Adrian Zidaritz, Autore di AIbluedot.com – Serie di Interviste

Adrian Zidaritz è l’autore di AIbluedot.com, un blog che fornisce una panoramica dell’AI, con una miscela di matematica, etica, politica e “tutto” ciò che sta in mezzo. Sebbene gli articoli contengano una quantità minima di materiale tecnico, non sono rivolti a specialisti, ma piuttosto al pubblico in generale. L’AI è fraintesa dai non specialisti e viene sia esagerata che sminuita dai media; è comunque la tecnologia più consequenziale nel nostro tempo presente.

Cosa ti ha inizialmente attratto verso l’AI?

Lo sviluppo dell’AI richiede una vasta gamma di competenze, a differenza di qualsiasi altra tecnologia moderna. Si nutre di ricerche provenienti da statistiche, neuroscienze, matematica applicata, informatica, sviluppo software, psicologia, ecc… Quella sfida è ciò che mi ha attirato, combinato con il fatto che ho avuto la fortuna di avere a che fare con molti di questi campi nella mia carriera precedente: matematica, informatica, sviluppo software, statistica.

Hai avuto una carriera estensiva lavorando nell’AI. Potresti discutere alcuni di questi punti salienti?

Questo è in un certo senso una continuazione della domanda 1. Quasi ogni persona di mezza età che lavora nell’AI attualmente proviene da altri settori. Fino al 2005 non c’era AI (per inciso, il successo dell’AI è dovuto principalmente alle reti neurali = deep learning, tutte le altre tecniche sono insignificanti; quindi, per tutti gli scopi pratici, quando diciamo AI intendiamo deep learning). Di conseguenza, molti di noi che lavorano nell’AI portano prospettive uniche nel settore. Vengo da un background matematico accoppiato con la guida di progetti AI pratici, in cui l’ingegneria BigData gioca un ruolo molto grande (a volte più dell’80% del tempo totale del progetto). Il mio background colloca l’AI tra una messa in discussione delle sue fondamenta matematiche (molto teoriche) e gli aspetti molto pratici della guida di squadre di data scientist e ingegneri di machine learning. Ci sono altri ricercatori che sanno più cose sulle tecnologie AI nel mezzo del panino.

Hai affermato che l’AI è stata sia esagerata che sminuita dai media. Perché credi che ci sia una tale disconnessione tra la rappresentazione accurata dell’AI da parte dei media e la realtà della tecnologia?

Perché l’AI è fraintesa anche da alcune persone che lavorano nell’AI, per non parlare della stampa. È una disciplina molto giovane, con lavoratori molto giovani. Le varie opinioni di questi giovani lavoratori fanno il loro modo di entrare nei media, alimentando una disallineazione degli obiettivi. È sufficiente menzionare il documentario Social Dilemma su Netflix (NFLX ), in cui queste opinioni conflittuali sull’AI, da una prospettiva della Silicon Valley, sono ben documentate.

Attualmente, la maggior parte dei progressi che abbiamo visto nell’AI provengono dal deep learning. Quali sono le tue opinioni sul problema della scatola nera del deep learning?

È un grande problema. Fondamentalmente, non abbiamo una comprensione teorica (= matematica) del processo di apprendimento. Non sappiamo come gli algoritmi di deep learning imparino effettivamente. Vediamo solo che funzionano. Ci sono stati tentativi, naturalmente, di sviluppare una teoria, ma nessuno ha guadagnato un’ampia accettazione. Quindi, in assenza di quella comprensione di base, tutto ciò che possiamo fare è dire “vedi, funziona”. Ma dare una spiegazione white-box è impossibile al momento. Altri algoritmi (non deep learning) sono meglio compresi e per essi è possibile fornire spiegazioni dei risultati. Non per il deep learning.

Quali sono le tue opinioni sul bias dell’AI e come possiamo prevenirlo?

Al momento, l’AI è tutto sui dati, non sugli algoritmi. Gli algoritmi non conoscono pregiudizi, il pregiudizio è nei dati. I dati riflettono la composizione della società e anche la stratificazione della società, poiché la raccolta dei dati ha anche pregiudizi in essa. Questi sono, per inciso, naturalmente occorrenti, ciò che deve accadere è una graduale inclusione di persone di tutti i tipi di background nel processo di raccolta dei dati, in modo che i dati riflettano una rappresentazione corretta della popolazione.

Qual è il tipo di apprendimento automatico che ti interessa di più?

Come ho detto prima, l’apprendimento automatico sta cedendo terreno al suo ramo più interno di successo, il deep learning. Le reti neurali, attraverso la loro versatilità, stanno dominando.

Hai affermato che il Reddito di Base Universale (RBU) sarà assolutamente necessario per affrontare le perdite di lavoro che derivano dall’AI. Potresti elaborare queste tue opinioni?

La società subirà enormi ripercussioni dall’automazione (AI applicata). Abbiamo visto i cambiamenti epocali anche nel tumulto politico dal 2016. Non ci sarà semplicemente modo di tornare indietro. Molti lavori semplicemente scompariranno. Non ha senso formarsi come radiologo in questi giorni. L’AI può leggere lastre e MRI e tutti gli altri tipi di stampe molto meglio di un essere umano. Cosa accadrà alle persone quando non ci sarà semplicemente un lavoro che possano fare? Il RBU garantisce che gli esseri umani non soffriranno inutilmente quando l’automazione diventerà onnipresente. E non c’è bisogno di farlo, perché l’AI fornirà il lavoro necessario per far funzionare la società.

Credi che possiamo mai raggiungere l’Intelligenza Artificiale Generale (IAG)?

Sì, molte persone sostengono che il software di DeepMind confina già con l’IAG. Io non mi associo a quell’idea, ma anche per me la risposta è sì. L’IAG non significa emozioni o coscienza, la “I” in IAG è semplicemente intelligenza cognitiva. E per quel livello di intelligenza, la risposta sembra essere sì.

Credi che ci sia una probabilità che viviamo in una simulazione?

Una possibilità? Sì, ciò significa che la probabilità di vivere in una simulazione non è 0. È anche intellettualmente attraente. Ma è probabile? No, per me non è probabile, cioè la probabilità, sebbene non 0, è molto, molto piccola.

Grazie per l’intervista, i lettori che desiderano saperne di più sulle opinioni di Adrian su diversi aspetti dell’AI possono visitare AIbluedot.com.