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 nei media; è comunque la tecnologia più conseguenziale nel nostro tempo presente.

Cosa ti ha inizialmente attirato 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, scienze informatiche, sviluppo software, psicologia, ecc… Quella sfida è ciò che mi ha attirato, combinata con il fatto che ho avuto la fortuna di sperimentare con molti di questi campi nella mia carriera precedente: matematica, scienze informatiche, sviluppo software, statistiche.

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 altro luogo. Fino al 2005 non c’era AI (tra l’altro, il successo dell’AI è dovuto principalmente alle reti neurali = deep learning, tutte le altre tecniche impallidiscono al confronto; 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 campo. Vengo da un background matematico abbinato alla guida di progetti AI pratici, in cui l’ingegneria BigData gioca un ruolo molto grande (a volte più del 80% del tempo totale del progetto). Il mio background sandwicha l’AI tra un’interrogazione delle sue fondamenta matematiche (molto teoriche) e gli aspetti molto pratici della guida di team di scienziati dei dati e ingegneri di apprendimento automatico. Ci sono altri ricercatori che sanno più cose sulle tecnologie AI nel mezzo del sandwich.

Hai affermato che l’AI è stata sia esagerata che sminuita nei media. Perché credi che ci sia una tale disconnessione tra la rappresentazione accurata dell’AI da parte dei media e le realtà effettive 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 nei media, alimentando una disallineazione degli obiettivi. È sufficiente menzionare il documentario Social Dilemma su Netflix, 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 proviene 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 nessuna 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?

Attualmente, l’AI è tutto sulla 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 esso. Questi sono, tra l’altro, naturalmente occorrenti, ciò che deve accadere è un’inclusione graduale 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 trovi più interessante?

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

Hai affermato che il Reddito di Base Universale (UBI) sarà assolutamente necessario per affrontare le perdite di lavoro che derivano dall’AI. Potresti elaborare su 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 le radiografie e le immagini MRI e tutti i tipi di altre stampe molto meglio di un essere umano. Cosa accadrà alle persone quando non ci sarà semplicemente un lavoro che possono fare? Il UBI garantisce che gli esseri umani non soffrano inutilmente quando l’automazione diventa pervasiva. E non c’è bisogno di, perché l’AI fornirà il lavoro necessario per la società per funzionare ancora.

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

Sì, molte persone sostengono che il software di DeepMind confina già con l’AGI. Io non mi iscrivo a quell’idea, ma anche per me la risposta è sì. L’AGI non significa emozioni o coscienza, la I in AGI 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, nel senso che la probabilità che viviamo 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 vari aspetti dell’AI possono visitare AIbluedot.com.