La rivoluzione dell’intelligenza artificiale generativa investe processi e dati aziendali

Un ambito opposto è quello della programmazione di codice informatico ed è anche quello dove, probabilmente, nell’immediato l’IA generativa sta avendo impatti più profondi. Ormai i programmatori non possono più fare a meno di strumenti come Copilot di OpenAI o CodeWhisperer di Amazon a supporto della programmazione di base, per fare codice semplice o lavoro di documentazione. Il risparmio di tempo stimato è di circa il 50 per cento.

Un ambito dove potrebbero esserci forti impatti, anche sulla forza lavoro, è quello del marketing e della comunicazione. L'IA generativa comincia a essere utilizzata per creare annunci pubblicitari, e-mail di marketing e altri contenuti personalizzati per i clienti. Ad esempio, Facebook sta cominciando a testare la possibilità di offrire strumenti di IA agli investitori, per la creazione di annunci pubblicitari. Sono usabili siano applicazioni di large language models, tipo appunto ChatGpt, che è un chatbot creatore di testo in base alle richieste dell’utente; sia applicazioni di creazione grafica (immagini e video) come Dall-E di OpenAi, Firefly di Adobe o Midjourney.  

Infine, la medicina. Un’azienda come Deepmind (di Alphabet, il gruppo che controlla Google) sta usando gli stessi modelli alla base dell’IA generativa per accelerare la scoperta di farmaci contro malattie ora incurabili, come alcuni tipi di cancro e neurodegenerative.

Attenzione però. L’IA generativa non è una novità uscita dal nulla. Come tutte le grandi innovazioni, poggia sulle spalle di tecnologie arrivate in precedenza.

È un tipo di apprendimento automatico (machine learning) che, nella sua essenza, funziona addestrando modelli software per fare previsioni basate sui dati senza bisogno di una programmazione esplicita.

In particolare, i modelli di IA generativa vengono alimentati con grandi quantità di contenuti esistenti per addestrare i modelli a produrre nuovi contenuti. Imparano a identificare gli schemi sottostanti nel set di dati sulla base di una distribuzione di probabilità e, quando viene loro richiesto, creano schemi simili (o output basati su questi schemi).

L'IA generativa, che fa parte della categoria di apprendimento automatico denominata deep learning, utilizza una rete neurale che le consente di gestire modelli più complessi rispetto all'apprendimento automatico tradizionale. Ispirate al cervello umano, le reti neurali non richiedono necessariamente la supervisione o l'intervento umano per distinguere differenze o modelli nei dati di addestramento.

L’IA generativa poggia inoltre su tecnologie successive, basate su reti neurali. Una delle principali è transformer: i “trasformatori” sono un tipo di rete neurale che è stata utilizzata con successo in una varietà di applicazioni di intelligenza artificiale, tra cui il riconoscimento facciale e la traduzione automatica. I trasformatori sono in grado di apprendere le relazioni tra dati sequenziali, come parole e frasi. Questo li rende utili per applicazioni di IA generativa che richiedono la generazione di contenuti sequenziali, come testo (ChatGpt e simili) e codice. Un’altra tecnologia è diffusion. La diffusione è un approccio alla generazione di contenuti che si basa sull'idea di iniziare con un rumore casuale e quindi aggiungere gradualmente dettaglio fino a raggiungere il contenuto desiderato. È così in grado di generare contenuti di alta qualità, ma può essere lento e richiedere un'enorme quantità di dati di addestramento. È ora alla base della generazione di immagini.

È comune a molti la sensazione di essere davanti a un cambiamento epocale per l’umanità, ma bisogna ancora vederlo con cautela. L’IA generativa ha molti limiti: commette ancora errori che un essere umano non compierebbe; non è ancora chiaro la sua compatibilità con il nostro quadro normativo: ci sono accuse, da più parti, di violazioni del copyright o della privacy durante la fase di addestramento. Terzo punto, è ancora tutto da vedere come sarà – e quanto sarà veloce - il processo di adattamento di lavoratori e aziende all’uso dell’IA generativa per coglierne i vantaggi di produttività e schivarne i rischi sociali.