Joëlle Barral è direttrice della ricerca fondamentale sull’intelligenza artificiale (AI) presso Google DeepMind, che, da Londra a Parigi passando per la Silicon Valley, riunisce i team di ricerca del colosso digitale e della start-up inglese di intelligenza artificiale acquisita nel 2014. Laureata in Polytechnique e dell’Università americana di Stanford, questo ingegnere lavora in Google dal 2004, in particolare nei suoi progetti legati alla salute, tra cui Verily. Risponde ai limiti e al futuro dei principali modelli linguistici su cui fanno affidamento gli assistenti AI come Gemini, che Google integrerà nel suo motore di ricerca e nel suo ambiente Android. Ed esprime fiducia nelle potenzialità di questa tecnologia per la ricerca, mentre il direttore generale di DeepMind, Demis Hassabis, e il ricercatore John Jumper sono appena stati insigniti del Premio Nobel per la fisica.
Dov’è lo sviluppo dell’IA? Alcuni parlano di una bolla finanziaria o credono che la ricerca sui grandi modelli linguistici stia raggiungendo un plateau…
L’intelligenza artificiale non è una novità. Le reti neurali alla base dell’intelligenza artificiale generativa di oggi esistono da più di cinquant’anni. La recente accelerazione è dovuta alla quantità di dati e potenza di calcolo che ha consentito a questi algoritmi di raggiungere capacità che non erano affatto previste.
Leggi anche | Articolo riservato ai nostri abbonati “L’intelligenza artificiale è una bolla: c’è un divario tra costi molto significativi e ricavi potenziali”
Aggiungi alle tue selezioni
È piuttosto raro nel mondo della ricerca vedere un tale entusiasmo nella società per i risultati della ricerca. Abbiamo davvero la fortuna di essere all’inizio di una nuova era industriale, di una rivoluzione. Non direi affatto che stiamo raggiungendo un plateau. Al contrario, siamo appena all’inizio della padronanza di questa tecnologia che avrà implicazioni in un gran numero di attività umane.
Nonostante questi progressi, gli assistenti IA continuano a commettere errori concreti. Non è questo un ostacolo al loro utilizzo nei motori di ricerca? Questo problema è risolvibile?
Inizialmente, infatti, avevamo un’intelligenza artificiale “stretta” che addestravamo con un certo numero di esempi, come classificare immagini di cani e gatti, ecc. Con l’attuale intelligenza artificiale generativa, non mostriamo più esempi: i modelli apprendono su grandi quantità di dati e poi ti dicono, su una sequenza di parole, qual è la parola successiva, in base alla sua frequenza di apparizione nei loro dati di addestramento.
Per evitare errori, possiamo prima “potenziare” questo software insegnando loro a usare gli strumenti: se diamo una calcolatrice ai modelli AI, non commetteranno più errori quando faranno una moltiplicazione…
Ti resta il 78,64% di questo articolo da leggere. Il resto è riservato agli abbonati.
