Intelligenza Artificiale
I governi possono “orientare” i chatbot? Come la politica rischia di influenzare le risposte dell’IA
L’IA influenza la politica o viceversa? I contenuti prodotti dai media di Stato plasmano il contesto online in cui i LLM si addestrano.
Quando un governo esercita un’influenza rilevante sul sistema mediatico del suo Paese, gli effetti di quell’ingerenza politica si vedono anche nelle risposte fornite dai chatbot di IA. Uno studio pubblicato su Nature sostiene che i governi potrebbero influenzare il modo in cui i Large Language Models (LLM) che ormai tutti utilizziamo per trovare risposte ci parlano di politica.
È un punto di vista interessante rispetto alla solita narrazione di come l’IA può condizionare le dinamiche politiche: prima ancora che questo succeda, è la politica che, indirettamente, orientando l’ecosistema online da cui provengono i dati usati per addestrare le IA, può incidere sulle risposte dell’IA.
La politica si infiltra nell’IA
Ricercatori dell’Università dell’Oregon, dalla Purdue University, dell’Università della California di San Diego, dalla New York University e dalla Princeton University, negli Stati Uniti, hanno ricostruito il percorso di quella che chiamano “influenza istituzionale” dei media online, partendo dall’analisi dei dati di addestramento delle IA e arrivando a verificare gli effetti sul comportamento dei modelli stessi (qui il sito del progetto).
Poiché molti dei dettagli su come i sistemi di IA vengono addestrati non sono di dominio pubblico, gli scienziati hanno usato diversi approcci, come l’analisi di dati open-source usati per addestrare le IA in 37 diversi Paesi, esperimenti di riaddestramento di piccoli modelli e test nel mondo reale con chatbot commerciali, per capire come il potere politico arrivi a insinuarsi nelle nostre conversazioni con i LLM.
Un ecosistema già “di parte”
«Spesso si parla di intelligenza artificiale come se imparasse da Internet in modo neutrale. Non è così: essa impara da ambienti informativi che sono già stati plasmati da istituzioni e potere, e questi ambienti possono lasciare tracce misurabili in ciò che dicono i modelli» dice Hannah Waight, Professoressa di Sociologia all’Università dell’Oregon, tra gli autori dello studio.
Gli scienziati hanno considerato il caso di studio della Cina per dimostrare, innanzitutto, che i contenuti online prodotti dai media di Stato compaiono frequentemente nei dataset di addestramento delle IA: in uno dei casi analizzati nello studio, frasi ottenute da media di Stato cinesi sono state ritrovate in un comune dataset open source 40 volte più spesso rispetto a frasi prese da documenti di Wikipedia in lingua cinese.
Da frase del singolo a opinione condivisa
L’influenza dei contenuti politici emanati da enti governativi «riguarda anche la ricircolazione: la stessa frase si diffonde attraverso giornali, app, repost e normali pagine web fino a sembrare parte del più ampio contesto informativo.
Una volta che i contenuti prodotti dai media di Stato sono presenti nei dati di addestramento, il modello può ripulirli in modo che appaiano e suonino come informazioni neutre e oggettive» precisa Brandon Steward, Professore associato di Sociologia all’Università di Princeton e coautore.
Oltretutto, quando chiediamo qualcosa a un chatbot, nella risposta fornita non viene immediatamente citata la sua fonte. L’utente si ritrova a non avere alcun elemento per capire da dove provenga quella versione perché, aggiunge Stewart, «i modelli linguistici complessi separano il messaggio dal messaggero. Ciò che inizia come una narrazione strategica proveniente da un governo potente attraverso un organo di stampa statale può riapparire come un commento informato da parte di un agente intelligente».
Risposte condizionate
A questo punto gli scienziati, per verificare se questa influenza avesse influenza sul comportamento dei chatbot, hanno provato ad addestrare un piccolo modello open source. L’aggiunta di documenti compilati come se fossero notizie politiche di parte ai dati di addestramento del modello ha fatto sì che questo desse, alle stesse domande politiche, risposte più favorevoli quasi l’80% delle volte.
Gli scienziati hanno anche dimostrato che la tendenza si manifesta in modo più evidente quando le domande politiche vengono poste nella lingua principale di quello Stato. Per esempio, una domanda sul governo cinese produce una risposta più favorevole a quel governo se posta in cinese, anziché in inglese. Questo fenomeno non riguarda solo la Cina, ma anche altri Paesi i cui governi esercitano un forte controllo sui media nazionali e in cui scarseggiano le fonti che propongono una visione alternativa delle cose.
Vogliamo le fonti!
Lo studio invita a una riflessione profonda sulla tutela della democrazia: «I nostri risultati – scrivono gli autori – suggeriscono che i modelli di apprendimento basati su dati (LLM) creano nuovi incentivi per gli attori potenti a pensare in modo strategico al testo che diffondono online». Dato che sempre più spesso i cittadini si rivolgono ai chatbot anche per risolvere dubbi che riguardano la partecipazione alla vita politica, è importante capire da dove vengano le informazioni che quelle IA ci propongono.
Concetti fondamentali
Analizziamo l’AI in modo che tutti possano comprenderla.
- Cos’è: l’AI è un campo dell’informatica incentrato sulla creazione di macchine intelligenti in grado di svolgere attività che in genere richiedono l’intelligenza umana, come l’apprendimento, il ragionamento e la risoluzione dei problemi.
- Come funziona: i sistemi di AI apprendono da grandi quantità di dati, identificando pattern per fare previsioni o prendere decisioni senza essere programmati esplicitamente per ogni scenario. È come insegnare a un computer mostrandogli un milione di esempi invece di scrivere un milione di regole.
- Dove la trovi: usi l’AI ogni giorno nelle app di navigazione come Google Maps, nei consigli personalizzati sui siti di shopping, nei filtri antispam della tua email e negli assistenti virtuali come Gemini Live.
- Perché è importante: l’AI ci aiuta a risolvere alcune delle sfide più difficili del mondo, dall’accelerazione della ricerca medica alla creazione di catene di fornitura più efficienti e alla lotta contro il cambiamento climatico.
Che cos’è l’intelligenza artificiale (AI)?
L’intelligenza artificiale (AI) è un insieme di tecnologie che consentono ai computer di apprendere, ragionare ed eseguire una serie di attività avanzate in modi che prima richiedevano l’intelligenza umana, come comprendere il linguaggio, analizzare i dati e persino fornire suggerimenti utili. Si tratta di una tecnologia rivoluzionaria che può portare con sé cambiamenti positivi di notevole portata in tutto il mondo, sia a livello individuale che sociale.
Comprende molte discipline diverse, tra cui informatica, analisi dei dati e statistiche, ingegneria hardware e software, linguistica, neuroscienze e persino filosofia e psicologia.
L’AI consiste nell’insegnare ai computer a fare le cose straordinarie che il nostro cervello è in grado di fare, dalla comprensione del mondo circostante all’apprendimento di cose nuove e persino alla generazione di idee originali. Ad esempio, l’AI viene utilizzata nel riconoscimento ottico dei caratteri (OCR) per estrarre testo e dati da varie immagini e documenti. Questo processo trasforma contenuti non strutturati in dati strutturati pronti per l’uso aziendale, aiutando a scoprire insight preziosi.
Come funziona l’AI?
Le tecniche di intelligenza artificiale, sebbene diverse, si basano tutte fondamentalmente su dati, algoritmi e potenza di calcolo. I sistemi di AI apprendono e migliorano grazie all’esposizione a grandi quantità di dati, identificando modelli e relazioni che potrebbero sfuggire agli esseri umani. Questi dati fungono da materiale di addestramento, la cui qualità e quantità sono fondamentali per le prestazioni dell’AI.
Come accennato in precedenza, l’AI non è una singola tecnologia, ma un ampio campo che comprende diverse aree chiave:
- Machine learning (ML): è un tipo di AI in cui i sistemi apprendono dai dati per identificare pattern ed effettuare previsioni o prendere decisioni senza una programmazione diretta. Immagina di insegnare a un computer a riconoscere un uccello mostrandogli migliaia di immagini di uccelli: imparerà da solo come appare un uccello.
- Deep learning (DL): un sottocampo dell’ML, il deep learning utilizza reti neurali artificiali con molti strati (da cui “deep”) per apprendere dai dati. Queste reti si ispirano alla struttura del cervello umano e sono particolarmente adatte a compiti complessi come il riconoscimento di immagini e vocale.
- Elaborazione del linguaggio naturale (NLP): l’NLP consente ai computer di comprendere, interpretare e generare il linguaggio umano. È ciò che alimenta gli assistenti vocali come Siri e Alexa, i servizi di traduzione e i chatbot.
- Visione artificiale: consente ai computer di “vedere” e interpretare le informazioni visive del mondo, come immagini e video. Viene utilizzata in ogni ambito, dal riconoscimento facciale alle automobile a guida automatica.
Vuoi sapere come iniziare con l’AI? Segui l’introduzione gratuita per principianti all’AI generativa.
Tipi di intelligenza artificiale
L’intelligenza artificiale può essere organizzata in diversi modi, a seconda delle fasi di sviluppo o delle azioni in esecuzione.
Tipi di funzionalità di AI
Questa classificazione definisce i modelli di AI in base al loro livello di intelligenza e alle loro capacità di risoluzione dei problemi.
- Intelligenza artificiale ristretta (ANI, Artificial Narrow Intelligence): è l’unica forma di AI attualmente esistente. I modelli ANI sono progettati per eseguire una singola attività specifica, come l’identificazione di immagini, l’avvio di una chat o il filtraggio di email. Ne sono esempi gli assistenti vocali, la tecnologia di riconoscimento facciale e i modelli di AI generativa come Gemini e altri modelli linguistici di grandi dimensioni (LLM). Nonostante il nome, l’ANI non possiede capacità di ragionamento o autoconsapevolezza; combina invece i dati con un algoritmo per fare previsioni all’interno di parametri predefiniti. Sebbene l’ANI offra molti vantaggi, comporta anche dei rischi, in quanto dati di addestramento di scarsa qualità possono portare a risultati parziali o imprecisi, che possono essere critici in applicazioni come l’approvazione di prestiti, le decisioni di assunzione e la prevenzione del crimine basata sull’analisi predittiva. I criminali informatici possono anche sfruttare l’ANI per creare truffe sofisticate basate sull’AI.
- Intelligenza artificiale generale (AGI, Artificial General Intelligence): si tratta di una proposta per un futuro passo avanti nella tecnologia dell’AI. In teoria, l’AGI sarebbe in grado di svolgere un’ampia gamma di attività e utilizzerebbe un ragionamento simile a quello umano per apprendere, adattarsi e migliorare. L’AGI non esiste ancora. A differenza dell’ANI, l’AGI dovrebbe essere adattiva, autonoma e in grado di apprendere dalle proprie azioni. Esempi di robot immaginari sono i droidi di Star Wars. Tuttavia, l’AGI potrebbe sollevare notevoli preoccupazioni etiche e di sicurezza, poiché i malintenzionati potrebbero programmarla con intenti dannosi, portando a capacità distruttive potenzialmente illimitate se non regolamentata.
- Superintelligenza artificiale (ASI, Artificial Superintelligence): è la forma teorica più avanzata di AI. L’ASI sarebbe un’entità autocosciente che opera al di là del controllo umano, superando significativamente l’intelligenza umana nel ragionamento, nella creatività e persino nell’intelligenza emotiva. Come altre forme di AI, si teme che l’ASI possa rappresentare una minaccia esistenziale per l’umanità; alcuni ricercatori nel campo dell’AI che suggeriscono una possibilità non trascurabile di esiti estremamente negativi, tra cui l’estinzione umana.
Tipi di AI per funzionalità
Questa classificazione suddivide l’AI in categorie in base al modo in cui opera e interagisce in contesti specifici.
- Macchine reattive: AI limitata che reagisce solo a diversi tipi di stimoli in base a regole preprogrammate. Non ha memoria e quindi non può apprendere da nuovi dati. Un esempio notevole è Deep Blue di IBM, che nel 1997 ha sconfitto il campione di scacchi Garry Kasparov.
- Memoria limitata: la maggior parte dell’AI moderna è a memoria limitata. Può utilizzare la memoria per migliorare nel tempo grazie all’addestramento basato sui nuovi dati, solitamente attraverso una rete neurale artificiale o un altro modello di addestramento. Questa memoria è a breve termine; una volta terminata una sessione, la memoria spesso si resetta. Ad esempio, le auto a guida autonoma che osservano altri veicoli e i chatbot come Gemini che ricordano i messaggi precedenti in una conversazione.
- Teoria della mente: l’AI con teoria della mente non esiste al momento (ancora), ma sono in corso ricerche sulle sue possibilità. Descrive l’AI in grado di emulare la mente umana e ha capacità decisionali pari a quelle di una persona, ad esempio sa riconoscere e ricordare emozioni e sa reagire in situazioni sociali come farebbe una persona.
Vantaggi dell'AI
L’AI può aiutare ad automatizzare i workflow e i processi oppure lavorare in modo indipendente da un team di dipendenti. Ad esempio, l’AI può contribuire ad automatizzare gli aspetti della cybersicurezza monitorando e analizzando continuamente il traffico di rete. Allo stesso modo, una fabbrica smart può avere diversi tipi di AI in uso, ad esempio i robot che utilizzano la visione artificiale per muoversi all’interno della fabbrica o per ispezionare i prodotti e rilevare eventuali difetti, creare gemelli digitali o usare analisi in tempo reale per misurare l’efficienza e la produttività.
Riduzione degli errori umani
L’AI riduce gli errori manuali relativi all’elaborazione dei dati, all’analisi, all’assemblaggio nel settore manifatturiero e ad altre attività attraverso l’automazione e gli algoritmi che eseguono le stesse procedure ripetutamente.
Eliminazione delle attività ripetitive
L’AI può essere utilizzata per svolgere attività ripetitive, lasciando le persone libere di lavorare su problemi più complessi. Che si tratti di analizzare dati, verificare documenti, trascrivere telefonate, moderare contenuti o rispondere a semplici domande dei clienti come “Dove vi trovate?”. L’AI eccelle nell’automatizzare queste funzioni lavorative ripetitive o noiose.
Velocità e precisione
L’AI può elaborare più informazioni rispetto a una persona ed è in grado di trovare pattern e scoprire relazioni nei dati che un essere umano potrebbe non notare.
Disponibilità infinita
L’AI non è limitata dall’ora del giorno, dalla necessità di fare una pausa o da altre esigenze umane. Quando sono eseguiti nel cloud, l’AI e il machine learning possono essere “sempre attivi”, lavorando in modo continuativo alle attività assegnate.
Accelerazione di ricerca e sviluppo
La capacità di analizzare grandi quantità di dati rapidamente può portare a innovazioni rivoluzionarie nella ricerca e nello sviluppo. Ad esempio, l’AI può aiutare con la modellazione predittiva per potenziali nuovi trattamenti farmaceutici o con la quantificazione del genoma umano.
L’AI in azione: trasformare il nostro mondo
L’influenza dell’AI è vasta e in crescita e tocca quasi ogni aspetto delle nostre vite e dei nostri settori. Ecco dove puoi vedere la differenza:
- Nella vita di tutti i giorni: l’assistente virtuale dello smartphone, i consigli personalizzati sui servizi di streaming, i filtri antispam nella posta elettronica e le app di navigazione come Google Maps si basano tutti sull’AI per funzionare.
- Sanità: l’AI sta rivoluzionando la medicina aiutando i medici a diagnosticare le malattie in fase iniziale attraverso l’analisi di immagini mediche, personalizzando i piani di trattamento e accelerando notevolmente la scoperta di farmaci.
- Trasporti: i veicoli autonomi utilizzano l’AI per la navigazione, il rilevamento di oggetti e il processo decisionale in tempo reale per guidare in sicurezza.
- Operazioni aziendali: le aziende utilizzano l’AI per qualsiasi cosa, dai chatbot di assistenza clienti e il rilevamento delle frodi in finanza all’ottimizzazione delle catene di fornitura e alla personalizzazione delle campagne di marketing.
- Intrattenimento: nei videogiochi, l’AI crea personaggi più realistici e impegnativi. Nella creazione di contenuti, l’AI generativa può ora comporre musica, scrivere sceneggiature e creare opere d’arte visiva straordinarie.
La storia dell’AI
L’idea di macchine in grado di pensare da sole non è nuova. Il concetto di esseri artificiali dotati di intelligenza risale a decenni fa, tuttavia, il campo moderno dell’AI ha iniziato a prendere forma a metà del XX secolo. Diamo un’occhiata alla storia dell’AI come la conosciamo:
- Le origini dell’AI (anni ’40-’50): l’invenzione dei computer programmabili negli anni ’40 ha acceso l’immaginazione. Nel 1950, Alan Turing propose il “test di Turing”, un modo per valutare se una macchina potesse mostrare un comportamento intelligente indistinguibile da quello di un essere umano. Si trattava di un passo filosofico e scientifico fondamentale.
- La nascita di un campo (1956): il Dartmouth Summer Research Project, organizzato da pionieri come John McCarthy, è ampiamente considerato la nascita ufficiale dell’AI come disciplina accademica. È qui che è stato coniato il termine “intelligenza artificiale”.
- Primi successi e sfide (anni ’60-’70): i ricercatori hanno sviluppato i primi programmi di AI, come ELIZA, un chatbot in grado di simulare conversazioni, e Shakey the Robot, uno dei primi robot in grado di ragionare sul proprio ambiente. Tuttavia, la complessità della creazione di una vera intelligenza ha portato a periodi di riduzione dei finanziamenti e dei progressi, spesso chiamati “inverni dell’AI”.
- Rinascita e crescita (anni ’80-2000): lo sviluppo di sistemi esperti e, in seguito, l’ascesa del machine learning hanno dato nuova vita alla ricerca sull’AI. Pietre miliari come la vittoria di Deep Blue di IBM su un gran maestro di scacchi nel 1997 hanno dimostrato le crescenti capacità dell’AI.
- Il boom dell’AI moderna (2010-oggi): i progressi nella potenza di calcolo, la disponibilità di set di dati massicci e le scoperte nel deep learning, in particolare con le reti neurali, hanno alimentato l’attuale rivoluzione dell’AI. In quest’era sono emersi strumenti potenti che stanno trasformando i settori.
L’avanguardia: AI generativa, LLM e l’ascesa degli agenti di AI
Negli ultimi anni, due dei progressi più entusiasmanti nel campo dell’AI sono stati l’AI generativa e i modelli linguistici di grandi dimensioni (LLM). Tuttavia, la frontiera si sta espandendo rapidamente con l’emergere di agenti AI e dell’AI agentica, che rappresentano un passo significativo verso sistemi AI più autonomi e capaci.
- AI generativa: è un tipo di AI che non si limita ad analizzare i dati, ma crea nuovi contenuti. Considerala come se fosse un artista, uno scrittore o persino un programmatore di codice AI. L’AI generativa apprende i pattern e le strutture all’interno di grandi quantità di dati (testo, immagini, codice e altro) e quindi utilizza queste conoscenze per produrre contenuti completamente nuovi e originali basati su prompt. Strumenti come DALL-E per le immagini e ChatGPT per il testo sono ottimi esempi.
- Modelli linguistici di grandi dimensioni (LLM): sono i motori che alimentano molte delle applicazioni di AI più sofisticate di oggi, soprattutto nelle attività basate su testo. Gli LLM sono grandi modelli di AI addestrati su enormi set di dati di testo e codice. Sono eccellenti nella comprensione, nella generazione e nella manipolazione del linguaggio umano. Poiché hanno elaborato così tante informazioni, possono rispondere a domande complesse, riassumere documenti, tradurre lingue, scrivere contenuti creativi e persino generare codice informatico. Questi modelli stanno diventando sempre più capaci, sviluppando persino “abilità emergenti” come la risoluzione di problemi matematici e la scrittura di codice, anche se è sempre consigliabile che gli sviluppatori rivedano e convalidino il codice generato dall’AI. Gli LLM stanno diventando anche multimodali, il che significa che possono comprendere ed elaborare non solo il testo, ma anche immagini, audio e video.
- Agenti AI: sono sistemi di AI progettati per percepire il proprio ambiente, prendere decisioni e intraprendere azioni per raggiungere obiettivi specifici. A differenza di un semplice chatbot che risponde a un comando diretto, un agente AI può:
- Pianifica: suddividi un obiettivo complesso in una serie di passaggi più piccoli e gestibili
- Ragionamento: usa le sue conoscenze e la sua comprensione per prendere decisioni in ogni fase
- Agisci: interagisci con ambienti digitali o persino fisici (tramite API o interfacce robotiche) per portare a termine il piano
- Apprendimento/Adattamento: potenzialmente in grado di apprendere dalle proprie esperienze per migliorare le prestazioni nel tempo
- AI agentica: si riferisce alla capacità dei sistemi di AI di operare in modo autonomo nel modo descritto sopra.
Per gli sviluppatori di software, questo aspetto può essere particolarmente interessante perché gli agenti AI possono essere programmati per interagire con strumenti di sviluppo software, API e persino codebase esistenti. Ciò apre la strada alla possibilità che l’AI assista in attività di sviluppo più complesse, come testare automaticamente nuove funzionalità, eseguire il refactoring di ampie sezioni di codice o persino gestire i workflow dei progetti. La ricerca in corso si concentra sul rendere questi agenti più affidabili, efficienti e sicuri man mano che acquisiscono maggiore autonomia.