Era il 30 novembre del 2022 quando l’azienda californiana OpenAI rilasciò ChatGPT, un bot conversazionale capace di stupire il grande pubblico per la sua abilità nel formulare risposte coerenti e strutturate alle più disparate domande degli utenti. Da quel giorno l’intelligenza artificiale (AI) è diventata il tema caldo del momento, suscitando aspettative e preoccupazioni. Nel contesto imprenditoriale, in molti si interrogano oggi su come ci si debba comportare di fronte a questa nuova tecnologica. La preoccupazione serpeggia in particolare nel mondo delle Piccole e Medie Imprese (PMI), le quali non dispongono spesso dell’expertise e del know-how necessari per capire come sfruttare e implementare al meglio l’AI nei processi aziendali. Il dibattito pubblico non è inoltre di grande aiuto. Molte big tech americane stanno infatti fomentando l’hype mediatico intorno all’AI, spesso esagerandone sia rischi che benefici.
In questo breve articolo cercherò di fare un po’ di chiarezza rispetto a potenzialità e limiti dell’AI per la PMI.
Mi concentrerò in particolare su quella che viene oggi chiamata Intelligenza Artificiale Generativa (IAG), spendendo anche qualche parola sulle sfide che essa pone per il contesto imprenditoriale elvetico.
L’Intelligenza Artificiale Generativa
Con IAG si intendono tutti quei modelli in grado di generare contenuti originali a partire dall’osservazione di quanto prodotto dall’intelligenza umana.
Rientrano in questa categoria i bot conversazionali di ultima generazione, come ChatGPT o GEMINI, e le App per la creazione di immagini, come DALL-E. A differenza di forme più “tradizionali” di AI, che si concentrano sul prendere decisioni o fare previsioni, l’IAG utilizza algoritmi avanzati di apprendimento automatico per generare nuovi contenuti come testo, immagini e persino video. L’apprendimento di un’IAG è tuttavia profondamente diverso da quello umano. Noi esseri umani possediamo una coscienza della realtà e sulla base di questa ci formiamo una rappresentazione strutturata di come è fatto il mondo.
L’IAG non ha alcuna consapevolezza del mondo e del significato delle informazioni che rielabora. Essa si limita a cercare pattern di correlazioni nei dati che le permettono di fare previsioni il più possibile azzeccate.
Seppure dotate di abilità sorprendenti, le IAG altro non sono che delle macchine statistiche. In quanto tali possono commettere errori banali e generare risposte completamente inaffidabili, contenenti informazioni false e/o inopportune (fenomeno noto in gergo come allucinazione).
Benefici e rischi per le imprese
Un vantaggio notevole dei modelli di IAG è che essi possono essere adattati con facilità a diversi compiti, laddove i modelli di AI più “tradizionali” sono in grado di svolgere solo compiti predefiniti. In una PMI, ad esempio, l’IAG potrebbe essere utilizzata per automatizzare le attività di segreteria, come la scrittura dei report, implementata nei processi di gestione della logistica, aiutare nella creazione di prototipi e infine facilitare e semplificare l’interazione con i clienti.
Rimane però necessario tenere presente quelli che sono i rischi principali legati a questi molteplici usi. Tra questi troviamo senz’altro i rischi legati al problema del bias. I dati su cui l’IAG è addestrata possono infatti includere contenuti fuorvianti o discriminatori. Identificare preliminarmente tali contenuti non è spesso possibile, vista la mole dei dati necessari per il processo di addestramento. Essi possono pertanto venire “ereditati” dalla macchina e indurla a generare a sua volta contenuti inappropriati.
Un altro rischio importante è legato al fenomeno dell’allucinazione che ho sopra menzionato. In genere, non è possibile prevedere se un’IAG genererà una risposta appropriata e affidabile ad una certa domanda oppure no. Le risposte fornite da un’IAG vanno quindi sempre “prese con le pinze”.
Ad oggi la ricerca in AI si sta attrezzando per contenere questi rischi e costruire macchine più affidabili. Tuttavia, non è possibile eliminare tutti i rischi: alcuni di essi sono connaturali alla struttura stessa di questi modelli e sono, se si vuole, il prezzo da pagare per la loro potenza e adattabilità. Occorre che gli utenti siano in grado di capire quali sono i limiti di un’IAG, quali i compiti che essa può o non può svolgere, e come essa può essere utilizzata nei diversi contesti.
Da qui il ruolo imprescindibile dell’educazione e la necessità di sviluppare una strategia educativa ad ampio spettro che coinvolga istituti di ricerca, enti pubblici e imprese.
Cooperazione e strategia di rete: per una via svizzera all’AI
Per concludere vorrei spendere alcune parole in merito a quale strategia adottare per affrontare la sfida dell’AI nel contesto imprenditoriale elvetico. Il mercato dell’IAG è oggi caratterizzato da pochi grandi attori.
Da un lato abbiamo le big tech americane, che detengono il monopolio dello sviluppo tecnologico in materia di AI in occidente. Dall’altro lato c’è la Cina, che invece opera in modo centralizzato orientando la ricerca a quelli che sono gli interessi dello stato. In tutto ciò, che via può seguire la Svizzera?
Personalmente credo che per un paese come il nostro la strategia migliore sia quella di mettere in sinergia le varie eccellenze di cui il territorio elvetico dispone, alcune delle quali, come l’Istituto Dalle Molle di Studi sull’Intelligenza Artificiale (www.idsia.usi-supsi.ch)
e il Centro Svizzero di Calcolo Scientifico (www.cscs.ch) si trovano proprio in Ticino.
In questo spirito è stata concepita ad esempio la Swiss AI Initiative (www.swiss-ai.org), che rimane però un’iniziativa limitata al contesto della ricerca.
Occorre invece allargare questa strategia di rete, collegando i diversi stakeholders (istituti di ricerca, startup, PMI, enti locali) in un’unica struttura organica che guidi il processo di innovazione.
In questo modo, non solo si può stare al passo con le sfide che lo sviluppo dell’AI ci pone, ma si può anche ottenere un’AI più “democratica” e attenta alle esigenze delle realtà locali e di chi vi abita.
Dr. Alberto Termine
- Ricercatore presso l’Istituto Dalle Molle di Studi sull’Intelligenza Artificiale (IDSIA USI-SUPSI) di Lugano.
- Collaboratore Scientifico presso il Collège des Humanités del Politecnico Federale di Losanna.
- Adjunct Research Fellow presso l’Institut für Geschichte und Ethik der Medizin del Politecnico di Monaco di Baviera.
Alberto Termine,
Ricercatore sull’Intelligenza Artificiale
https://sites.google.com/view/albertotermine/home-page
