Nell’intelligenza artificiale, il funzionamento precede la comprensione

A precipitare la seconda crisi di fiducia fu in particolare il tracollo commerciale dei cosiddetti sistemi esperti: programmi costruiti su regole scritte a mano da specialisti di un dominio, che si rivelarono rigidi, costosi da mantenere e soprattutto incapaci di generalizzare oltre i casi previsti. Dietro quelle delusioni ripetute c'era sempre la stessa lacuna di partenza: nessuno è mai riuscito a capire cosa sia davvero l'intelligenza abbastanza a fondo da poterla ricostruire deliberatamente, pezzo per pezzo, come si farebbe con un motore a scoppio.

Poi, quasi di soppiatto, qualcosa ha iniziato a funzionare: non perché la lacuna teorica si sia colmata, la natura dell'intelligenza resta oggi misteriosa quasi quanto lo era ai tempi di Turing, ma perché si è affermato un approccio che aggira il problema invece di risolverlo. Anziché scrivere a mano le regole del pensiero, si è iniziato a far apprendere a enormi reti di neuroni artificiali, i cosiddetti parametri, le regolarità nascoste in quantità sterminate di testi.

Il risultato sono i moderni Large Language Model, capaci di conversare, argomentare, scrivere versi, generare codice e, talvolta, offrire ragionamenti che sembrano autenticamente articolati. I più recenti superano di molto le centinaia di miliardi di parametri, un numero che rende impossibile l'idea di ispezionarli uno per uno, come si farebbe con le righe di un programma scritto a mano.

(*) Docente di Data Analytics for Finance and Insurance, MIB Trieste School of Management