Negli ultimi anni abbiamo pensato che il futuro dell’intelligenza artificiale fosse questo.
Chatbot sempre più fluidi.
Risposte sempre più credibili.
Sistemi capaci di scrivere, tradurre, programmare, riassumere, spiegare.
E in effetti il salto è stato enorme.
Nel giro di pochissimo tempo gli LLM sono entrati nelle aziende, nelle scuole, nelle università, nei processi operativi e perfino nel linguaggio quotidiano.
Ma mentre il mondo continua a rincorrere modelli linguistici sempre più grandi, una parte della ricerca AI sembra già guardare oltre.
Ed è qui che Ineffable Intelligence sta attirando così tanta attenzione.
La startup fondata da David Silver, uno dei ricercatori più importanti della storia di DeepMind e tra le menti dietro AlphaGo (un programma di intelligenza artificiale progettato specificamente per giocare e vincere al Go), non sta inseguendo semplicemente “un LLM migliore”.
Sta inseguendo qualcosa di diverso.
Molto diverso.
L’idea alla base del progetto è quasi filosofica prima ancora che tecnica.
Gli LLM attuali funzionano comprimendo enormi quantità di conoscenza prodotta dagli esseri umani.
Libri.
Articoli.
Codice.
Conversazioni.
Documenti.
Sono sistemi straordinari nel riconoscere pattern, relazioni statistiche e strutture del linguaggio.
Ma il loro rapporto con la conoscenza resta profondamente legato ai dati creati dalle persone.
David Silver invece sembra voler spostare il baricentro verso AI che apprendono dall’esperienza diretta, dall’esplorazione, dall’interazione con ambienti simulati e dal trial-and-error.
È la stessa logica che aveva reso AlphaGo un punto di svolta storico.
A un certo punto AlphaGo aveva iniziato a giocare contro sé stesso.
Non soltanto per replicare strategie umane ma soprattutto per scoprirne di nuove. Il sistema aveva iniziato a sviluppare mosse considerate quasi “aliene” dagli stessi grandi maestri.
Mosse che nessun essere umano aveva realmente insegnato alla macchina.
Secondo me è proprio qui che il tema diventa enorme perché gli LLM stanno rivoluzionando il modo in cui accediamo alla conoscenza umana ma sistemi di questo tipo potrebbero iniziare a produrre conoscenza attraverso esperienza autonoma.
Il cambio di paradigma è gigantesco.
Anni abbiamo sempre associato l’intelligenza artificiale alla capacità di imitare:
-Imitare linguaggio.
-Imitare scrittura.
-Imitare ragionamenti.
-Imitare creatività.
Qui invece iniziamo a entrare in un territorio nuovo e completamente diverso:
-Sistemi che sperimentano.
-Sistemi che ottimizzano strategie.
-Sistemi che esplorano possibilità.
-Sistemi che apprendono dinamicamente dal contesto.
Questa è la direzione che sta iniziando a emergere dietro molte delle evoluzioni più avanzate dell’AI, non sono più soltanto modelli che “parlano bene” ma modelli che imparano e in questo scenario cambia anche il rapporto tra esseri umani e intelligenza artificiale perché una cosa è utilizzare sistemi che riorganizzano conoscenza esistente e un’altra è confrontarsi con sistemi che iniziano a sviluppare strategie, intuizioni o soluzioni che nessun essere umano aveva esplicitamente previsto.
E qui iniziano ad aprirsi domande enormi:
Come governiamo sistemi che apprendono autonomamente?
Come interpretiamo decisioni emergenti?
Quanto diventa centrale la capacità umana di comprendere il contesto generale in cui questi sistemi operano?
Ma soprattutto:
cosa succede quando la velocità dell’apprendimento artificiale inizia a muoversi più rapidamente della nostra capacità culturale di comprenderne le implicazioni?
Gli LLM ci hanno abituato a pensare all’AI come a una macchina conversazionale mentre Ineffable Intelligence sembra invece puntare verso qualcosa di più vicino a un agente che esplora, sperimenta e apprende dal mondo. Quindi, forse, gli LLM non rappresentano il punto finale dell’intelligenza artificiale ma potrebbero essere semplicemente la fase che ci ha permesso di iniziare a dialogare con le macchine…
prima che iniziassero davvero a imparare da sole.