Double Espresso: Che cos'è un modello di intelligenza artificiale?

Che cos'è un modello di intelligenza artificiale?

Ogni settimana c'è un titolo che annuncia un nuovo modello di intelligenza artificiale: qualcuno l'ha addestrato, qualcuno l'ha pubblicato, qualcuno l'ha messo alla prova. La parola scivola via senza attrito, come se sapessimo tutti di che cosa stiamo parlando. Fermiamoci un momento: questa cosa che viene pubblicata, che cos'è? E, domanda ancora più utile, dove finisce?

La definizione è più semplice di quanto il nome lasci temere. Un modello è un meccanismo che trasforma un ingresso in un'uscita. Entra il testo di un messaggio, esce un punteggio: quanto è probabile che sia posta indesiderata. Entra una fotografia, esce un'etichetta: gatto, bicicletta, tramonto. Entrano i dati atmosferici di stamattina, esce la probabilità di pioggia domani. Ingresso, uscita, e in mezzo una struttura che collega i due.

Intelligenza artificiale è il termine più ampio. L'apprendimento automatico è uno dei modi più efficaci per costruirla, ma non è l'unico. Esistono anche sistemi basati su conoscenze e regole inserite direttamente dalle persone. Questo non rende intelligente qualsiasi elenco di istruzioni, ma significa che non tutto ciò che chiamiamo intelligenza artificiale impara dai dati.

Prendiamo il filtro antispam. Ce l'abbiamo tutti in tasca e quasi nessuno ci pensa.

Un filtro si può costruire partendo da regole scritte a mano. Se il messaggio arriva da un certo indirizzo, spostalo. Se contiene determinate parole, consideralo sospetto. Se supera una soglia, mandalo nella cartella della posta indesiderata. Una persona formula le condizioni e il computer le esegue.

Con l'apprendimento automatico si procede in un altro modo. Invece di prevedere ogni regola, si mostrano molti esempi già classificati: questo è spam, questo no. Un processo di addestramento modifica una struttura piena di numeri, chiamati parametri, finché le sue valutazioni non corrispondono abbastanza bene agli esempi. La struttura appresa insieme ai parametri regolati è il modello. Non è l'insieme dei vecchi messaggi e non è il processo di addestramento: è il risultato che ora può valutare un messaggio nuovo.

Il punto non è che le regole siano primitive e l'apprendimento automatico sia sempre migliore. Il punto è capire dove passa il confine.

Il modello non è il programma di posta. Non è il server che riceve i messaggi, la cartella in cui finiscono quelli sospetti o il pulsante con cui segnali un errore. Non decide da solo che cosa cancellare e non ricorda una tua scelta precedente, a meno che il sistema non gli fornisca quell'informazione. L'applicazione, il server, le cartelle, i comandi e le regole operative formano il sistema. Il modello è il componente che calcola la valutazione.

La stessa distinzione vale per i programmi di conversazione. Sotto c'è un modello, ma intorno ci sono l'interfaccia, gli strumenti che può usare, la ricerca nei documenti o sul web, la memoria delle conversazioni, le istruzioni aggiuntive, i sistemi di sicurezza e molto software ordinario. Una parte del comportamento viene appresa dal modello; un'altra dipende da ciò che gli è stato costruito attorno.

Per questo due prodotti basati sullo stesso modello possono comportarsi in modo molto diverso. Uno consulta documenti aggiornati, l'altro no. Uno ricorda ciò che hai detto ieri, l'altro riparte da zero. E ricevere i pesi di un modello non significa ricevere tutto il prodotto: possono mancare l'interfaccia, la ricerca, gli strumenti, la memoria e le regole di funzionamento.

L'equivoco più comune nasce proprio qui. “Modello” e “applicazione” non sono sinonimi. Quando un programma di intelligenza artificiale fa qualcosa di sorprendente o commette un errore clamoroso, conviene chiedersi quale parte abbia inciso: il modello, le informazioni che il sistema gli ha fornito o il modo in cui il sistema ha usato la sua uscita.

Anche la parola “imparare” richiede cautela. È una scorciatoia utile, non la prova che dall'altra parte ci sia una comprensione simile alla nostra. Un modello può cogliere regolarità molto complesse senza avere esperienza, intenzioni o buon senso umano.

Ma non è corretto nemmeno immaginarlo come un archivio che consulta una copia ordinata di tutto ciò che ha letto. Un modello può memorizzare singoli esempi, qualche volta in modo problematico. Nel funzionamento normale, però, calcola un'uscita usando l'ingresso attuale e la struttura ricavata durante l'addestramento. Se un prodotto cita una notizia appena uscita, di solito è il sistema circostante ad averla cercata e ad averne passato il testo al modello.

I modelli possono essere molto diversi: un filtro antispam, un sistema che consiglia musica, un modello meteorologico, un generatore di immagini o un modello linguistico. L'idea di fondo resta la stessa: qualcosa entra, qualcosa esce, e il modello è il meccanismo adattato che sta nel mezzo.

La prossima volta che leggi che un'intelligenza artificiale ha fatto qualcosa, prova quindi a dividere la frase in due. Il modello calcola un'uscita. Il sistema decide quali informazioni dargli e che cosa fare del risultato.