Il TEHA – Global Innosystem Index (TEHA – GII) 2024, presentato al Technology Forum tenutosi il 30-31 maggio a Stresa da The European House – Ambrosetti, ha evidenziato nuovamente le criticità dell’Italia in tema di innovazione.
La posizione dell’Italia in termini di innovazione è un misto di progressi e sfide. Da un lato, il paese ha mostrato significativi progressi in diverse aree, come la diversificazione dell’industria nazionale e lo sviluppo dell’innovazione, in particolare nel design industriale.
Dall’altro lato, l’Italia ancora affronta diverse sfide che ostacolano la sua capacità innovativa. La capacità del paese di attrarre investimenti diretti esteri è un’area di preoccupazione principale. Inoltre, l’ambiente imprenditoriale italiano è ostacolato da procedure burocratiche complesse, che rendono difficile l’ingresso nel mercato per nuove aziende, come startup.
Il Paese si posiziona al 24º posto tra i 37 Paesi ad alta performance innovativa, una classifica dominata da Singapore, Israele ed Estonia. Gli indicatori che vedono l’Italia in maggiore difficoltà sono quelli relativi all’innovazione dell’ecosistema e al capitale umano, dove si colloca rispettivamente al 32º e al 28º posto.
Nonostante questi risultati, l’Italia dimostra una buona efficacia dell’ecosistema innovativo, piazzandosi al 10º posto per produzione di nuove idee e il loro impatto economico.
La teoria della mente, la capacità di comprendere e inferire gli stati mentali altrui, è una delle pietre miliari della cognizione umana. Questo concetto, esplorato in profondità nello studio pubblicato su “Nature Human Behaviour”, (in allegato) Testing theory of mind in LLM and Humans ha recentemente trovato nuovi territori di indagine grazie allo sviluppo dei modelli linguistici di grandi dimensioni (LLM) come GPT-4 e LLaMA2. Questi modelli, sottoposti a una batteria di test per valutare le loro abilità di teoria della mente, hanno mostrato performance paragonabili a quelle umane in vari compiti, sebbene con alcune limitazioni e differenze significative.
La narrativa della fantascienza ha spesso esplorato l’intersezione tra l’intelligenza artificiale e la teoria della mente, anticipando molte delle domande che oggi i ricercatori si pongono. Un esempio emblematico è il romanzo “Do Androids Dream of Electric Sheep?” di Philip K. Dick, da cui è tratto il celebre film “Blade Runner”. In questo romanzo, gli androidi sono creati per sembrare e comportarsi come esseri umani, ma la loro capacità di empatia e comprensione delle emozioni umane è ciò che li distingue dai loro creatori.
Apple sta lavorando per presentare una nuova strategia di intelligenza artificiale (IA) durante il suo Worldwide Developers Conference (WWDC) di questo mese. La compagnia si concentra su strumenti che gli utenti possono utilizzare nella vita quotidiana, piuttosto che su funzionalità più avanzate come quelle offerte da Microsoft, Alphabet e OpenAI. Questo approccio è basato su un progetto chiamato Greymatter, che integrerà strumenti di IA in applicazioni come Safari, Photos e Notes.
Negli ultimi anni, l’intelligenza artificiale (IA) ha acquisito un ruolo sempre più significativo in diversi settori, inclusa l’educazione. La sua capacità di analizzare grandi quantità di dati, riconoscere schemi complessi e offrire soluzioni personalizzate la rende uno strumento prezioso per migliorare l’esperienza di apprendimento. Questo articolo esplora vari aspetti dell’IA applicata all’educazione, basandosi su studi recenti e progetti pionieristici.
L’intelligenza artificiale è un tema che suscita sia paura che realtà riguardo alla possibilità di prendere il lavoro umano. Secondo alcuni studi, l’automazione e l’IA potrebbero effettivamente trasformare le professionalità e portare a una riorganizzazione del mercato del lavoro, con la possibilità che le macchine svolgano il lavoro di milioni di persone entro 10 anni.
Tuttavia, non è necessariamente una minaccia catastrofica per i lavoratori, ma piuttosto un cambiamento che richiede adattabilità e preparazione. Alcuni settori potrebbero essere più vulnerabili, come il data entry o il supporto clienti, mentre altri potrebbero beneficiare dell’automazione. Inoltre, l’IA potrebbe portare a una maggiore produttività e a nuove opportunità economiche e di benessere
L’articolo “L’Impatto dei Modelli di Intelligenza Artificiale Generativa sulle Società e la Democrazia” (epic.org 2023) presenta una valutazione dettagliata dei rischi e dei problemi associati all’utilizzo di modelli di intelligenza artificiale generativa (AI) nella società.
Questi strumenti, in grado di generare contenuti in modo estremamente preciso e naturale, hanno aperto nuove possibilità per l’innovazione e la creatività. Tuttavia, la loro capacità di produrre contenuti in modo autonomo e veloce ha anche sollevato preoccupazioni sulla loro capacità di essere utilizzati per scopi malevoli.
Cinquanta anni fa, le fortune delle aziende americane erano strettamente legate al benessere dell’intera nazione. Le imprese investivano nei propri dipendenti e nelle nuove tecnologie, garantendo prosperità sia per loro stesse che per i lavoratori.
Oggi, tuttavia, un numero crescente di dirigenti aziendali esprime preoccupazione per l’eccessivo interesse delle aziende verso i profitti a breve termine, concentrandosi unicamente sui guadagni degli azionisti. Questo approccio limita gli investimenti nei lavoratori, nella ricerca e nello sviluppo tecnologico, costi immediati che potrebbero temporaneamente ridurre i profitti. Secondo questi leader, tale strategia potrebbe portare a seri problemi nel lungo periodo per il paese.
La storia del capitalismo del XXI secolo è stata marcata dallo sviluppo straordinario di Apple e Google. In termini di creazione di ricchezza, non esiste paragone. Solo otto anni fa, nessuna delle due aziende figurava tra le dieci più valenti al mondo, e la loro capitalizzazione di mercato combinata era inferiore a 300 miliardi di dollari.
Oggi, Apple e Alphabet (la holding di Google) sono le due società più valenti, con una capitalizzazione di mercato combinata che supera i 1,3 trilioni di dollari. Questi colossi stanno sempre più spesso entrando in competizione in vari settori, dagli smartphone ai dispositivi audio domestici, fino a speculazioni su automobili e forse in un futuro sull AI. Tuttavia, la collisione più significativa tra Apple e Google passa quasi inosservata:
le due aziende hanno adottato approcci radicalmente diversi nei confronti dei loro azionisti e del futuro. Apple tende a soddisfare le richieste degli investitori, mentre Google mantiene il controllo nelle mani dei fondatori e dei dirigenti.
La potente combinazione di internet e smartphone onnipresenti ci fa chiedere se sia ancora necessario ricordare qualcosa, poiché la conoscenza del mondo è sempre a portata di mano. Con l’adozione rapida dell’IA, le persone trovano modi per ridurre o evitare il lavoro. Ma quali potrebbero essere le conseguenze per i nostri cervelli?
Un gruppo bipartisan di quattro senatori statunitensi, guidato dal leader della maggioranza Chuck Schumer, ha chiesto che il Congresso spenda almeno 32 miliardi di dollari per l’intelligenza artificiale nei prossimi tre anni per “sfruttare le opportunità e affrontare i rischi” associati a questa tecnologia. Questa richiesta bipartisan dimostra l’urgenza di investire nell’AI per mantenere il vantaggio competitivo degli Stati Uniti, soprattutto di fronte alla crescente minaccia della Cina che sta investendo massicciamente in questo settore.
Il Memo Strategico di Mistral.ai ha suscitato un notevole interesse e dibattito nel settore dell’Intelligenza Artificiale, poiché ha contribuito a garantire un finanziamento significativo per l’azienda. Esaminiamo da vicino i punti chiave emersi da questo documento e le implicazioni che ha per il futuro di Mistral.ai.
Offre una panoramica delle sfide e delle opportunità che l’azienda affronta nel suo percorso verso l’eccellenza nell’Intelligenza Artificiale. La chiarezza strategica, la sostenibilità finanziaria e la capacità di adattarsi al mercato emergente dell’IA saranno determinanti per il successo futuro di Mistral.ai e per il suo ruolo nel panorama dell’innovazione tecnologica.
Le principali tendenze tecnologiche strategiche di Gartner per il 2024: una guida al futuro della tecnologia
In un’era caratterizzata da un incessante progresso tecnologico, ci attendono sfide e possibilità che modelleranno profondamente le nostre esperienze di vita e lavorative. Esperti come Gartner e rinomati analisti del settore offrono prospettive fondamentali sui cambiamenti imminenti che ci attendono nel 2024 e oltre. Questo articolo si propone di esaminare le tendenze tecnologiche emergenti che avranno un impatto significativo sulla nostra quotidianità e sul panorama aziendale nel futuro prossimo.
Contrariamente alle preoccupazioni di molti, l’intelligenza artificiale (IA) può rappresentare un motore di progresso per la ricerca biologica e la biotecnologia. L’idea che l’IA possa amplificare i rischi connessi all’abuso di biotecnologie per la creazione e la diffusione di patogeni, fomentando il bioterrorismo, trascura tre aspetti fondamentali. In primo luogo, l’IA, come gli esseri umani, richiede l’accesso ai dati per poter operare.
In secondo luogo, le politiche governative sono volte a prevenire l’uso malevolo della biotecnologia, monitorando le attività sospette.
In terzo luogo, vista la frequente inaffidabilità dei grandi modelli di linguaggio (LLM) e il rischio di generare informazioni non corrette, qualsiasi IA dedicata a fornire consulenze in biotecnologia necessiterà della supervisione di un professionista.
Invece, l’IA ha il potenziale di essere propulsiva per la ricerca biologica e la biotecnologia, con la promessa che le scoperte in questo campo possano a loro volta stimolare nuovi sviluppi nell’ambito dell’IA a vantaggio dell’intera umanità.
È essenziale che i leader dei settori privato e pubblico agiscano con decisione nel breve periodo per stabilire le condizioni favorevoli all’ottimizzazione dei benefici offerti dall’IA e dalla biotecnologia. L’attenzione a livello nazionale e internazionale dovrebbe spostarsi verso strategie condivise di gestione dei dati e verso l’implementazione di metodologie formative appropriate per i modelli di IA applicati ai sistemi biologici.
Il Red Cell era una piccola unità creata dalla CIA dopo l’11 settembre per garantire che il fallimento analitico nel non prevedere gli attacchi non si ripetesse mai più. Produceva brevi relazioni destinate a stimolare un pensiero fuori dagli schemi su assunzioni errate e percezioni sbagliate sul mondo, incoraggiando un pensiero strategico alternativo. In un altro momento cruciale di crescente incertezza, questo progetto è inteso come una versione open source, utilizzando un formato simile per mettere in discussione mappe mentali superate ed esercitare una “empatia strategica” per discernere le motivazioni e i vincoli di altri attori globali, migliorando la possibilità di strategie più efficaci.
Per essere precisi: la nostra esperienza nel campo della tecnologia risale alla fine degli anni ’90. Quello che stiamo vivendo non è una bolla speculativa, bensì l’alba di una quarta rivoluzione industriale imminente. Questa rivoluzione avrà ripercussioni significative sulla crescita del settore tecnologico, in particolare grazie al progresso del software e all’evoluzione dei casi d’uso dinamici.
Redazione
Al di là delle complessità geopolitiche, la Cina vanta aspetti notevolmente meritevoli di considerazione. Con un Prodotto Interno Lordo che si aggira intorno agli 18 trilioni di dollari, si posiziona come la seconda maggiore potenza economica mondiale, subito dopo gli Stati Uniti. Per di più, il mercato azionario del Paese ha vissuto un periodo di flessione dall’inizio del 2021, ma vi sono indicazioni che potrebbe aver raggiunto un punto di minimo nel corso del 2022.
L’economia della Cina, pur fronteggiando alcune difficoltà, conserva la sua robustezza e si prevede che la crescita del Prodotto Interno Lordo (PIL) si mantenga stabile intorno al 5%. La tensione tra Cina e Taiwan, benché presente, potrebbe rivelarsi un’evenienza passeggera; le preoccupazioni a riguardo sembrano sovradimensionate, e l’ipotesi di un intervento militare appare estremamente improbabile.
Nel frattempo, una serie di aziende tecnologiche cinesi di spicco e di elevata qualità hanno subito una consistente erosione del loro valore di capitalizzazione di mercato, che si conta in centinaia di miliardi. Questi colossi tecnologici cinesi, tra i più rinomati a livello globale, dominano settori chiave come l’e-commerce, l’intelligenza artificiale, il cloud computing, la ricerca e la sicurezza informatica, oltre ad altri ambiti fondamentali. Nonostante ciò, tali imprese di rilevanza internazionale si presentano sottovalutate e convenienti, un effetto derivante da un protrarsi di percezioni negative e di una cronica sottostima del loro effettivo potenziale.
Si prevede che l’economia della Cina mantenga la sua robustezza e possa persino intensificarsi in avvenire. Le tensioni legate a Taiwan e altre correnti di notizie sfavorevoli si rivelano essere fenomeni passeggeri.
L’entusiasmo per l’intelligenza artificiale circonda predominante le aziende tecnologiche degli Stati Uniti, tuttavia, si dovrebbe prestare maggior attenzione al potenziale inesplorato delle loro equivalenti cinesi. La Cina vanta alcune delle società tecnologiche più innovative e influenti sul panorama mondiale, le quali presentano programmi di intelligenza artificiale estremamente avanzati. Si prevede che queste imprese otterranno benefici significativi grazie ai progressi dell’intelligenza artificiale.
Baidu rappresenta un colosso nel panorama digitale cinese, meritandosi l’appellativo di “sovrano della ricerca”. Detiene inoltre una significativa partecipazione del 53% e il controllo del 90% dei diritti di voto nella piattaforma iQIYI , un’entità che evoca le funzionalità di Netflix e YouTube in Cina. Baidu eccelle anche nel settore del cloud computing, con una quota di mercato approssimativa del 9%, e mostra un promettente futuro nel campo dell’intelligenza artificiale.
“Ernie”, il bot di Baidu simile a ChatGPT, rappresenta il culmine dell’innovazione nell’ambito dell’IA e mette in luce le straordinarie prospettive di crescita a lungo termine per Baidu nel settore dell’intelligenza artificiale. Con l’ascesa dell’IA in Cina, Baidu è in ottima posizione per trarre vantaggio da questa tendenza espansiva nei prossimi anni. Inoltre, Baidu si afferma come leader mondiale nel settore della robotica e della guida autonoma, che promettono di spalancare le porte a un futuro di crescita robusta, specie alla luce dell’integrazione delle loro avanzate tecnologie AI.
L’idea che l’intelligenza artificiale (AI) e l’automazione possano aiutarci ad eliminare i “lavori inutili” è stata una parte importante del discorso sull’AI e sul lavoro. Tuttavia, la relazione tra AI/automazione e questo tipo di lavoro privo di significato è un po’ più complessa di quanto si possa pensare.
Se non siete familiari con il concetto di “lavori inutili” di David Graeber (Bullshit Jobs) , si tratta di una forma di occupazione così completamente priva di scopo, inutile o dannosa che anche il dipendente non può giustificarne l’esistenza, anche se si sente obbligato a far finta che non sia così.
L’incrocio di linguaggi tra Intelligenza Artificiale e Scienze Cognitive e del Cervello
Luciano Floridi è un filosofo italiano naturalizzato britannico, professore ordinario di filosofia ed etica dell’informazione presso l’Oxford Internet Institute dell’Università di Oxford, dove è direttore del Digital Ethics Lab, nonché professore di Sociologia della comunicazione presso l’Università di Bologna.
Anna Christina Nobre FBA, MAE, fNASc è una neuroscienziata cognitiva brasiliana e britannica che lavora presso la Yale University di New Haven, CT, USA. Nobre è professoressa di Wu Tsai presso l’Università di Yale, dove dirige il Centro di Neurocognizione e Comportamento presso l’Istituto Wu Tsai.
Il parallelismo tra il cervello umano e le reti neurali artificiali è un concetto fondamentale sia per le scienze cognitive e le neuroscienze che per lo studio dell’Intelligenza Artificiale (IA). Questo parallelismo ha portato a un’ampia sovrapposizione di terminologia e concetti tra i due campi, che se da un lato può essere utile per la comprensione reciproca, dall’altro può generare incertezza e confusione.
Purtroppo, si tratta di una mancanza o, per essere precisi, di una “lunga ma reversibile cecità degli occhi interiori”.
Introduzione
Ricordo una storia che la maestra Silvana, mia maestra delle elementari che ricordo con molto affetto, un giorno ci raccontò. Ho sempre amato i racconti, ma questa storia mi colpì particolarmente. Sono solita richiamarla alla mente ancora oggi, quando, nell’affrontare nuove sfide, alcuni punti sfuggono alla comprensione e chiedere aiuto sembra essere un segno di debolezza e ignoranza quando, in realtà, sono índice di grande maturità, intelligenza e forza.
Il racconto è di Ivan Krylov ed e´ intitolato “La scimmia e gli occhiali”. Di seguito una traduzione del racconto originale :
Man mano che la vecchiaia si avvicinava Per la scimmia sempre più difficile vedere diventava. Ma, dagli umani aveva sentito, questo sventura non era così grave: Semplicemente gli occhiali bisognava indossare. Raccolse mezza dozzina di occhiali Li maneggiò in tutti i modi. Se li mise sulla fronte, Se li mise sulla coda, Li annusò, lì leccò; Con gli occhiali non cambiava niente. “Speranze andate in fumo”, disse: ” E che sciocca ad ascoltare le chiacchiere degli umani: Tutto ciò che si dice sugli occhiali è una bugia; sono inutili”. La scimmia, triste e infastidita, Ruppe gli occhiali deludenti con una pietra, Ne rimasero solo le tracce luccicanti. Per sfortuna, questo succede anche agli uomini che, non conoscendo il valore di qualcosa, Per ignoranza, ne sottovalutano il senso; o ai più fortunati e consapevoli che lo usano per perseguitare e bandire.
Mi sembra giusto porgere innanzitutto i miei omaggi e ringraziamenti alla bellissima storia di Ivan Krylov e all’altrettanto meritevole traduzione di Ivan Luden e fermarci con tutti voi ad osservarla ed analizzarla per cogliere da essa tutti gli spunti di riflessione assolutamente contemporanei che possiamo ricavare da essa.
Il Monkeyrisk
Cercheremo di scoprire nuovi aspetti guardando la storia di Ivran da un punto di vista HumanAnalytic e ci riferiremo al nostro parámetro di analisi come Monkeyrisk. Il Monkeyrisk possiamo identificarlo come indice di “danno della morale” stessa. Giallo o Rosso a seconda della deviazione del pensiero della “Scimmia” dalla realtà e dall’impatto che tale discostamento ha sulla società e sul bene della Scimmia stessa, come si evince anche dalla storia di Ivran.
Primo livello di Monkeyrisk
Il primo livello di Monkeyrisk può essere identificato agevolmente nel racconto. Questo livello di rischio lo potremmo definire “meno grave” dal punto di vista sociale poiché potremmo trovarlo addirittura razionale guardando al modello sociale.
Il punto di messa a fuoco è da identificare nella frase:
” E che sciocca ad ascoltare le chiacchiere degli umani: Tutto ciò che si dice sugli occhiali è una bugia; sono inutili “
Tracciando un parallelo con la narrativa tecnologica moderna, il rischio dell’adozione dell’Intelligenza Artificiale con parte della società totalmente impreparata rispetto ad essa e non integrata nel discorso etico che la compone, evidenzia come una comprensione inadeguata, alimentata da un passaparola incompleto o errato, possa portare a un uso improprio o al rifiuto totale dell’AI, ponendole l’etichetta ingiusta di “bugia” o di “inutile”, come ogni giorno ascoltiamo.
Human Analyst power: on!
Essendo HumanAnalyst, possiamo servirci della psicologia comportamentale per guardare al nostro fenómeno e comprendere una frase che altrimenti potrebbe sembrare del tutto insensata e priva di fondamenta: La povera Scimmia compra gli occhiali anche se non sa come usarli. Infatti, ne compra sei paia perché “, dagli umani aveva sentito, questo sventura non era così grave:
Semplicemente gli occhiali bisognava indossare e con questa nuova invenzione, anche lei, una Scimmia, avrebbe potuto vedere meglio”, un’occasione da non perdere per una Scimmia non vedente mentre tutti gli altri guardano, e LEI VUOLE ESSERE PARTE DEL GRUPPO di quelli che “vedono”.
Il senso di appartenenza è qualcosa di così forte per gli esseri umani, splendidi animali sociali, che sentirci parte di un gruppo ci spinge a comprare sei paia di occhiali per non esserne esclusi, anche se in realtà nemmeno abbiamo capito cosa sono in fondo questi occhiali.
E qui casca la Scimmia…!
La Scimmia, senza saperli usare, compra sei paia di occhiali ma di fatto, senza che nessuno la guidi, è una scimmia meno ricca che rimane tale, sottomessa all’uomo vedente, e questo lei lo sa, e, voglio dire: prendine pure un altro paio, guarda che sono proprio lì, anzi questo nuovo modello te lo regalo così magari inizi anche a volermi bene…
“Tutto ciò che si dice sugli occhiali è una bugia; sono inutili “
In questo caso, il nostro rischio è giallo. La tecnologia è sminuita, considerata inutile, non capita.
Confrontandolo con lo scenario che stiamo vivendo, possiamo metterlo in relazione con tutti quei casi in cui l’IA viene rifiutata perché, come esperti, non siamo riusciti a spiegare e forse a capire davvero come usarla al meglio. La Scimmia, in questo caso, è ‘relativamente innocua’, potrebbe diventare un bel fiore se volesse o una brutta erbaccia.
I casi in cui questa tecnologia viene rifiutata e ritenuta inutile possono essere ricondotti ai casi in cui, come esperti e come società, non siamo riusciti ad integrare una parte del dipinto umano nel prodotto creato anche per loro, un prodotto che gli proponiamo adesso di acquistare e maneggiare per sentirsi parte del grande quadro che non hanno mai visto.
Non siamo riusciti a raggiungere persone che parlano semplicemente un’altra lingua e ne paghiamo lo smacco.
In questo articolo, per ora mi piace lasciare questo rischio come una scatola di Schrödinger per non trasformare questo testo in un trattato e spostarci insieme al secondo livello.
Secondo livello di Monkeyrisk
Il secondo livello di Monkeyrisk è qualcosa di più complesso e profondo, perché riguarda un’ignoranza che va più in profondità dell’ignoranza derivante dalla mancanza di istruzione.
Purtroppo si tratta di una mancanza o, per essere precisi, di una “lunga ma reversibile cecità degli occhi interiori“.
Abbiamo già visto anche questo in realtà, nelle biases del nostro fedele specchio ingrandente, ma abbiamo provato a romperlo con una pietra.
Continuiamo infatti a girare e rigirare gli occhiali perché quello che vediamo non ci piace e quindi continuiamo a dire di non veder nulla o che ciò che mostrano e´ una bugia.
In questo caso, le neuroscienze comportamentali entrano in gioco per dare un aiuto alla psicologia.
Il focus in questo caso deve essere spostato sulla frase:
“Ruppe gli occhiali deludenti con una pietra”
Il rischio più grave: l´ego
La Scimmia sa che così tanti uomini tessono le lodi degli occhiali e cosa fa?
Le distrugge in modo da non dover riconoscere con se stessa la sua ignoranza.
In questo caso il rischio è rosso.
La Scimmia Istruita, distrugge la geniale ed utile creazione che puo migliorarle la vita poiché “ferita nell’ego, non ha strumenti per gestire un’emozione tanto intensa”.
Da sempre così chiusa nel comprendere le sue emozioni e quelle degli uomini che la circondano, da saper gestire tutti gli attacchi dei predatori esterni ma non i più distruttivi, quelli che da sola continua a lanciarsi da sempre e che la condannano Scimmia in un mondo di Uomini.
È un tale paradosso.
________ Some human species, sadly, are the same: A clueless boor would eagerly defame A useful thing, regardless of its merit; And if he happens to be born a magnate, He’d use his power to persecute or ban it.
L’importanza di aprire le “scatole interiori”
Qui lasciare la scatola chiusa è un altro pericolo. Qui il pericolo è quello di perdere una vita consapevole, libera e degna di essere chiamata con questo nome.
Quando questo paradosso può rischiare di assumere estensioni tali da coinvolgere tutte le scimmie e le scimmiette future, comincia allora ad assumere la dimensione di pericolo di dramma umano e, a questo punto, lasciare le scatole chiuse diventa un atto di codardia che non possiamo permetterci se amiamo davvero la vita.
Dobbiamo aprire le nostre “scatole interiori” senza paura e renderci conto che ora dobbiamo essere più che mai umani, coraggiosi, collaborativi e follemente creativi.
Possiamo colorare i nostri mostri ormai se ci spaventano e farli ballare sotto note meravigliose; rappresentarli per quello che sono o scoprirli nel lungo viaggio della loro comprensione, prenderci cura di loro e di noi. E possiamo, proprio per la combinazione dell’uomo e della splendida tecnologia che abbiamo creato, se non rifiutiamo di prenderci le responsabilità che ne derivano e fare la nostra parte.
Possiamo possedere le migliori tecnologie in commercio, potere, denaro e fama ma se non siamo in grado di riconoscerci o di comprendere le dinamiche che guidano le nostre azioni, ci stiamo comportando come Cyber-Scimmie e il fatto di avere occhiali AI e chiamarci tutti i giorni Umani non ci farà di certo diventare tali. La conoscenza, la collaborazione e la voglia di mettersi in discussione, di imparare, chiedere dove non si sa e saper fermarsi e cambiare approccio quando non incontriamo la strada giusta sono gli unici davvero in grado di innalzarci dal livello di scimmie technologiche a quello di Uomini ed essere in grado cosi´ di saper prendere al momento giusto la decisione giusta per il bene nostro e della societa.
16/05/2024, Out of Touch Space Raffaella Russo
References
Ivan Luden | Lyrics Translate traduzione storia Ivan K Baumeister, R. F., & Pohhal, A. L. (1996). The Banality of Denial: The Psychological Dynamics of Denying Responsibility. *Personality and Social Psychology Review. Ego-defense mechanisms and brief psychotherapies for the management of major depressive disorder in adults: A longitudinal and quasi-experimental study da Silva Machado a, Igor Soares Vieira a b, Carolina Scaini a, Mariane Lopez Molina a c, Luana Porto Barbosa a, Giovana Del Grande da Silva a, Liliane Ores d, Luciano Dias de Mattos Souza a, Karen Jansen a, Ricardo Azevedo da Silva a Karpman, S. (1968). Fairy Tales and Script Drama Analysis. Transactional Analysis Bulletin. Science DenialA Narrative Review and Recommendations for FutureResearch and PracticeKirsti M. Jylhä1, Samantha K. Stanley2, Maria Ojala3, and Edward J. R. Clarke4 Bhatt, M. A., Lohrenz, T., Camerer, C. F., & Montague, P. R. (2017). Neural dynamics of interpersonal decision-making in the external world. Grin, D., Oetzel, Daniel, & Zhang, J. (2020). Neuroscience based AI for human brain-computer interactions. Kowalski, R. M., & Hanmer, T. J. (2000). Jealousy in response to perceived extradyadic interest: A test of the mediating mechanism. Journal of Social and Personal Relationships. Miller, J. D., & Campbell, W. K. (2010). The case for using research on trait narcissism as a building block for understanding narcissistic personality disorder. Personality Disorders: Theory, Research, and Treatment, 1(3), 180-191. Holtzman, N. S., Vazire, S., & Mehl, M. R. (2010). Sounds like a narcissist: Behavioral manifestations of narcissism in everyday
Questa settimana, noi di Redazione Rivista.AI siamo andati a un paio di convegni e la parola Hype e’ stata sparsa come lo zucchero a velo sul pandoro o spread thin like butter on toast come dicono gli anglofoni.
Ci e’ sembrato doveroso scrivere una articolo nella sezione Vision, di venerdi sera, sperando che abbiate abbastanza tempo durante il Weekend per leggerlo. Altrimenti fermatevi all’elevetor pitch :
I grandi modelli linguistici (LLM) e l’intelligenza artificiale generativa (GenAI) stanno attualmente rivoluzionando numerosi settori e stanno trasformando radicalmente la nostra vita quotidiana.
Finora, l’approccio principale per monetizzare la GenAI è stato orientato verso i flussi di entrate Business-to-Business (B2B), ma si sta iniziando a osservare un crescente interesse verso l’implementazione di modelli basati su abbonamento e l’introduzione del “GPT Store”, che mostra promesse anche per gli utenti individuali.
Allo stesso tempo, la progettazione di hardware e software, unita agli strumenti per ottimizzare i flussi di lavoro dell’intelligenza artificiale e le opportunità nell’applicazione pratica dell’intelligenza artificiale, emergono come aree chiave da monitorare attentamente nello spazio della GenAI.
L’intelligenza artificiale (IA) è in attesa del prossimo grande sviluppo per fare un salto in avanti.
Come ribadito in quella pubblicità degli anni ’80 non serve un pennello grande bensì un Grande Pennello.
LaCircuit-Complexity-Theory è una branca della logica computazionale che studia la complessità dei problemi computazionali in termini di circuiti booleani. Recenti progressi in questo campo suggeriscono che potrebbe essere possibile ottenere miglioramenti significativi nelle prestazioni dei modelli di IA attraverso l’uso di tecniche più avanzate di ottimizzazione e approssimazione.
Il GPT-4, rilasciato a marzo possiede circa 1 trilione di parametri, quasi sei volte rispetto al suo predecessore. Secondo le stime fornite dal CEO della società, Sam Altman, il costo di sviluppo si aggira intorno ai 100 milioni di dollari.
Nel contesto di crescita dell’IA, si pone la domanda: “ci serve un Grande pennello ? Questa filosofia ha guidato l’evoluzione dell’IA, enfatizzando la creazione di modelli di machine learning sempre più grandi.
Nonostante l’impero Romano fosse uno degli imperi più grandi e potenti della storia, la sua grandezza alla fine ha contribuito alla sua caduta. La gestione di un territorio così vasto ha portato a problemi logistici, difficoltà di comunicazione, tensioni interne e vulnerabilità ai nemici esterni. Quindi, in questo caso, più grande non significava necessariamente migliore.
Nonostante i successi degli ultimi LLM, ci sono limitazioni da considerare.
L’addestramento di grandi modelli di machine learning richiede molte risorse computazionali, con implicazioni economiche ed ambientali. Inoltre, questi modelli richiedono enormi quantità di dati, sollevando questioni logistiche ed etiche.
Non sempre un modello più grande garantisce un miglioramento proporzionale delle prestazioni, soprattutto se la qualità dei dati non migliora allo stesso ritmo. Questo può portare a problemi di generalizzazione.
La complessità crescente dei modelli rende difficile la loro comprensione e l’individuazione di pregiudizi incorporati, ostacolando la responsabilità e la fiducia nell’IA.
Infine, i costi e le esigenze di risorse dei modelli più grandi possono renderli inaccessibili per entità più piccole, creando una disparità nell’accesso ai benefici dell’IA.
C’è una crescente consapevolezza che l’approccio “più grande è meglio” sta raggiungendo i suoi limiti. Per migliorare i modelli di IA, sarà necessario ottenere più performance con meno risorse.
Un esempio : LLAMA2, allenato con la metà dei Token e rilasciato nel Luglio ‘23, performa peggio di DB-RX, ma non così peggio di quanto si potrebbe pensare, lo si vede bene nelle tabelle di benchmark pubblicate da DataBricks.
DB-RX ha incluso l’addestramento su 2 trilioni di token, l’uso di 3000 GPU H100 e 3 mesi di calcolo e un investimento significativo, stimato tra i 15 e i 30 milioni di euro.
Il concetto : Più performance con meno risorse.
Alternative includono il fine-tuning per compiti specifici, l’uso di tecniche di approssimazione matematica per ridurre i requisiti hardware, e l’adattamento di modelli generalisti in modelli più piccoli e specializzati.
L’importanza del codice di programmazione e dell’hardware su cui viene eseguito è anche in discussione, evidenziando opportunità di miglioramento in questi settori.
Mentre le reti di Head-Attention e le feed-forward networks hanno avuto un ruolo fondamentale nello sviluppo dell’IA, è probabile che avremo bisogno di nuove tecniche e approcci per continuare a fare progressi in questo campo.
Le reti di Head-Attention, come quelle utilizzate nei Transformer, sono state fondamentali per il successo di molte applicazioni di apprendimento automatico. Tuttavia, queste reti possono avere dei limiti, in particolare quando si tratta di gestire sequenze molto lunghe a causa della loro complessità computazionale quadratica.
Le feed-forward networks, d’altra parte, sono state la spina dorsale dell’apprendimento profondo per molti anni. Queste reti sono in grado di apprendere rappresentazioni complesse dei dati attraverso molteplici strati di neuroni artificiali. Tuttavia, anche queste reti possono avere dei limiti, in particolare quando si tratta di modellare le dipendenze temporali nei dati.
Recenti progressi in questo campo suggeriscono che potrebbe essere possibile ottenere miglioramenti significativi nelle prestazioni dei modelli di IA attraverso l’uso di tecniche più avanzate di ottimizzazione e approssimazione.
Come l’adattamento di modelli generalisti in modelli più piccoli e specializzati, e l’esplorazione di nuovi paradigmi di apprendimento automatico.
Mentre restiamo attesa dei prossimi LLama3 e GPTNext, attesi per Luglio Agosto, Fauno (LLM) , sviluppato dal gruppo di ricerca RSTLess della Sapienza Università di Roma addestrato su ampi dataset sintetici italiani, che coprono una vasta gamma di campi come dati medici, contenuti tecnici da Stack Overflow, discussioni su Quora e dati Alpaca tradotti in italiano dovra’ confrontarsi con i numeri e i dati rilasciati da Databricks con gli investimenti di DB-REX e con un ROI che si dimezza ogni 6 mesi e senza sapere cosa uscirà da Meta o OpenAI, i quali giocano un campionato tutto loro dove le GPU si contano a centinaia di migliaia.
Il campo dell’IA è in continua evoluzione e presenta sia sfide che opportunità.
In un mondo in cui le aziende investono miliardi nello sviluppo di Large Language Models (LLM), sorgono preoccupazioni riguardo alla tecnologia della scatola nera che utilizzano. Le query di ricerca LLM richiedono una potenza di elaborazione fino a dieci volte maggiore rispetto alle ricerche standard e possono comportare spese operative milionarie su larga scala. Alcuni LLM proprietari offrono un utilizzo gratuito, ma come recita il vecchio proverbio: “Se non paghi per il prodotto, il prodotto sei tu.” Questo ha spinto alcuni a esplorare approcci alternativi
Le organizzazioni e gli individui che lavorano in questo campo devono essere pronti a navigare in questo panorama in rapida evoluzione..
Man mano che l’intelligenza artificiale e il potenziamento umano diventano sempre più comuni, dobbiamo affrontare le implicazioni etiche di queste tecnologie e le potenziali conseguenze della fusione della coscienza umana con le macchine.
Parliamo di un Manga che e’ un punto fermo della fantascienza sin dal suo inizio alla fine degli anni ’80.
“The Ghost in the Shell” è una serie di manga scritta e illustrata da Masamune Shirow. Ambientata in un futuro distopico e tecnologicamente avanzato, la storia segue le vicende della Section 9, un’unità d’elite anti-crimine specializzata nella lotta contro il cyberterrorismo e le minacce legate alla tecnologia.
Come dico da decenni sebbene non disponga di una sfera di cristallo per prevedere il futuro con assoluta certezza, posso fornire approfondimenti e analisi basati sulle tendenze e sugli sviluppi attuali nel campo dell’intelligenza artificiale.
Pubblichiamo in un articolo quanto apparso nel nostro white paper nel caso non lo aveste letto.
Mentre ci avviciniamo alla fine dei primi quattro mesi del 2024, è probabile che alcune macrotendenze continuino ad accelerare il ritmo del cambiamento nell’IA applicata. Sono:
Oltre alle più ampie piattaforme di modelli come servizio, RAG, LoRA, il prompt engineering e altre forme di personalizzazione e personalizzazione dei modelli stanno diventando comuni. Ci saranno molte variazioni su questi strumenti nel prossimo anno.
I creatori di applicazioni stanno realizzando prototipi tramite prompt su modelli all’avanguardia ma costosi di OpenAI, quindi effettuando la messa a punto e le integrazioni su un modello a costo inferiore (spesso open source).
Vediamo anche l’evoluzione del prompt engineering verso una piattaforma per sviluppatori. Nello specifico, gli sviluppatori programmeranno in modo dichiarativo e le funzioni simili al compilatore tradurranno queste attività, SLA e garanzie I/O in prompt ottimizzati.
Models-as-a-Service presentata da Microsoft e simile ad AWS Bedrock. All’inizio dell’anno, abbiamo posto la nostra fiducia nella vastità dei modelli, in particolare quelli Open Source, nell’emergere del “middleware” di intelligenza artificiale e nella possibilità per le aziende storiche di software SAAS di potenziare rapidamente i loro prodotti con GenAI. Queste aspettative hanno trovato conferma nel mondo degli affari. Innovazioni chiave come LoRA, RAG e l’ingegneria dei prompt, che all’epoca erano appena comprese dal punto di vista commerciale, hanno guadagnato terreno. Oltre a questi grandi player del cloud, ci aspettiamo che Nvidia e aziende emergenti come HuggingFace e OctoML svolgano ruoli sempre più strategici nell’orchestrare i livelli dello stack AI per potenziare le applicazioni intelligenti.
Il cloud continua ad espandersi : Credo che la quota di mercato dell’infrastruttura cloud sia molto importante nell’intelligenza artificiale generativa, perché gli algoritmi di apprendimento automatico per l’intelligenza artificiale genuina non creano informazioni dal nulla. Invece, la qualità dell’intelligenza artificiale generativa si sviluppa in larga misura dal numero di diversi scenari di addestramento e iterazioni che l’algoritmo di apprendimento automatico deve affrontare. Detto questo, AWS detiene una quota di mercato quasi tre volte maggiore di Google Cloud, significa che gli algoritmi di machine learning di Amazon hanno accesso a set di dati quasi tre volte più grandi. Lo stesso vale per il confronto con Azure di Microsoft, con una quota di mercato due volte superiore a quella di Google Cloud.
ChatGPT di OpenAI (supportato da Microsoft) è un’apparente superstar dell’intelligenza artificiale generativa e di gran lunga il chatbot più utilizzato . Ciò che è importante qui è che ora funziona come un effetto valanga: più utenti con argomenti diversi interagiscono con il chatbot, più a fondo vengono addestrati i suoi algoritmi e migliore diventa nel tempo la qualità delle risposte del chatbot. È simile alla regola delle 10mila ore per qualcuno che padroneggia un’abilità, e OpenAI sembra essere lo studente più laborioso della classe. Circolano voci secondo cui nei prossimi mesi potrebbe essere rilasciata la nuova versione GPT-5 del chatbot, il che significa che probabilmente verranno introdotte nuove funzionalità sofisticate. Tutti questi sviluppi positivi con ChatGPT migliorano il potenziale tecnologico di tutte le offerte di Microsoft, e in particolare delle soluzioni cloud. Essendo uno dei primi investitori in OpenAI, Microsoft ha accesso esclusivo al codice GPT ed è in grado di integrare le funzionalità del chatbot con i suoi servizi.
L’adozione globale dell’intelligenza artificiale generativa è ancora agli inizi, con solo una piccola percentuale di aziende attualmente in fase di espansione (Lo studio “BCG AI Radar: From Potential to Profit with GenAI”).
Ciò è dovuto a vari fattori, tra cui la complessità della tecnologia, considerazioni etiche e di sicurezza e implicazioni sulla forza lavoro i costi e una workforce non digitale. Le aziende stanno adottando un approccio cauto, studiando la tecnologia e il suo impatto da tutti gli angoli prima di effettuare investimenti significativi .
I grandi produttori di software applicativi come Microsoft, Salesforce e Adobe hanno gia’ iniziato a incorporare l’AI generativa nelle loro soluzioni software (ad esempio Microsoft Copilot, Adobe Firefly e Einstein GPT di Salesforce). Sulla base delle funzionalita’ aggiuntive offerte dall’AI generativa, Microsoft ha posto il prezzo di 365 Copilot a 30 dollari al mese per utente, mentre Adobe ha aumentato la tariffa per il suo Creative Cloud di circa l’8%.
Ci sono stati progressi significativi nei modelli di intelligenza artificiale, con aziende come Anthropic che hanno rilasciato Claude1, Claude2 e Claude3 e OpenAI che si prepara a lanciare GPT5.
Questi modelli rappresentano un significativo passo avanti nelle capacità dell’intelligenza artificiale, offrendo prestazioni e funzionalità migliorate. Notevoli sono anche le offerte di Google Gemini 1.5 Pro e Meta AI.
Questi sviluppi evidenziano il rapido ritmo dell’innovazione nel campo dell’intelligenza artificiale. Interesante l’evoluzione del prompt engineering verso un Tranlator prompt engineering per essere utilizzato con piu’ modelli disponibili.
Maggiore attenzione all’etica e alla regolamentazione: man mano che l’intelligenza artificiale diventa sempre più diffusa, cresce l’attenzione sulle implicazioni etiche dell’intelligenza artificiale e sulla necessità di regolamentazione. Ciò include questioni come i pregiudizi negli algoritmi di intelligenza artificiale, le preoccupazioni sulla privacy e l’impatto dell’intelligenza artificiale sui posti di lavoro. Gli organismi di regolamentazione stanno lavorando per stabilire quadri per affrontare questi problemi.
Nell’articolo “L’urgenza di un’algoretica” di P. Benanti, l’autore sottolinea l’importanza di affrontare le sfide etiche poste dall’intelligenza artificiale e dagli algoritmi. L’articolo discute l’urgente necessità di un quadro che possa guidare lo sviluppo e la diffusione dell’intelligenza artificiale in modo etico, giusto e rispettoso dei diritti umani.
P. Benanti sostiene che, man mano che l’intelligenza artificiale diventa sempre più integrata in vari aspetti della società, è fondamentale garantire che sia progettata e utilizzata in modo da promuovere il bene comune e non esacerbare le disuguaglianze esistenti o crearne di nuove.
Ascensione dell’AI-as-a-Service: l’AI-as-a-Service (AIaaS) è diventata una tendenza popolare, con le aziende che offrono funzionalità di intelligenza artificiale in base al pagamento in base all’uso. Ciò consente alle aziende di sfruttare l’intelligenza artificiale senza la necessità di investimenti iniziali significativi o competenze interne.
Costi e BM. Data la complessità di stimare l’impatto iniziale dei casi d’uso su larga scala a causa del modello di utilizzo basato su token, le aziende dovranno considerare attentamente quando utilizzare il pagamento aziendale -soluzioni utente rispetto a quelle basate su token. Questa decisione dipenderà da vari fattori, tra cui l’adozione prevista e il caso d’uso.
Questo argomento è particolarmente rilevante poiché la maggior parte degli utenti trova difficile prevedere e programmare il modello di utilizzo basato su token.
Nel 2024, è probabile che emerga una “gerarchia dei dati” in cui i dati Internet saranno ampiamente accessibili, i dati specifici del dominio saranno monetizzabili direttamente o indirettamente e i dati dell’azienda/cliente saranno sfruttati per un uso su misura e personalizzato.I
l mondo dell’intelligenza artificiale applicata si sta evolvendo così rapidamente che identificare il modello di business vincente richiederà curiosità, iterazione e agilità Per dare un’idea dei costi e collegarlo al tema delle performance, il costo delle chiamate ad Anthropic varia da 0,25$ a 15$ per MTok. GPT-4 si aggira intorno ai 10$ per MTok, mentre Claude3 Opus promette prestazioni più avanzate.
Man mano che gli operatori storici combinano l’intelligenza artificiale con il software esistente e i clienti richiedono un ROI chiaro per i dollari incrementali che stanno pagando per l’intelligenza artificiale per migliorare i processi aziendali o la produttività del team si avra’ un po di Tensione.
Integrazione dell’intelligenza artificiale nei processi aziendali: sempre più aziende stanno integrando l’intelligenza artificiale nei propri processi aziendali, utilizzandola per automatizzare le attività, migliorare il processo decisionale e migliorare l’esperienza dei clienti. Ciò ha portato ad una maggiore efficienza e competitività.
Vendors Lock-In. Data la rapida evoluzione della tecnologia dell’intelligenza artificiale, è fondamentale per le aziende evitare di legare la propria architettura a un unico modello linguistico di grandi dimensioni (LLM) o a soluzioni specifiche. La configurazione ottimale di una soluzione di intelligenza artificiale generativa dipenderà da vari fattori, tra cui il caso d’uso specifico, le prestazioni previste e i costi. Le aziende dovrebbero puntare alla flessibilità nella loro architettura AI per accogliere progressi e cambiamenti futuri.
All’improvviso, “open source” è l’ultima parola d’ordine nei circoli dell’intelligenza artificiale. Meta si è impegnata a creare un’intelligenza generale artificiale open source. Ed Elon Musk sta facendo causa a OpenAI per la sua mancanza di modelli di intelligenza artificiale open source.
Nel frattempo, un numero crescente di leader e aziende tecnologiche si stanno affermando come campioni dell’open source. Ma c’è un problema fondamentale: nessuno è d’accordo su cosa significhi “AI open source”.
Lo scorso luglio, Meta ha reso disponibile gratuitamente il suo modello Llama 2, che ha definito open source, e ha una lunga esperienza nel rilascio pubblico di tecnologie di intelligenza artificiale. “Sosteniamo lo sforzo dell’OSI per definire l’IA open source e non vediamo l’ora di continuare a partecipare al loro processo a beneficio della comunità open source in tutto il mondo”, Jonathan Torres, consulente generale associato di Meta per AI, open source e licenze ci ha detto.
Ciò è in netto contrasto con il rivale OpenAI, che nel corso degli anni ha condiviso sempre meno dettagli sui suoi modelli di punta, citando problemi di sicurezza. “Renderiamo open source potenti modelli di intelligenza artificiale solo dopo aver valutato attentamente i vantaggi e i rischi, inclusi l’uso improprio e l’accelerazione”, ha affermato un portavoce.
Anche altre importanti società di intelligenza artificiale, come Stability AI e Aleph Alpha, hanno rilasciato modelli descritti come open source e Hugging Face ospita un’ampia libreria di modelli di intelligenza artificiale disponibili gratuitamente.
Mentre Google ha adottato un approccio più bloccato con i suoi modelli più potenti, come Gemini e PaLM 2, i modelli Gemma rilasciati il mese scorso sono liberamente accessibili e progettati per confrontarsi con Llama 2, anche se la società li ha descritti come “aperto” piuttosto che “open source”.
Ma c’è un notevole disaccordo sul fatto che qualcuno di questi modelli possa davvero essere descritto come open source. Tanto per cominciare, sia Llama 2 che Gemma sono dotati di licenze che limitano ciò che gli utenti possono fare con i modelli. Questo è un anatema per i principi open source: una delle clausole chiave della Open Source Definition vieta l’imposizione di qualsiasi restrizione basata sui casi d’uso.
I traduttori svolgeranno un ruolo cruciale nel convertire le richieste per adattarle a diversi LLM senza perdere la logica aziendale integrata. Ciò consentirà alle aziende di passare da un LLM all’altro secondo necessità, a seconda dei requisiti specifici del loro caso d’uso.
Grounding Sarà essenziale tenere traccia di come ciascun LLM è stato modificato e con quali set di dati, in particolare durante la messa a terra. Un ulteriore passo sarà lo sviluppo di strumenti in grado di rilevare se i processi di prompt o di inferenza compromettono l’integrità del LLM originale, fungendo da sorta di filtro guardiano.
Monitorare come ciascun LLM è stato modificato e con quali set di dati è un’altra considerazione importante, soprattutto quando si tratta di messa a terra. Il grounding si riferisce alla capacità di un modello di basare le proprie risposte o azioni su informazioni concrete, verificabili e rilevanti. Esistono molti modi per ottenere il grounding e le aziende dovranno decidere quando e come implementarlo in base alle loro esigenze e requisiti specifici. Poiché esistono numerosi modi per raggiungere il grounding, sarà necessario decidere quando e come implementarlo, ad esempio se fermarsi al RAG o andare oltre.
Sicurezza. L’integrazione di Large Language Models (LLM) nelle piattaforme online rappresenta un’arma a doppio taglio, offrendo esperienze utente migliorate ma introducendo anche vulnerabilità di sicurezza. La gestione non sicura degli output è una preoccupazione importante, in quanto una validazione o sanificazione insufficiente degli output LLM può portare a una serie di exploit come cross-site scripting (XSS) e cross-site request forgery (CSRF).
Il prompt injection indiretto aggrava ulteriormente questi rischi, consentendo agli aggressori di manipolare le risposte LLM attraverso fonti esterne come dati di training o chiamate API, compromettendo potenzialmente le interazioni degli utenti e l’integrità del sistema. Inoltre, l’avvelenamento dei dati di addestramento rappresenta una minaccia significativa, poiché i dati compromessi utilizzati nell’addestramento dei modelli possono comportare la diffusione di informazioni inaccurate o sensibili, minando la fiducia e la sicurezza. Quindi ulteriore avanzamento sara’ la presenza di Tools Guadiani in grado di intercettare il Prompting.
Altro “guardiano” dove si sta’ investendo e’ quello dell’inferenza sicura che mira ad aggiungere un livello di protezione alle conversazioni riservate con i modelli di intelligenza artificiale. Consideralo un canale di comunicazione sicuro, garantendo che solo le parti autorizzate possano ascoltare i tuoi sussurri e la risposta della modella. Le tecniche sono quelle della Crittografia omomorfa, Secure Multi-Party Computing (SMPC) ,Privacy differenziale.
L’ imminente introduzione dell’AIACT (legge sull’intelligenza artificiale) nell’UE potrebbe avere implicazioni significative per l’adozione e l’uso della tecnologia dell’intelligenza artificiale. La legge mira a stabilire un quadro giuridico per l’intelligenza artificiale, affrontando questioni quali sicurezza, trasparenza e responsabilità. Le aziende dovranno garantire il rispetto delle nuove normative, che potrebbero influenzare le loro strategie e i loro investimenti in intelligenza artificiale.
In conclusione, il panorama dell’intelligenza artificiale generativa è in rapida evoluzione e le aziende devono affrontarlo con flessibilità e una comprensione completa degli impatti della tecnologia. Dovrebbero inoltre considerare attentamente la scelta delle soluzioni di intelligenza artificiale e dei modelli di prezzo in relazione ai loro casi d’uso specifici e agli scenari di adozione.
Newsletter AI – non perderti le ultime novità sul mondo dell’Intelligenza Artificiale, i consigli sui tool da provare, i prompt e i corsi di formazione. Iscriviti alla newsletter settimanale e accedi a un mondo di contenuti esclusivi direttamente nella tua casella di posta!
Madison Tevlin è la protagonista di uno spot statunitense che sensibilizza sulla sindrome di Down e sul nostro ruolo come società nell’abbattere barriere e stereotipi per promuovere l’autonomia delle persone con disabilità.
“Assume that I can” (“Presumi che io possa fare qualsiasi cosa”), la campagna di sensibilizzazione internazionale realizzata in collaborazione con l’agenzia SMALL di New York.
Una giovane donna con sindrome di Down sfida le basse aspettative che gli altri hanno su di lei e propone un ribaltamento di prospettiva: a scuola, al lavoro, in famiglia e nella vita sociale.
Quando si discute del futuro oltre l’attuale era digitale, si intravede una prospettiva affascinante: l’era dell’evoluzione. Questa proiezione, benché un’ipotesi plausibile, solleva domande intriganti sulla direzione in cui la tecnologia e la società si stanno dirigendo.
L’Età dell’Evoluzione, coniata da Max Tegmark nel suo celebre libro “Vita 3.0”, traccia un percorso oltre la vita biologica convenzionale.
Primo articolo di una serie di 4 che analizzeranno l’evoluzione normativa e l’ambiente dell’Intelligenza Artificiale in Europa.
Il 13 marzo 2024 il Parlamento Europeo ha approvato a larga maggioranza l’AI Act, l’impianto di norme chiamato a regolare e ad armonizzare la legislazione europea in materia di Intelligenza Artificiale. La normativa sarà poi votata con una votazione separata nella seduta plenaria di aprile per poi entrare in vigore dopo la pubblicazione sulla Gazzetta Ufficiale dell’Ue probabilmente nel mese di maggio.
In base all’AI Act, i sistemi di apprendimento automatico saranno suddivisi in quattro categorie principali in base al rischio potenziale che rappresentano per la società. I sistemi considerati ad alto rischio saranno soggetti a regole severe che si applicheranno prima del loro ingresso nel mercato dell’UE.
A differenza di Microsoft , che consideriamo leader nell’intelligenza artificiale per software e servizi con una partnership esclusiva con OpenAI, a vantaggio delle opportunità di integrazione GPT-4 LLM e dell’infusione diffusa delle sue capacità di intelligenza artificiale nell’intero stack di prodotti, in particolare software di produttività e cloud , vediamo che Apple è relativamente in ritardo negli sviluppi dell’intelligenza artificiale e sembra che stia cercando di mettersi al passo con i concorrenti.
Ad esempio, OpenAI sviluppa il suo GPT LLM dal 2019. Microsoft ha sviluppato Copilot nel 2022 su GitHub e ha rilasciato altri Copilot per altri prodotti nel corso del 2023.
Siamo a fine novembre 2022. OpenAI ha appena lanciato ChatGPT, dando il via a quella che si sarebbe poi trasformata in una vera e propria mania per l’Intelligenza Artificiale. Le startup che si occupano del settore raccolgono miliardi di dollari.
Le aziende con business collegati come Nvidia Corp. – che produce i chip che alimentano ChatGPT – veleggiano in borsa raggiungendo quotazioni sempre più alte. Microsoft, che sotto la guida di Satya Nadella ha investito in OpenAI riceve il plauso degli analisti. Tik Tok cresce ogni giorno di più in termini di popolarità.
Unfortunately, it is a lack or, to be precise, a “long but reversible blindness of the inner eyes”.
Generated with AI, Felt by Human (Da Vinci & SyncOff, Out of Touch Space)
O . o ¡x! Human Analytic !x¡ o. O
Introduction
I remember a story that my teacher Silvana, my elementary school teacher who I remember with love, one day told us.
I’ve always loved stories, but this story struck me particularly. I still call it back to my mind today, when, in facing new challenges, some points escape my understanding and asking for help seems to be a sign of weakness and ignorance when now I know, they are sign of great maturity, intelligence and strength.
The story is by Ivan Krylov and is entitled “The monkey and the glasses”. Here a translation of the original story by Olga Dumer
With time, old Monkey’s eyes were getting poor; One day, she heard that Glasses were the cure. If it was true indeed what people said, Then her predicament was not so bad! She got the Glasses — half a dozen frames; And tried them on in each and every way; Applied them to her chest and tied them to her tail; And smelled and licked them, pair after pair; And all of it — to no avail. «Damn it! — she cried — one who believes this drool, Is nothing but a stupid fool: It is just hogwash; not a word of truth; They lied to me: the Glasses are no use!» Frustrated and upset, old Monkey threw a fit And smashed the Glasses on the wall so hard They changed to piles of tiny sparkling bits.
________ Some human species, sadly, are the same: A clueless boor would eagerly defame A useful thing, regardless of its merit; And if he happens to be born a magnate, He’d use his power to persecute or ban it.
It seems right to pay my first respects and thanks to the beautiful story of Ivan Krylov and the equally deserving translation of Olga Dumer, and to stop with all of you to observe and analyse it to grasp from it all the insights absolutely that we can derive from it.
Generated with AI, Felt by Human (Da Vinci & SyncOff, Out of Touch Space)
Il Monkeyrisk
We will try to discover new aspects by looking at the history of Ivran from an HumanAnalytic point of view and we will refer to our analysis parámeter as Monkeyrisk.
Monkeyrisk can be identified as an index of “moral´s damage” itself.
Giallo o Rosso depending on the deviation of the “Monkey´s thoughts” from reality and the impact that such a deviation has on society and on the well-being of the Monkey itself, as can be seen from the story of Ivran.
First level of Monkeyrisk
The first level of Monkeyrisk can be easily identified in the story. We could define this level of risk as “less dangerous” from the social point of view since we could find it even rational looking at the social model.
The focus point is to be identified in the sentence:
“And what a fool to listen to the rumours of humans: All that is said about glasses is a lie; are useless “
Drawing a parallel with the modern technological narrative, the risk of the adoption of Artificial Intelligence with part of society totally unprepared for it and not integrated in the ethical discourse that makes it up, highlights as an inadequate understanding, fed by an incomplete or incorrect “mouth to mouth”, may lead to an improper use or total rejection of AI, placing to it the unjust label of “lie” or “useless”, as we hear every day.
Human Analyst power: on!
Being HumanAnalyst, we can use behavioural psychology to look at our phenomenon and understand a sentence that otherwise might seem completely meaningless and without foundations:
Our poor Monkey buys glasses even though she doesn’t know how to use them. In fact, he bought six pairs because “she heard that Glasses were the cure:
If it was true indeed what people said, then her predicament was not so bad!
With this invention, she too, a Monkey, could have seen better”, an opportunity not to be missed for a blind Monkey in a world where everyone else was seeing. SHE WANTS TO BE PART OF THE GROUP of those who “see”, of course.
The sense of belonging is something so strong for human beings, beautiful social animals, that feeling part of a group pushes us to buy six pairs of glasses not to be excluded, even if we have not even understood what these glasses are at heart.
And here falls..the Monkey!
The Monkey, without knowing how to use them, buys six pairs of glasses but in fact, without anyone driving it, it is a less rich monkey that remains such, submissive to the sighted man, and this he knows it, so I mean:
take another pair, look they are right there, In fact, this new model I give you so maybe you even start to love me… –
«Damn it! one who believes this drool, Is nothing but a stupid fool: It is just hogwash; not a word of truth; They lied to me: the Glasses are no use!»
In this case, our risk is yellow.
Technology is belittled, considered useless, not understood.
Comparing it to the scenario that we’re experiencing, we can relate it to all those cases where AI is rejected because, as experts, we haven’t been able to explain it and maybe really understand how to use it best.
The Monkey, in this case, is ‘relatively harmless’; could become a beautiful flower or an ugly weed.
The cases in which this technology is rejected and deemed useless can be traced back to cases where, as Experts and as a Society, we have failed to integrate a part of the human painting in the product created for them too, a product that we now propose them to buy and Master, to feel part of the great picture that they have never seen or decided for.
We have not been able to reach people who simply speak another language and pay for it.
In this article, for now I like to leave this risk as a Schrödinger´s box, to don´t turn this text into a treaty and move together to the second level.
Second level of Monkeyrisk
The second level of Monkeyrisk is something more complex and unconscious, because it concerns an ignorance that goes deeper than ignorance resulting from lack of education
We have already seen this, in the biases of our faithful magnifying mirror, but we tried to break it with a stone.
In fact, we keep turning and turning our glasses because we don’t like what we see and so we keep saying that we don’t see anything or what they are showing is an hallucination.
In this case, behavioural neuroscience comes into play to help psychology.
The focus in this case must be moved to the sentence:
“And smashed the Glasses on the wall so hard They changed to piles of tiny sparkling bits.”
The most serious risk: ego
Does Monkey know that so many men sing the praises of glasses and what does he do? He destroys them so that he does not have to recognize his ignorance with himself.
In this case the risk is red.
The Educated Monkey destroys the brilliant and useful creation that can improve her life because “wounded in the ego, she has no tools to manage such an intense emotion”.
Always so closed in understanding her emotions and those of the men around her, to be able to handle all the attacks of external predators but not the most destructive, those that alone continues to launch since ever and that condemn Monkey in a world of Men.
It’s such a paradox.
________ Some human species, sadly, are the same: A clueless boor would eagerly defame A useful thing, regardless of its merit; And if he happens to be born a magnate, He’d use his power to persecute or ban it.
The importance of opening the “inner boxes”
Here we cannot leave the box closed since leaving the box closed is another kind of danger.
Here the danger is to lose the chance to live our only life as a conscious life, free and worthy of being called by this name.
Plus, when this paradox can risk assuming such extensions as to involve and impact all future monkeys an baby-monkeys, it then begins to assume the dimension of danger of human drama.
At this point, leaving the boxes closed becomes an act of cowardice that we cannot afford if we truly love life.
We must open our “inner boxes” without fear and realize that now we must be more than ever human, courageous, collaborative, and insanely creative.
We can colour our monsters by now if they frighten us and make them dance under beautiful notes; represent them for what they are or discover them on the long journey of understanding them, take care of them and ourselves. And we can, precisely because of the combination of us and the wonderful technology we have created, if we do not refuse to start to do our part, making ourselves ALL EQUALLY RESPONSIBLE, since WE are “THE SOCIETY”; while and when we create something or when we take it in, while we stand by silently doing ‘our thing’ and benefit directly or indirectly from it, or when we just don’t bother to protect OUR WORLD but only look for monsters or culprits in the end.
We can own the best technologies in commerce, power, money, and fame but if we are not able to recognize ourselves or understand the dynamics that guide our actions, behave like Cyber-Monkeys with AI glasses and calling ourselves Humans daily won’t make us Humans.
Knowledge, collaboration and the desire to question ourselves, to learn, ask where we do not know and recognize when to stop and change approach,when we are not on the right path, are the only ways able to raise us from the level of technological monkeys to the one of Men and gain the human power to take the right decision in the right time for the best of ourselves and society at whole.
Generated with AI, Felt by Human (Da Vinci & SyncOff, Out of Touch Space)
19/05/2024, Out of Touch Space
Raffaella Russo
References
Olga Dumer 2018-2024, Russian Poems In Translations, @ add translation
Baumeister, R. F., & Pohhal, A. L. (1996). The Banality of Denial: The Psychological
Dynamics of Denying Responsibility. *Personality and Social Psychology Review.
Ego-defense mechanisms and brief psychotherapies for the management of major depressive disorder in adults: A longitudinal and quasi-experimental study da Silva Machado a, Igor Soares Vieira a b, Carolina Scaini a, Mariane Lopez Molina a c, Luana Porto Barbosa a, Giovana Del Grande da Silva a, Liliane Ores d, Luciano Dias de Mattos Souza a, Karen Jansen a, Ricardo Azevedo da Silva a
Karpman, S. (1968). Fairy Tales and Script Drama Analysis. Transactional Analysis
Bulletin.
Science DenialA Narrative Review and Recommendations for FutureResearch and PracticeKirsti M. Jylhä1, Samantha K. Stanley2, Maria Ojala3, and Edward J. R. Clarke4
Bhatt, M. A., Lohrenz, T., Camerer, C. F., & Montague, P. R. (2017). Neural dynamics
of interpersonal decision-making in the external world.
Grin, D., Oetzel, Daniel, & Zhang, J. (2020). Neuroscience based AI for human
brain-computer interactions.
Kowalski, R. M., & Hanmer, T. J. (2000). Jealousy in response to perceived
extradyadic interest: A test of the mediating mechanism. Journal of Social and
Personal Relationships.
Miller, J. D., & Campbell, W. K. (2010). The case for using research on trait
narcissism as a building block for understanding narcissistic personality disorder.
Personality Disorders: Theory, Research, and Treatment, 1(3), 180-191.
Holtzman, N. S., Vazire, S., & Mehl, M. R. (2010). Sounds like a narcissist:
Behavioral manifestations of narcissism in everyday
L’introduzione e l’adozione sempre più diffuse dell’Intelligenza Artificiale (AI) hanno aperto nuove frontiere in vari settori, dall’assistenza sanitaria all’industria. Tuttavia un aspetto cruciale che richiede attenzione critica è il rischio di bias nei sistemi di AI. Questo articolo esplorerà il concetto di bias, le sue cause e le implicazioni significative nei contesti accademici e applicativi.
Definizione di Bias nell’AI: Il bias nei sistemi di Intelligenza Artificiale si verifica quando gli algoritmi mostrano una preferenza sistematica o discriminazione nei confronti di determinati gruppi, basata su caratteristiche come razza, genere, età o altro. Questo fenomeno può influenzare le decisioni automatizzate, portando a risultati ingiusti o discriminatori.
Cause del Bias: Le cause del bias nei sistemi di AI possono derivare da diversi fattori. Uno di essi è la natura dei dati di addestramento utilizzati per insegnare agli algoritmi. Se i dati contengono pregiudizi o riflettono disuguaglianze presenti nella società, l’AI può assimilare e perpetuare tali schemi discriminatori.
Un altro fattore critico è la progettazione degli algoritmi stessi. Se i programmatori incorporano involontariamente i propri pregiudizi nelle logiche decisionali, gli algoritmi produrranno risultati distorti. La mancanza di diversità nel team di sviluppo può anche contribuire alla mancanza di prospettive diverse nella creazione di algoritmi, aumentando il rischio di bias.
Implicazioni Accademiche: Nel contesto accademico, il rischio di bias nei sistemi di AI solleva questioni etiche e mette in discussione l’obiettività della ricerca e delle applicazioni. Se gli algoritmi incorporano pregiudizi culturali o sociali, i risultati della ricerca potrebbero essere distorti, minando la validità e l’affidabilità delle conclusioni.
Applicazioni Pratiche: Nel mondo reale, il bias nei sistemi di AI può avere impatti significativi. Nei settori come la finanza, la salute e la giustizia, l’adozione di decisioni basate su algoritmi con bias potrebbe tradursi in disuguaglianze e ingiustizie. Ad esempio, un sistema di selezione del personale che mostra bias potrebbe perpetuare disuguaglianze di genere o razziali.
Affrontare il Bias: Affrontare il rischio di bias richiede un approccio multifattoriale. Dall’addestramento degli algoritmi con dati equi alla promozione della diversità nei team di sviluppo, è essenziale adottare misure preventive. L’implementazione di controlli etici e la trasparenza nell’uso dell’IA possono contribuire a ridurre il rischio di bias.
Comprendere e affrontare il rischio di bias nei sistemi di Intelligenza Artificiale è quindi fondamentale per garantire che questa innovazione sia etica e inclusiva. Nel contesto accademico, è cruciale promuovere una ricerca basata sull’equità e sull’obiettività e nei settori applicativi, la consapevolezza e l’adozione di pratiche correttive sono essenziali per evitare discriminazioni ingiuste e per plasmare un futuro in cui l’AI sia veramente al servizio della società senza perpetuare disuguaglianze.
L’Intelligenza Artificiale (IA) sta emergendo come una forza trasformativa nel settore della salute e della medicina, portando con sé una serie di benefici tangibili per pazienti e professionisti sanitari. Questo avanzamento tecnologico sta ridefinendo i paradigmi tradizionali e aprendo nuove frontiere in termini di diagnosi, trattamenti personalizzati e gestione delle cure.
Uno dei principali ambiti di applicazione dell’IA nella medicina è l’analisi di dati medici complessi. I sistemi di apprendimento automatico possono esaminare grandi dataset, identificando pattern e correlazioni difficili da individuare manualmente. Ciò si traduce in diagnosi più rapide e accurate, consentendo ai medici di pianificare trattamenti mirati e personalizzati.
In cardiologia, ad esempio, l’IA sta rivoluzionando l’interpretazione dell’elettrocardiogramma (ECG) e l’analisi delle immagini diagnostiche. Algoritmi avanzati possono individuare segni precoci di malattie cardiovascolari con una precisione sorprendente, consentendo interventi tempestivi e riducendo il rischio di complicazioni.
Un altro campo di grande potenziale è la predizione del rischio individuale. Utilizzando algoritmi predittivi, l’IA può valutare i fattori di rischio di un paziente e prevedere lo sviluppo di malattie, consentendo interventi preventivi e strategie di gestione personalizzate.
L’automazione dei compiti ripetitivi è un ulteriore vantaggio offerto dall’IA nel settore della salute. I chatbot intelligenti possono gestire le interazioni paziente-medico, fornendo informazioni, prenotando appuntamenti e rispondendo a domande comuni. Inoltre l’Intelligenza Artificiale può contribuire in modo importante alla precisione delle diagnosi, alla personalizzazione dei trattamenti e anche alla semplificazione delle procedure amministrative.
Sono tutte attività che liberano il tempo dei medici affinché possano concentrarsi su compiti più complessi e relazioni più approfondite con i pazienti, perché, ed è importante sottolinearlo, l’IA non sostituirà mai completamente il ruolo umano nella cura della salute. La componente umana dell’empatia, della comprensione emotiva e della comunicazione sono elementi irrinunciabili nel rapporto tra paziente e dottore.
Se da un lato va riconosciuto come la gestione della transizione digitale e tecnologica in atto sia un tema oggettivamente complesso va anche detto che il Parlamento e il Governo italiani stanno viaggiando in ordine sparso nell’affrontare le implicazioni dell’uso di sistemi intelligenti che imitano e riproducono le capacità umane.
Da un lato ci ritroviamo un collegato alla manovra economica in arrivo da parte del Ministero delle Imprese e del Made in Italy, dall’altro un’indagine conoscitiva promossa dalla Commissione Attività produttive della Camera, dall’altro ancora il Comitato per la documentazione della Camera che vola oltre oceano per discutere di tecnologie avanzate con le grandi tech company americane e poi la creazione di una commissione algoritmi guidata da Giuliano Amato, ex presidente del Consiglio e della Corte Costituzionale.
Nel dettaglio, il Ministro delle Imprese e del Made In Italy, Adolfo Urso, ha dichiarato che l’AI sarà una sfida che il governo affronterà in un collegato alla manovra. A quest’attività farà poi seguito un’attenzione particolare al tema che l’Italia si impegna a promuovere durante il turno di presidenza italiana del G7 del 2024.
L’indagine conoscitiva sull’AI promossa dal presidente della Commissione Attività produttive della Camera, Alberto Gusmeroli, si focalizza invece sui possibili effetti, positivi o negativi, per il mondo produttivo, con l’obiettivo di arrivare alla stesura di un progetto di legge sulla falsariga di quanto già avvenuto per il Made in Italy.
Una delegazione del Comitato per la documentazione della Camera, composta dalla presidente del Comitato e vicepresidente della Camera, Anna Ascani, e dalle deputate Ilaria Cavo e Maria Rosaria Tassinari vola invece prima a Seattle e poi a San Francisco dove incontrerà le grandi tech company del settore, da Open AI a Microsoft, da Amazon a Meta, per cercare di comprendere quale sia lo stato dell’arte dell’intelligenza artificiale e quale impatto avrà nei diversi settori della società, in vista di futuri interventi normativi.
Dal canto suo invece il Sottosegretario alla Presidenza del Consiglio con delega all’Informazione e all’Editoria Alberto Barachini ha deciso di lanciare una Commissione Algoritmi, istituendo un Comitato formato da esperti e professori universitari che studierà l’impatto di questa tecnologia sul mondo del giornalismo e delle news di cui è stato nominato presidente Giuliano Amato, classe 1938, più volte Ministro, ex Presidente del Consiglio, docente di diritto costituzionale comparato per oltre 20 anni ed ex Presidente della Corte Costituzionale.
Ma non è finita qui perché il sottosegretario della Presidenza del Consiglio dei Ministri con delega all’innovazione, Alessandro Butti, ha appena nominato un Comitato di esperti incaricati di dare indicazioni per guidare la strategia nazionale sull’Intelligenza Artificiale.
Adesso, guardando dall’esterno tutto questo attivismo in ordine sparso non si può non rilevare come le azioni sia del Governo che del Parlamento italiani restituiscano un certo disordine di fondo non solo sull’argomento in generale ma anche sulle azioni che sarebbe opportuno intraprendere.
L’Intelligenza Artificiale è una nuova frontiera tecnologica che sta rimodellando le industrie, le economie e la vita quotidiana di ognuno di noi. Siamo di fronte ad una straordinaria opportunità di sviluppo, ma anziché coglierne le potenzialità e le opportunità, sembrerebbe che, ancora una volta, la preoccupazione principale in Italia, sia quella di “normare”, di stabilire dei limiti, di mettere dei paletti, di stabilire dei vincoli, di cercare di disciplinare un qualcosa che per sua natura evolve a ritmi velocissimi.
Adesso, pur nella giusta considerazione di tutela dai rischi, dalle manipolazioni e dalle sperequazioni che sono possibili con una gestione non corretta dei sistemi di AI, quello che la politica italiana non vede è che in questo modo si lascia in secondo piano un approccio volto invece a definire le strategie di sviluppo, a individuare le opportunità per il sistema Paese, promuovendone gli investimenti e le attività di ricerca, mettendo a sistema i centri di ricerca, le imprese e le Università per giocare da pari con gli altri Paesi e recuperare quella leadership in innovazione e sviluppo che per tanti anni ha caratterizzato il sistema economico e industriale del nostro Paese.
Quella portata dall’Intelligenza Artificiale è una vera e propria rivoluzione. E noi dobbiamo starci dentro, prima ancora come Paese che come Europa, che pure sembra preoccupata a “normare”. Il resto del mondo non ci aspetta. La posizione della politica italiana su questi temi sarà determinante nello stabilire che ruolo potrà avere l’Italia nello sviluppo futuro di questa tecnologia. Altrimenti perderemo anche questa opportunità.
I programmi di Intelligenza Artificiale hanno ormai raggiunto livelli incredibili nella creazione delle immagini. L’IA generativa consente infatti la la creazione di immagini, disegni e illustrazioni ad alta definizione utilizzandodescrizioni testuali. È infatti sufficiente scrivere una parola chiave o un testo e l’algoritmo crea un’immagine personalizzata che rappresenta il concetto espresso. L’utente ha la possibilità di specificare lo stile, il colore, la prospettiva e altri dettagli per personalizzare la sua immagine.
Alcuni sistemi, come Midjourney, usano la Generative Adversarial Network (GAN), una rete neurale composta da due moduli chiamati generatore e discriminatore. Il primo è adibito alla produzione delle immagini dal testo, mentre il secondo valuta se le immagini sono realistiche. L’interazione tra i due moduli porta al miglioramento delle prestazioni per la produzione di immagini sempre più precise.
Dall’editing fotografico avanzato alle soluzioni di generazione di immagini, l’IA offre nuove prospettive creative per artisti, designer e creatori di contenuti, consentendo il miglioramento automatico delle immagini, dalla correzione del colore alla rimozione di imperfezioni, offrendo risultati sorprendenti e creando al tempo stesso un’esperienza visiva altamente personalizzata.
Tuttavia, con il potenziale innovativo possono anche emergere anche dei rischi significativi come la manipolazione dell’identità, perché l’IA rende possibile la creazione di foto fake realistiche di personaggi famosi, come è successo all’ex Presidente degli Stati Uniti Donald Trump o anche a Papa Francesco, sollevando preoccupazioni sulla manipolazione dell’identità e la diffusione di informazioni false.
I rischi di abuso possono riguardare, oltre all’eventuale creazione di supporti visivi a supporto delle fake news, anche la sfera reputazionale dei singoli cittadini, mettendone a rischio la privacy, fino a raggiungere quel confine dove la capacità delle società in generale di distingue la differenza tra realtà e finzione assume dei contorni sfocati. E, da questo punto di vista, i rischi possono essere significativi quando si tratta di personaggi famosi o di personalità di primo piano.
Affrontare le straordinarie opportunità offerte dall’IA nella creazione di immagini richiede un approccio bilanciato in grado di combinare l’innovazione tecnologica con un utilizzo non tanto regolamentato quanto etico per garantire che l’IA contribuisca positivamente al nostro mondo visivo senza compromettere verità, integrità e dignità della persona.
Dall’autore di bestseller della letteratura manageriale e dal responsabile della divisione AI di Deloitte negli Stati Uniti, uno sguardo affascinante sulle aziende all’avanguardia che utilizzano l’intelligenza artificiale per creare nuovi vantaggi competitivi.
Sebbene la maggior parte delle organizzazioni stia scommettendo in modo modesto sull’intelligenza artificiale, esiste un gruppo di imprese di rilevanza mondiale che stanno puntando tutto su questa tecnologia e trasformando radicalmente i propri prodotti, processi, strategie, relazioni con i clienti e persino la propria cultura. Sebbene queste organizzazioni rappresentino meno dell’uno per cento delle grandi imprese, sono tutte aziende di alto livello nei rispettivi settori. Hanno modelli di business migliori, prendono decisioni migliori, hanno rapporti migliori con i clienti, offrono prodotti e servizi migliori e spuntano prezzi più alti.
“Scacco matto con l’AI” analizza l’intelligenza artificiale all’avanguardia dal punto di vista di aziende affermate come Anthem, Ping An, Airbus e Capital One.
Ricco di approfondimenti, strategie e best practice, il libro fornisce ai leader e ai loro team le informazioni necessarie per aiutare le proprie aziende a portare l’intelligenza artificiale a un livello successivo.
Se siete curiosi di conoscere la prossima fase dell’implementazione dell’intelligenza artificiale all’interno delle imprese, o se state cercando di impiegare voi stessi questa potente tecnologia in modo più robusto, il lavoro di Davenport e Mittal vi offrirà una vista dall’interno su ciò che stanno facendo i principali adottatori dell’intelligenza artificiale, fornendovi al contempo gli strumenti per mettere questa potente tecnologia al centro di tutto ciò che fate.
