La versatilità degli algoritmi è sotto gli occhi di tutti. Dalle applicazioni più accademiche nella ricerca scientifica fino alle applicazioni più eterodosse nella quotidianità della vita digitale, l’ubiquità degli algoritmi è un tratto incontestabile della contemporaneità
Chi non vuole ragionare è un bigotto, chi non è capace di ragionare è un folle, chi non ha il coraggio di ragionare è uno schiavo: cosa penserebbe Byron di una società che delega completamente alle macchine alcune delle scelte più importanti di politica economica e sociale? Ovviamente siamo ancora lontanissimi da un rischio di questo tipo, sebbene siano in molti ad avere anticipato con riflessioni assolutamente serie i rischi di una società in cui algoritmi e l’intelligenza artificiale prendano il sopravvento nell’ordine sociale. Basti pensare alle riflessioni di filosofi come Nick Bostrom, alle posizioni prese da imprenditori come Bill Gates e Elon Musk, oppure ancora alle parole di Stephen Hawking o Noam Chomsky. Oltre alle opinioni individuali, che possono essere apprezzate oppure no, esistono centri di ricerca, come per esempio il CSER dell’Università di Cambridge, che studiano i rischi esistenziali che minacciano l’umanità, accostando l’intelligenza artificiale al rischio batteriologico e al cambiamento climatico. Non è superfluo ricordare che molte di queste riflessioni si riferiscono alle applicazioni in ambito militare, però in molti casi si ragiona anche sulle conseguenze che potrebbero derivare da un impiego politico degli algoritmi come strumento per il controllo sociale, così come sta avvenendo in alcuni regimi autocratici, ma non solo, con risultati che ricordano le peggiori distopie immaginate da Orwell e da Huxley.
DIBATTITO AMBIVALENTE
All’estremo opposto di questa drammatizzazione degli algoritmi nella società, si contrappone l’opinione di quanti considerano l’intelligenza artificiale e il machine learning nient’altro che buzzwords del marketing globale per vendere gli ultimi gadget partoriti dalla Silicon Valley, senza davvero incidere in modo sostanziale sulle opportunità e i problemi degli individui, delle imprese e della società. Qualche anno fa, un dibattito fra esperti comparso su Quora e poi approdato sulle pagine di Forbes metteva in dubbio il valore degli innumerevoli paper scientifici pubblicati negli ultimi anni dalle riviste specializzate: molto spesso, la legittima ingegneria matematica che si nasconde dietro alcuni algoritmi si confronta con un linguaggio specialistico sempre più frammentato in dialetti tecnici (a volte gli stessi specialisti faticano a intendersi su un linguaggio come la matematica, che in teoria dovrebbe essere estremamente formalizzato e internazionale), esperimenti molto spesso non replicabili (o comunque quasi mai replicati e commentati in altri paper), e soluzioni che molto spesso si assomigliano molto, se non nella forma, almeno nella qualità dei risultati (viene da pensare al dibattito sulla complessità quadratica dei Transformers e alle “diverse” soluzioni per semplificare il problema). La maggior parte dei tecnici cerca di eludere un dibattito che giudica troppo ozioso e quando può evita qualsiasi forma di drammatizzazione, mentre invece, con maggiore concretezza, apprezza il machine learning come un ulteriore strumento per affrontare i problemi di ottimizzazione, che sono soltanto una parte dei problemi che vengono affrontati ogni giorno da programmatori e ingegneri.
Sembrerebbe l’ennesima riproposizione del dibattito fra apocalittici e integrati di cui parlava Umberto Eco molti anni fa, se non fosse per il fatto che la componente psicologica, l’intima avversione o propensione alla tecnologia, trova davvero uno spazio residuale nel dibattito, mentre gli investimenti concreti in innovazione corrono con grande velocità sul mercato, spiazzando sia le diatribe etiche che la retorica del marketing. Negli ultimi anni, un numero sempre maggiore di ingegni ha cominciato a spendersi nell’agone degli algoritmi: nel 2018, KDnugget stimava un numero di data scientist e ML experts (in senso lato) in un ordine di grandezza compreso tra i 3 e i 5 milioni a livello globale, nel 2021 si stimano 35 milioni di download di Python e la situazione potrebbe drasticamente accelerare nei prossimi anni, grazie ai cinesi. Secondo i piani decennali del partito, entro il 2030 la Cina dominerà il mercato dei servizi basati sull’intelligenza artificiale accaparrandosi un valore complessivo superiore a 150 miliardi di dollari, e per raggiungere questo risultato il partito sta mobilitando risorse enormi, introducendo l’insegnamento del machine learning nelle scuole superiori. Secondo Forbes, la Cina diventerà la prima superpotenza dell’intelligenza artificiale già entro il 2025, creando un ecosistema nazionale di investimenti in capitale umano e startup del valore di diversi miliardi di dollari.
UN CATALOGO DI APPLICAZIONI
Quando si tratta di ponderare con serietà l’impiego di algoritmi più sofisticati in azienda, è comune confrontarsi con lo scetticismo di quanti, sia a livello manageriale che operativo, considerano l’intelligenza artificiale una categoria abusata e vuota di contenuti effettivi, oppure, e forse questo sta diventando il rischio maggiore, uno strano “serious game” con una qualche vaga finalità a metà strada tra il formativo e il ricreativo. Si tratta di un atteggiamento sotto molti aspetti comprensibile, soprattutto da parte di persone pragmatiche come i manager e gli imprenditori, quando si trovano di fronte a un catalogo di applicazioni sempre più bizzarre che sembra uscito da un museo di stranezze. Pensiamo per esempio, alle applicazioni per generare fake news (pensiamo a Grover sviluppato da Allen Institute for AI). Agli algoritmi per facilitare il coordinamento dei piloti di caccia durante i combattimenti aerei (il DARPA prevede di superare tutte le fasi sperimentali entro il 2024). Ai droni per la raccolta ortofrutticola (creati dalla startup israeliana Tevel) e ai Beauty Contest giudicati dagli algoritmi (con la sponsorship di partner come Nvidia e EY). Oppure, possiamo spaziare dagli algoritmi per valutare le emozioni e le inclinazioni degli individui (da IBM a Amazon, sono in molti a sviluppare tecnologie con questi obiettivi, e l’Università del Sud Australia ha dimostrato la possibilità di identificare il profilo psicografico di un individuo attraverso l’analisi dei dati provenienti dall’eye tracking), fino agli spazzolini intelligenti (ebbene sì, con prodotti come Kolibree, gli algoritmi si occupano anche di igiene orale). E la lista potrebbe continuare.
IL VALORE DEGLI ALGORITMI
Quell’atteggiamento così ambivalente a cui si accennava prima non è del tutto spiegabile ricorrendo alle categorie di Eco. Assistiamo a un generale disorientamento dell’opinione pubblica di fronte a una tecnologia ubiqua, multiforme e versatile che sta evolvendo con estrema rapidità dopo decenni di lento sviluppo, incidendo in tanti modi diversi sulla vita quotidiana e sul modo di fare impresa. E se si volesse descrivere lo sviluppo dell’intelligenza artificiale, dagli anni cinquanta ad oggi, quale che sia la metrica (investimenti, startup, paper scientifici, etc.), si dovrebbe necessariamente ricorrere a una curva esponenziale di cui si sta osservando soltanto la prima fase di ascesa. Se alla rapidità degli sviluppi tecnici, si somma lo spostamento della frontiera tecnologica in un oriente culturalmente e politicamente lontano, e poi si aggiunge ancora una pletora di applicazioni sempre più esotiche e curiose, ecco che il disorientamento diventa ancora più comprensibile. Alcuni imprenditori, accademici e tradizionalisti scuotono il capo come tramortiti e rimangono diffidenti e un po’ increduli. Però forse, qualcuno ha capito l’essenza vera del machine learning e dell’intelligenza artificiale, ma occorre guardare a una categoria completamente diversa di soggetti, gli artisti. In particolare, si sta pensando alle considerazioni espresse da Ahmed Elgammal su The American Scientist nel 2019 in merito ad AICAN, una rete antagonista generativa (adversarial network), addestrata a produrre opere d’arte originali. Secondo Elgammal, il confine tra arte e scienza si sta assottigliando sempre di più e gli algoritmi di nuova generazione sono tecnologie al servizio della creatività. In un’epoca di democratizzazione degli algoritmi, il valore non è creato dalla tecnologia in sé e per sé, ma dal mestiere della creatività (imprenditoriale, sociale e politica) che è al servizio del suo tempo. Probabilmente, Byron avrebbe giustificato così tante vertigini con la sindrome di Stendhal.
Giancarlo Vercellino associate director Research & Consulting di IDC Italy
