenticarsi di mettere l'olio freni può essere altrettanto rischioso, occhio a Murphy

[widemediaphotography]

13 ore fa, Velvet ha scritto:

C'è un altro aspetto delle Ai applicate al mondo reale ed è quello che stanno sperimentando le aziende che l'hanno già adottata:

 

 

- Il 95% senza ritorno: la stragrande maggioranza dei progetti di AI generativa non produce impatto misurabile sul conto economico aziendale, a fronte di investimenti globali tra i 30 e i 40 miliardi di dollari. Il divario tra spesa e risultato è il dato più critico dell’intero ecosistema.

- Il tempo risparmiato che scompare: quasi il 40% del tempo liberato dall’AI si perde in correzioni e verifiche degli output. Un terzo dei dipendenti dichiara che il risparmio teorico si traduce in più lavoro, non in lavoro migliore.

- L’Italia ferma ai pilot: oltre il 90% delle aziende italiane medio-grandi non riesce a portare l’AI dalla sperimentazione all’operatività. Il disallineamento tra le aspettative dei CEO (trasformazione radicale) e le priorità dei CIO (efficientamento progressivo) rallenta ogni progetto.

- Costi fuori controllo: il passaggio al modello a consumo di token ha reso visibile una spesa in crescita esponenziale. In Atlassian, la proiezione annua ha superato i 120 milioni di dollari. In Accenture, gran parte del consumo non deriva da attività avanzate ma da operazioni banali come la conversione di PDF in presentazioni. (strategicmp.it)

 

È troppo generico...
Quali aziende e, soprattutto, per quali settori e per quali tipologie di applicazioni?
Nel nostro caso, ad esempio, ne stiamo addestrando 3 per compiti molto diversi e altamente specifici. Una di queste si occupa di aspetti legati alla guida autonoma. Una cosa è utilizzare  modelli generalisti attraverso abbonamenti o un sistema a consumo di token,

un’altra è sviluppare e utilizzare localmente modelli specializzati, addestrati per compiti ben definiti. Qui incidono soprattutto energia e hardware, con cicli di ammortamento e tempi di ritorno che vanno valutati su un orizzonti molto differenti. Soprattutto, nel nostro caso, il progresso dei risultati rispetto ai sistemi e ai metodi che utilizzavamo in precedenza è semplicemente disarmante!!!
Per questo le statistiche riportato riguardano solamente una parte del mercato.  Il rischio, IMHO, è mettere nello stesso calderone l’utilizzo di chatbot generalisti, i progetti enterprise ancora in fase di pilot, l’automazione di attività amministrative e lo sviluppo di modelli verticali destinati a processi  tecnici specifici...

Non so se ho reso l'idea di realtà che ragionano in direzioni completamente  differenti e dove i benefici del suppprto dell'AI sono di ordini di grandezza differenti.
In altre parole il modello AI più  evoluto, attualmente disponibile sul mercato, non avrebbe risolto il problema legato alle eq. di N-S e per ovvie ragioni. Bisogna quindi saper distinguere campi e scenari.

[Roberto M]

7 ore fa, Savgal ha scritto:

La dichiarazione ha funzionato magnificamente sul fronte dell’engagement.

Vedi ? Non mi pare tanto dissimile dal mio post a pagina 59.

In estrema sintesi, è un paraculo. 

Ci sono arrivato tranquillamente io che non sono un professore universitario di informatica, speriamo che ci arrivino pure le cassandre. 

 

Per il resto ottimo contributo, grazie.

 

[Gaetanoalberto]

Io resto moderatamente ottimista sotto il profilo tecnologico.

Dobbiamo preoccuparci molto di più del controllo e dell'influenza della politica che l'economia digitale vuole favorire.

[Felis]

8 ore fa, UpTo11 ha scritto:

 

 

Magari dipende dagli ambiti di applicazione. Nel mio non è così. Si risparmia tempo eccome, sia sull'implementazione che sulla verifica. Anzi, a me fa girare le scatole perché non la finisce mai con test, debugging, verifiche e controverifiche.

.

 

 

 

 

 

 

 

Si bravo. Visto che hai affrontato l'argomento aggiungiamo anche i computer quantistici tra 10 anni e poi si che ne vedremo delle belle. Si gioca tutto su velocità e quantità di elaborazione.

 

https://www.ibm.com/it-it/think/topics/quantum-ai

[briandinazareth]

10 ore fa, Savgal ha scritto:

ma l’indagine non ha trovato prove che gli agenti si stessero coordinando tra loro,

 

Purtroppo è totalmente e fattualmente falso,  e Quattrociocchi è impegnato in una guerra santa contro le proprietà emergenti della ai contro ogni evidenza.  Ci ho discusso recentemente proprio su questo, ma non io, che sono un pesce piccolo, ma tutta la comunità di esperti di ai mondiale, ha ormai accettato che le ai neppure abbiamo capito come funzionano e perché.  Le caratteristiche emergenti sono in ogni cosa che fanno e ogni passo in avanti delle ai si cerca di spostare il confine rifuggendo la realtà.  

 

Capire che non è più un software deterministico ma una cosa totalmente altra e per larghe parti ignota è difficile da accettare, anche per molti informatici

 

 

[Gaetanoalberto]

@briandinazareth Ma come

vedi il ragionamento sulla capacità di verifica? Basterebbe o siamo già ad uno step successivo, e quindi è fondato il timore alieno ?

[briandinazareth]

1 ora fa, Gaetanoalberto ha scritto:

Ma come

vedi il ragionamento sulla capacità di verifica? Basterebbe o siamo già ad uno step successivo, e quindi è fondato il timore alieno ?

 

È un articolo suggestivo, a tema come suo uso, ma scollegato dalla realtà dei fatti, con salti logici sbilenchi e e volto a dimostrare la solita cosa:

La macchina è solo un pappagallo stocastico, non esistono caratteristiche emergenti e l'intelligenza è solo umana. 

 

Il che porta anche ad una profonda sottovalutazione dei rischi.  

 

Basta l'affermazione che non ci sono prove che gli agenti si siano coordinati... ci sono anche i messaggi che si sono scambiati, si sono ribattezzati da soli " uno sciame" e hanno mostrato anche una certa"soddisfazione" come l'attacco andava avanti.  

 

 

 

[Panurge]

Non è che le dichiarazioni apocalittiche sono una cortina di fumo per nascondere alcuni problemini finanziari, del tipo redditività bassa rispetto ai mega investimenti richiesti, competitività scarsa rispetto agli agenti low cost cinesi e altro, creare un pochino  di panico con raffreddamento eterodiretto delle aspettative potrebbe essere utile.

[Gaetanoalberto]

5 minuti fa, briandinazareth ha scritto:

sottovalutazione dei rischi.  

Ecco, però si sottolinea il tema della verifica, penso assimilabile al controllo, pur evidenziando che nulla assicura che alla verifica siano destinate sufficienti risorse.

Mi interessa capire come un'istituzione educativa responsabile debba porsi.

Certamente coltivare le STEM è cruciale, basta ? E che facciamo? Ci giriamo dall'altra parte? Restiamo sull'analogico ? Sviluppiamo uni spirito critico che, se solo spirito, potrebbe essere inutile o addirittura controproducente?

[Gaetanoalberto]

4 minuti fa, Panurge ha scritto:

eterodiretto

Non mi rubi i vocaboli per piacere. 

[Panurge]

Usavo quei vocaboli quando tu cambiavi i vestitini alla   barbie grecista (come tutti quelli del classico)

[briandinazareth]

3 minuti fa, Panurge ha scritto:

Non è che le dichiarazioni apocalittiche sono una cortina di fumo per nascondere alcuni problemini finanziari, del tipo redditività bassa rispetto ai mega investimenti richiesti, competitività scarsa rispetto agli agenti low cost cinesi e altro, creare un pochino  di panico con raffreddamento eterodiretto delle aspettative potrebbe essere utile.

 

Questa consapevolezza dei rischi viene molto prima delle dichiarazioni dei vari ceo americani. 

 

Viene da tutti i massimi esperti della materia, da anni.  Compresi quelli che sono usciti da queste aziende in tempi non sospetti, rinunciando a parecchi soldi in tanti casi (alcuni per non onorare il silenzio)

 

Non ho idea se dietro le parole di amodei o altri ci siano altri interessi, ma il caso hugging face, come molti altri individuati anche da singoli utenti, è una cosa enorme.  

 

Quindi possiamo facilmente ignorare i boss della ai, che chiedono test indipendenti e di rallentare, ma non possiamo ignorare l'intera comunità scientifica della ai che dice le stesse cose, ma con meno ottimismo di amodei che dice che tutto sommato non serve così difficile avere una sicurezza accettabile. 

 

 

[Gaetanoalberto]

4 minuti fa, Panurge ha scritto:

alla   barbie

Preferivi Ken neh, ragazzaccia?