Age of AI: tutto ciò che devi sapere sull'intelligenza artificiale

L'intelligenza artificiale sta apparendo apparentemente in ogni angolo della vita moderna, dalla musica e dai media agli affari e alla produttività, persino agli appuntamenti.
C'è così tanto che può essere difficile tenere il passo, quindi continua a leggere per scoprire tutto, dagli ultimi grandi sviluppi ai termini e alle società che devi conoscere per rimanere aggiornato in questo campo in rapida evoluzione.
Per cominciare, assicuriamoci di essere tutti sulla stessa pagina: cos'è l'IA? L'intelligenza artificiale, chiamata anche machine learning, è una sorta di sistema software basato su reti neurali, una tecnica che in realtà è stata sperimentata decenni fa ma che molto recentemente è sbocciata grazie a nuove potenti risorse di calcolo.
L'intelligenza artificiale ha consentito un efficace riconoscimento vocale e delle immagini, nonché la capacità di generare immagini e parole sintetiche.
E i ricercatori stanno lavorando sodo per consentire a un'intelligenza artificiale di navigare sul Web, prenotare biglietti, modificare ricette e altro ancora.
Oh, ma se sei preoccupato per un aumento delle macchine di tipo Matrix, non esserlo.
Ne parleremo dopo! La nostra guida all'intelligenza artificiale è composta da tre parti principali, ognuna delle quali viene aggiornata regolarmente e può essere letta in qualsiasi ordine: in primo luogo, i concetti più fondamentali che è necessario conoscere e quelli più importanti di recente.
Successivamente, una panoramica dei principali attori dell'IA e del perché sono importanti.
E infine, un elenco curato dei titoli e degli sviluppi recenti di cui dovresti essere a conoscenza.
Entro la fine di questo articolo sarai aggiornato quanto chiunque può sperare di essere in questi giorni.
Lo aggiorneremo e lo espanderemo anche mentre ci addentriamo ulteriormente nell'era dell'IA.
AI 101 Crediti immagine: Andrii Shyp / Getty Images Una delle cose folli dell'IA è che sebbene i concetti fondamentali risalgano a più di 50 anni fa, pochi di essi erano familiari anche agli esperti di tecnologia prima di molto tempo fa.
Quindi, se ti senti perso, non preoccuparti, lo sono tutti.
E una cosa che vogliamo chiarire fin dall'inizio: anche se si chiama "intelligenza artificiale", questo termine è un po' fuorviante.
Non esiste una definizione univoca di intelligenza là fuori, ma ciò che fanno questi sistemi è decisamente più vicino ai calcolatori che ai cervelli.
L'input e l'output di questa calcolatrice sono molto più flessibili.
Potresti pensare all'intelligenza artificiale come al cocco artificiale: è intelligenza artificiale.
Detto questo, ecco i termini di base che troverai in qualsiasi discussione sull'IA.
Rete neurale I nostri cervelli sono in gran parte costituiti da cellule interconnesse chiamate neuroni, che si uniscono per formare reti complesse che eseguono compiti e immagazzinano informazioni.
La ricreazione di questo fantastico sistema nel software è stata tentata sin dagli anni '60, ma la potenza di elaborazione richiesta non era ampiamente disponibile fino a 15-20 anni fa, quando le GPU hanno permesso alle reti neurali definite digitalmente di prosperare.
Nel loro cuore sono solo tanti punti e linee: i punti sono dati e le linee sono relazioni statistiche tra quei valori.
Come nel cervello, questo può creare un sistema versatile che prende rapidamente un input, lo passa attraverso la rete e produce un output.
Questo sistema è chiamato modello.
Modello Il modello è l'effettiva raccolta di codice che accetta input e restituisce output.
La somiglianza terminologica con un modello statistico o un sistema di modellazione che simula un processo naturale complesso non è casuale.
Nell'intelligenza artificiale, il modello può fare riferimento a un sistema completo come ChatGPT o praticamente a qualsiasi costrutto di intelligenza artificiale o apprendimento automatico, qualunque cosa faccia o produca.
I modelli sono disponibili in varie dimensioni, il che significa sia quanto spazio di archiviazione occupano sia quanta potenza di calcolo impiegano per funzionare.
E questi dipendono da come viene addestrato il modello.
Formazione Per creare un modello AI, le reti neurali che costituiscono la base del sistema sono esposte a una serie di informazioni in quello che viene chiamato un set di dati o corpus.
In tal modo, queste reti giganti creano una rappresentazione statistica di tali dati.
Questo processo di formazione è la parte più intensiva di calcolo, il che significa che ci vogliono settimane o mesi (puoi durare quanto vuoi) su enormi banchi di computer ad alta potenza.
La ragione di ciò è che non solo le reti sono complesse, ma i set di dati possono essere estremamente grandi: miliardi di parole o immagini che devono essere analizzate e rappresentate nel gigantesco modello statistico.
D'altra parte, una volta che il modello ha terminato la cottura, può essere molto più piccolo e meno impegnativo quando viene utilizzato, un processo chiamato inferenza.
Crediti immagine: inferenza di Google Quando il modello sta effettivamente facendo il suo lavoro, chiamiamo quella inferenza, molto nel senso tradizionale della parola: affermare una conclusione ragionando sulle prove disponibili.
Ovviamente non si tratta esattamente di "ragionamento", ma di collegare statisticamente i punti nei dati che ha ingerito e, in effetti, di prevedere il punto successivo.
Ad esempio, dicendo "Completa la seguente sequenza: rosso, arancione, giallo…" troverebbe che queste parole corrispondono all'inizio di un elenco che ha ingerito, i colori dell'arcobaleno, e deduce l'elemento successivo finché non ha prodotto il resto di quella lista.
L'inferenza è generalmente molto meno costosa dal punto di vista computazionale rispetto alla formazione: pensala come sfogliare un catalogo di schede piuttosto che assemblarlo.
I modelli grandi devono ancora funzionare su supercomputer e GPU, ma quelli più piccoli possono essere eseguiti su uno smartphone o qualcosa di ancora più semplice.
IA generativa Tutti parlano di IA generativa e questo termine generico indica semplicemente un modello di IA che produce un output originale, come un'immagine o un testo.
Alcune IA riassumono, altre riorganizzano, altre identificano e così via, ma un'IA che genera effettivamente qualcosa (se "crea" o meno è discutibile) è particolarmente popolare in questo momento.
Ricorda solo che solo perché un'intelligenza artificiale ha generato qualcosa, ciò non significa che sia corretto, o addirittura che rifletta la realtà! Solo che non esisteva prima che tu lo chiedessi, come un racconto o un dipinto.
The Great Pretender Termini principali di oggi Oltre alle basi, ecco i termini AI che sono più rilevanti qui a metà del 2023.
Modello di linguaggio di grandi dimensioni La forma più influente e versatile di IA disponibile oggi, i modelli di linguaggio di grandi dimensioni vengono addestrati praticamente su tutto il testo che compone il Web e gran parte della letteratura inglese.
Ingerendo tutto questo si ottiene un modello di base (continua a leggere) di enormi dimensioni.
Gli LLM sono in grado di conversare e rispondere a domande in linguaggio naturale e imitare una varietà di stili e tipi di documenti scritti, come dimostrato da artisti del calibro di ChatGPT, Claude e LLaMa.
Sebbene questi modelli siano innegabilmente impressionanti, è necessario tenere presente che sono ancora motori di riconoscimento di modelli e quando rispondono è un tentativo di completare un modello che ha identificato, indipendentemente dal fatto che tale modello rifletta o meno la realtà.
Gli LLM hanno spesso allucinazioni nelle loro risposte, a cui arriveremo tra poco.
Se vuoi saperne di più su LLM e ChatGPT, abbiamo un intero articolo separato su quelli! ChatGPT: tutto ciò che devi sapere sul modello Foundation di chatbot basato sull'intelligenza artificiale La formazione di un enorme modello da zero su enormi set di dati è costosa e complessa, quindi non vuoi doverlo fare più del necessario.
I modelli di base sono quelli grandi da zero che necessitano di supercomputer per funzionare, ma possono essere ridotti per adattarsi a contenitori più piccoli, di solito riducendo il numero di parametri.
Puoi pensare a quelli come ai punti totali con cui il modello deve lavorare, e in questi giorni può essere in milioni, miliardi o addirittura trilioni.
Messa a punto Un modello di base come GPT-4 è intelligente, ma è anche un generalista per progettazione: ha assorbito tutto, da Dickens a Wittgenstein alle regole di Dungeons & Dragons, ma niente di tutto ciò è utile se vuoi che ti aiuti a scrivere un lettera di presentazione per il tuo curriculum.
Fortunatamente, i modelli possono essere messi a punto fornendo loro un po' di formazione extra utilizzando un set di dati specializzato, ad esempio alcune migliaia di domande di lavoro che si trovano in giro.
Questo dà al modello un'idea molto migliore di come aiutarti in quel dominio senza buttare via la conoscenza generale che ha raccolto dal resto dei suoi dati di addestramento.
L'apprendimento per rinforzo dal feedback umano, o RLHF, è un tipo speciale di messa a punto di cui sentirai parlare molto: utilizza i dati degli esseri umani che interagiscono con l'LLM per migliorare le sue capacità di comunicazione.
Diffusione Da un articolo su una tecnica avanzata di post-diffusione, puoi vedere come un'immagine può essere riprodotta anche da dati molto rumorosi.
La generazione di immagini può essere eseguita in molti modi, ma il maggior successo di oggi è la diffusione, che è la tecnica alla base di Stable Diffusion, Midjourney e altre popolari IA generative.
I modelli di diffusione vengono addestrati mostrando loro immagini che vengono gradualmente degradate aggiungendo rumore digitale fino a quando non rimane nulla dell'originale.
Osservando ciò, i modelli di diffusione imparano anche a eseguire il processo al contrario, aggiungendo gradualmente dettagli al rumore puro per formare un'immagine definita arbitrariamente.
Stiamo già iniziando ad andare oltre questo per le immagini, ma la tecnica è affidabile e relativamente ben compresa, quindi non aspettarti che scompaia presto.
Allucinazione Originariamente questo era un problema di alcune immagini durante l'addestramento che scivolavano in output non correlati, come edifici che sembravano fatti di cani a causa di una prevalenza eccessiva di cani nel set di addestramento.
Ora si dice che un'intelligenza artificiale abbia allucinazioni quando, poiché ha dati insufficienti o contrastanti nel suo set di addestramento, si inventa qualcosa.
Questo può essere un'attività o una passività; un'intelligenza artificiale a cui è stato chiesto di creare opere d'arte originali o addirittura derivate sta allucinando il suo output; a un LLM può essere detto di scrivere una poesia d'amore nello stile di Yogi Berra, e lo farà felicemente, nonostante una cosa del genere non esista da nessuna parte nel suo set di dati.
Ma può essere un problema quando si desidera una risposta fattuale; i modelli presenteranno con sicurezza una risposta che è metà reale e metà allucinazione.
Al momento non c'è un modo semplice per dire quale sia quale se non controllando voi stessi, perché il modello stesso non sa effettivamente cosa sia "vero" o "falso", sta solo cercando di completare uno schema nel miglior modo possibile.
AGI o intelligenza artificiale generale forte, o intelligenza artificiale forte, non è davvero un concetto ben definito, ma la spiegazione più semplice è che si tratta di un'intelligenza abbastanza potente non solo per fare ciò che fanno le persone, ma anche per imparare e migliorare se stessa come noi Fare.
Alcuni temono che questo ciclo di apprendimento, integrazione di quelle idee e quindi apprendimento e crescita più rapida si autoalimenta e si traduca in un sistema super intelligente impossibile da frenare o controllare.
Alcuni hanno persino proposto di ritardare o limitare la ricerca per prevenire questa possibilità.
È un'idea spaventosa, certo, e film come The Matrix e Terminator hanno esplorato cosa potrebbe accadere se l'IA andasse fuori controllo e tentasse di eliminare o schiavizzare l'umanità.
Ma queste storie non sono radicate nella realtà.
L'aspetto dell'intelligenza che vediamo in cose come ChatGPT è un atto impressionante, ma ha poco in comune con il ragionamento astratto e l'attività dinamica multi-dominio che associamo all'intelligenza "reale".
Sebbene sia quasi impossibile prevedere come andranno le cose, può essere utile pensare all'AGI come a qualcosa di simile a un viaggio nello spazio interstellare: tutti comprendiamo il concetto e apparentemente ci stiamo lavorando, ma allo stesso tempo siamo incredibilmente lontani da ottenere qualcosa di simile.
E a causa delle immense risorse e dei fondamentali progressi scientifici richiesti, nessuno lo realizzerà all'improvviso per caso! È interessante pensare all'AGI, ma non ha senso prendere in prestito problemi quando, come sottolineano i commentatori, l'IA presenta già oggi minacce reali e consequenziali nonostante, e di fatto in gran parte a causa dei suoi limiti.
Nessuno vuole Skynet, ma non c'è bisogno di una superintelligenza armata di armi nucleari per causare danni reali: oggi le persone stanno perdendo il lavoro e cadendo nelle bufale.
Se non riusciamo a risolvere questi problemi, che possibilità abbiamo contro un T-1000? Gli esperti di etica rispondono alla lettera "AI Pause" che dicono "ignora i danni effettivi" I migliori giocatori in AI Crediti immagine OpenAI: Leon Neal / Getty Images Se c'è un nome familiare nell'IA, è questo.
OpenAI nasce come suggerisce il nome, un'organizzazione che intende svolgere ricerche e fornire i risultati più o meno apertamente.
Da allora si è ristrutturata come una società a scopo di lucro più tradizionale che fornisce accesso ai suoi modelli linguistici avanzati come ChatGPT tramite API e app.
È diretto da Sam Altman, un miliardario tecnotopico che ciononostante ha avvertito dei rischi che l'IA potrebbe presentare.
OpenAI è il leader riconosciuto negli LLM ma svolge anche ricerche in altri settori.
Microsoft Come ci si potrebbe aspettare, Microsoft ha svolto la sua giusta parte di lavoro nella ricerca sull'IA, ma come altre aziende ha più o meno fallito nel trasformare i suoi esperimenti in prodotti importanti.
La sua mossa più intelligente è stata quella di investire presto in OpenAI, che le ha garantito una partnership esclusiva a lungo termine con la società, che ora alimenta il suo agente di conversazione Bing.
Sebbene i propri contributi siano minori e meno immediatamente applicabili, l'azienda ha una considerevole presenza nel campo della ricerca.
Google Noto per i suoi colpi di luna, Google in qualche modo ha perso la barca sull'intelligenza artificiale nonostante i suoi ricercatori abbiano letteralmente inventato la tecnica che ha portato direttamente all'esplosione dell'IA di oggi: il trasformatore.
Ora sta lavorando sodo sui propri LLM e altri agenti, ma sta chiaramente cercando di recuperare il ritardo dopo aver speso la maggior parte del suo tempo e denaro nell'ultimo decennio per potenziare il concetto obsoleto di "assistente virtuale" dell'IA.
Il CEO Sundar Pichai ha ripetutamente affermato che l'azienda si sta allineando fermamente dietro l'intelligenza artificiale nella ricerca e nella produttività.
Anthropic Dopo che OpenAI si è allontanato dall'apertura, i fratelli Dario e Daniela Amodei l'hanno lasciato per avviare Anthropic, destinato a ricoprire il ruolo di un'organizzazione di ricerca sull'IA aperta ed eticamente attenta.
Con la quantità di denaro che hanno a disposizione, sono un serio rivale di OpenAI anche se i loro modelli, come Claude, non sono ancora così popolari o conosciuti.
Stability Crediti immagine: Bryce Durbin / TechCrunch Controverso ma inevitabile, Stability rappresenta la scuola open source di implementazione dell'intelligenza artificiale "fai quello che vuoi", recuperando tutto su Internet e rendendo disponibili gratuitamente i modelli di intelligenza artificiale generativa se si dispone dell'hardware per eseguirlo.
Ciò è molto in linea con la filosofia "l'informazione vuole essere libera", ma ha anche accelerato progetti eticamente dubbi come la generazione di immagini pornografiche e l'utilizzo della proprietà intellettuale senza consenso (a volte allo stesso tempo).
Elon Musk Non uno da lasciare fuori, Musk è stato esplicito sui suoi timori riguardo all'IA fuori controllo, così come su alcune uve acide dopo aver contribuito all'OpenAI all'inizio ed è andato in una direzione che non gli piaceva.
Sebbene Musk non sia un esperto su questo argomento, come al solito le sue buffonate e i suoi commenti provocano risposte diffuse (era un firmatario della suddetta lettera di "pausa AI") e sta tentando di avviare un proprio gruppo di ricerca.
Ultime storie sull'intelligenza artificiale Nvidia diventa un'azienda da trilioni di dollari Il produttore di GPU Nvidia stava vendendo bene a giocatori e minatori di criptovaluta, ma l'industria dell'intelligenza artificiale ha aumentato la domanda del suo hardware.
La società ha abilmente capitalizzato su questo e l'altro giorno ha rotto la simbolica (ma intensamente) capitalizzazione di mercato di trilioni di dollari quando le sue azioni hanno raggiunto i $ 413.
Non mostrano alcun segno di rallentamento, come hanno mostrato di recente al Computex…
Al Computex, Nvidia raddoppia l'impegno nei confronti dell'IA Tra una dozzina o due annunci al Computex di Taipei, il CEO di Nvidia Jensen Huang ha parlato del superchip Grace Hopper dell'azienda per il calcolo accelerato (il loro terminologia) e l'intelligenza artificiale generativa dimostrata che sosteneva potesse trasformare chiunque in uno sviluppatore.
Sam Altman di OpenAI fa pressioni sul mondo per conto di AI Altman ha recentemente consigliato il governo degli Stati Uniti sulla politica dell'IA, anche se alcuni lo hanno visto come lasciare che la volpe stabilisca le regole del pollaio.
Anche i vari organi normativi dell'UE stanno cercando input e Altman ha fatto un grande tour, mettendo in guardia contemporaneamente contro l'eccessiva regolamentazione e i pericoli di un'IA senza restrizioni.
Se queste prospettive ti sembrano opposte…
non preoccuparti, non sei l'unico.
Anthropic raccoglie 450 milioni di dollari per la sua nuova generazione di modelli di intelligenza artificiale Abbiamo rovinato loro questa notizia quando abbiamo pubblicato i dettagli di questa raccolta fondi e pianificato in anticipo, ma Anthropic è ora ufficialmente più ricco di 450 milioni di dollari e sta lavorando sodo sul successore di Claude e i suoi altri modelli.
È chiaro che il mercato dell'intelligenza artificiale è abbastanza grande da lasciare spazio ai vertici per alcuni dei principali fornitori, se hanno il capitale per arrivarci.
Tiktok sta testando la propria IA in-app chiamata Tako Video, la piattaforma di social network Tiktok sta testando una nuova IA conversazionale a cui puoi chiedere quello che vuoi, incluso quello che stai guardando.
L'idea è invece di cercare altri video di "husky howling", potresti chiedere a Tako "perché gli husky ululano così tanto?" e darà una risposta utile oltre a indirizzarti verso più contenuti da guardare.
Microsoft sta incorporando ChatGPT in Windows 11 Dopo aver investito centinaia di milioni in OpenAI, Microsoft è determinata a ottenere il valore dei suoi soldi.
È già integrato GPT-4 nella sua piattaforma di ricerca Bing, ma ora l'esperienza di chat di Bing sarà disponibile – anzi, probabilmente inevitabile – su ogni macchina Windows 11 tramite una barra sul lato destro del sistema operativo.
Google aggiunge una spruzzata di intelligenza artificiale a quasi tutto ciò che fa Google sta recuperando terreno nel mondo dell'IA e, sebbene stia dedicando notevoli risorse a tale scopo, la sua strategia è ancora un po' oscura.
Caso in questione: il suo evento I/O 2023 era pieno di funzionalità sperimentali che potrebbero o meno raggiungere un vasto pubblico.
Ma stanno sicuramente facendo una stampa a tutto campo per tornare in gioco.
Age of AI: Tutto ciò che devi sapere sull'intelligenza artificiale di Devin Coldewey originariamente pubblicato su TechCrunch