L’intelligenza artificiale continua a evolvere, spingendosi oltre i limiti precedentemente conosciuti. Da un lato, abbiamo la Generative AI, che sfrutta tecniche di apprendimento profondo per generare nuovi dati, aprendo nuove prospettive nel campo della creatività e dell’innovazione.
Ma è l’ascesa dell‘Agentive AI, ovvero quella branca dell’intelligenza artificiale che mira alla personalizzazione delle esperienze utente attraverso agenti intelligenti in grado di agire in autonomia, a delineare scenari futuri decisamente nuovi.
Ma mentre ci avventuriamo in questa nuova era tecnologica, sono anche necessarie riflessioni su quale sarà il loro impatto sulla società e sugli individui.
Indice degli argomenti
Il ruolo dei transformer nella Generative AI
La tecnologia su cui sono basati i modelli di intelligenza artificiale GPT – acronimo di Generative Pre-trained Transformer, che oggi molti di noi associano al blasonato ChatGPT di OpenAI – è basata su un insieme di innovazioni nel mondo del Machine Learning, tra cui appunto i Transformer.
Non si tratta dei giocattoli o cartoni animati che esordirono nel 1984, ma, semplificando al massimo, di un concetto lanciato nel 2017 da alcuni ricercatori di Google Brain, che riassunsero la brillante idea con la frase: “Attention is all you need”.
Fondamentalmente, grazie ai Transformer, siamo oggi in grado di parallelizzare le operazioni di riconoscimento e generazione del linguaggio naturale ed effettuare l’addestramento dei modelli linguistici su una quantità di dati sempre maggiore, significativamente più estesa rispetto agli algoritmi precedenti, basati puramente su reti neurali ricorrenti (si presume che GPT-4 sia stato addestrato con ordini di grandezza di Trilioni di parametri e una mole di dati fino a poco tempo fa inimmaginabile).
Tutto ciò ha consentito un’accelerazione nella capacità di realizzare applicazioni di AI Generativa, in grado di “generare” in output una quantità di dati sempre maggiore, ovvero le risposte che ci forniscono strumenti come ChatGTP, LLAMA, Mistral, Anthropic, solo per citarne alcuni, a partire da alcuni dati in input piuttosto esigui (i cosiddetti prompt che diamo in pasto a queste soluzioni come nostre richieste).
Generative AI e creatività: le sfide legali, etiche e filosofiche
Spesso sentiamo parlare di AI Creativa, associata ad AI Generativa: è proprio così?
Questi modelli sono davvero in grado di creare qualcosa di nuovo a partire da “intuizioni” o “abilità” degli algoritmi?
Questo tipo di riflessione pone alcune sfide sia di tipo “Legale” (abbiamo già assistito a class action di vario tipo, per difendere i copyright di autori che, giustamente, temono che le loro opere possano essere utilizzate per addestrare alcuni modelli di AI), sfide di tipo “Etico” e “Filosofico” (la creatività è sempre stata una prerogativa dello spazio semantico umano).
Probabilmente è inappropriato oggi parlare di “AI creativa”, soprattutto se associata alla capacità creativa umana, poiché la premessa di fondo è sbagliata: il concetto stesso di intelligenza è molto differente.
Riprendendo alcuni concetti, già ben espressi dal filosofo Luciano Floridi, Fondatore e Direttore del Digital Ethics Center di Yale, ciò che oggi definiamo come Intelligenza Artificiale ha ben poco a che vedere con la simulazione dell’intelligenza umana, ma con i task anche molto complessi che la tecnologia (le macchine) possono espletare, in un ambiente che per altro stiamo predisponendo per agevolare l’adozione di queste tecnologie.
L’importanza dell’agency nell’intelligenza artificiale
Come sostiene giustamente il filosofo, “Il successo dell’AI è legato al disaccoppiamento tra intelligenza e capacità di agire (agency). Riuscire a fare bene qualche cosa non significa essere intelligenti, a meno che non riduciamo l’intelligenza alla capacità di svolgere dei task molto complessi. Nessuno di noi si sognerebbe mai di considerare una lavastoviglie intelligente, anche se è in grado di lavare piatti e bicchieri meglio di noi”.
Così come, aggiungerei, sarebbe errato considerare ChatGPT intelligente e creativa, perché riesce a scrivere una e-mail più velocemente di noi o proporci con DALL-E una bella immagine da inserire nella nostra presentazione.
Il vero valore aggiunto dell’AI gen non è la creatività
C’è poi l’aspetto semantico, che è importante considerare: Midjourney potrebbe anche fornirci una copia speculare di uno dei più famosi quadri di Van Gogh, magari indistinguibile. Questo non significa che ha creato quell’opera, il cui valore (nel caso dell’opera originale di Van Gogh) non sta solo nel “risultato”, ma nell’intero processo che l’autore ha elaborato e nella storia dietro quel dipinto.
In altri termini: la palla da baseball che Joe DiMaggio e Marilyn Monroe firmarono insieme non venne battuta all’asta per svariate migliaia di dollari solo per l’aspetto “Sintattico” legato alle firme su una pallina, ma per quello semantico ben più ricco di significati e storia dietro all’unicità di quel manufatto.
Quindi, lasciando da parte per un momento il tema della creatività e simulazione dell’intelligenza umana, possiamo concentrarci sulla capacità sintattica di questi modelli Generativi di “generare” per l’appunto dati, e quindi contenuti in output, a partire da alcuni dati di input: questo è uno dei valori aggiunti concretamente forniti dai recenti modelli di LLM (Large Language Model) e Diffusion Model (DALL-E, Midjourney e altri con cui è possibile generare immagini).
E’ un dato di fatto che l’AI Generativa stia diventando pervasiva e il suo utilizzo decisamente rilevante in numerosi settori: marketing, education, progettazione, solo per citarne alcuni.
Personalizzazione della agency experience e nuovi scenari
Recentemente, stiamo assistendo però a un ulteriore fenomeno, che riguarda la possibilità di personalizzare l’esperienza di agency.
Agency è un termine anglofono di difficile traduzione in italiano: possiamo dire che combina il significato di essere un agente, con quello di “agire” come tale.
A questo punto la domanda spontanea è: cosa intendiamo per agente nel contesto dell’intelligenza artificiale?
Partendo dal presupposto che oggi viviamo in uno spazio permeato dalle informazioni scambiate da sistemi tecnologici di varia natura e dal mondo umano e animale (l’Infosfera è un concetto introdotto R.Z. Sheppard su Time Magazine nel 1971 e poi ripreso da Luciano Floridi più recentemente), con agente intendiamo qualsiasi entità (naturale o artificiale) che possieda un qualche livello di autonomia e che sia in grado di effettuare delle azioni o task.
Da notare che, se la quantità di informazioni scambiate tra agenti artificiali e agenti umani sta crescendo a livelli enormi, quella relativa alle informazioni tra agenti artificiali, senza il coinvolgimento umano, cresce con ordini di grandezza ancora più elevati, senza che la maggior parte di noi se ne renda conto.
Fatte queste premesse, cosa significa essere in grado di personalizzare la agency experience?
Nel recente OpenAI DevDay Keynote Sam Altam ha annunciato la capacità imminente di poter personalizzare il GPT “secondo le proprie esigenze”. Per citare testualmente le parole del Co-Fondatore di OpenAI: “GPTs are tailored versions of ChatGPT for a specific purpose”.
Non solo, sta diventando possibile personalizzare il GPT usando semplici comandi testuali o vocali, ovvero prompt, “…and it gives agency to everyone” (per citare nuovamente Sam Altam).
Il Co-fondatore di OpenAI ha quindi presentato alcuni use case, uno sull’education combinato alla gamification, con Code.org e l’altro con Canva “…for the full design experience”.
Certamente le potenzialità dietro alla personalizzazione degli agent o agency sono notevoli e potrebbero aprire scenari di sviluppo e innovazione estremamente interessanti.
L’ascesa dei RAG, Retrieval Augmented Generation
Ultimamente iniziamo a sentir parlare di RAG, acronimo di Retrieval Augmented Generation: si tratta di combinare la capacità dei Large Language Model (LLM), come ChatGPT o similari, con delle informazioni personalizzate, recuperabili, ad esempio, da data base, applicazioni o documenti aziendali, normalmente privati e non esposti verso gli LLM in questione.
Di conseguenza, diventa possibile personalizzare una soluzione di AI Generativa “aumentandone” le capacità e “verticalizzandone la conoscenza” su contesti specifici di nostro interesse: ad esempio, potremmo creare un GPT specializzato nel fornire supporto sulle parti di ricambio per una determinata industria automobilistica, oppure fornire informazioni sulle ultime novità di un’azienda vitivinicola.
Quali potrebbero essere le implicazioni etico-filosofiche?
Implicazioni etico-filosofiche dell’Agentive AI
Premesso che nessuno di noi ha la sfera di cristallo in mano, proviamo a ipotizzare uno scenario che parte dal concetto di Conoscenza e Realtà Universale a cui eravamo abituati fino a pochi anni fa, per arrivare a quello di una forma di Conoscenza e Realtà Personalizzata, che i nuovi social media hanno contribuito fortemente a raggiungere nel corso degli ultimi anni.
Se a questo aggiungiamo la possibilità di un’interazione futura con forme di agency sempre più personalizzate, allora potremmo assistere a una ulteriore accelerazione verso quella che è definibile come Diffrazione infinita della Realtà, ovvero ognuno di noi potrebbe generare agenti virtuali ad personam e interagire con questi ultimi, auto creandosi in ultimo una sorta di realtà totalmente personalizzata, derivante dall’esperienza custom con questi agent.
Benvenuti nell’era della Agentive AI: la Custom Agency è servita!
