Come PENSANO le MACCHINE? Spiegato dallo Scienziato Nello Cristianini
Summary
TLDRThe transcript is a detailed conversation with Professor Nello Cristianini, a renowned expert in artificial intelligence and machine learning. The discussion delves into the evolution of AI, particularly focusing on language processing and the Turing Test. Cristianini talks about his book 'Macina Sapiens,' which explores how AI has rapidly developed to mimic human-like conversational abilities. The conversation touches on the concept of 'transfer learning,' where AI can apply knowledge from one area to another, a feat that was challenging few years back but has seen significant progress. The professor also highlights the transformative impact of models like GPT and the surprising capabilities that have emerged from training on vast amounts of data. The dialogue further contemplates the ethical considerations and potential risks associated with AI, the legislative steps being taken to regulate AI in Europe, and the future of work in the face of increasing automation. Additionally, the transcript briefly touches on the personal habits and strategies that contribute to the success of individuals in highly focused and creative fields like AI research.
Takeaways
- 📚 The book 'Macina Sapiens' discusses the rapid development of machines capable of passing the Turing test, which involves creating a machine that can engage in conversation indistinguishable from a human's.
- 🤖 The concept of 'transfer learning' in machine learning has evolved, allowing algorithms that were once only capable of performing a single task, like spam blocking, to be applied to other tasks such as document translation.
- 📈 The importance of 'modeling' in AI is highlighted, where creating models of the world helps AI predict and adapt to new situations, much like humans use their understanding of the world to respond to novel scenarios.
- 🧠 The 'Transformer' mechanism in AI has been pivotal, allowing machines to predict missing words in a text and, surprisingly, leading to the emergence of abilities like arithmetic operations and question-answering, which were not explicitly programmed.
- 🚀 The development of large-scale language models like GPT has led to machines that can understand and generate human-like text, marking a significant leap in AI capabilities.
- 🌐 The vast amount of data available on the internet and in books has been crucial in training these models, enabling them to learn about the world and make connections between different domains of knowledge.
- ⚖️ Ethical considerations in AI are emphasized, with the speaker having discussed the risks associated with AI in various forums, including the European Parliament.
- 🛡️ The European Union has taken a leading role in regulating AI with specific laws, aiming to prevent misuse and ensure ethical practices in the field.
- 🤖 The impact of AI on the job market is significant, with the potential for automation to replace human jobs, especially those involving repetitive tasks.
- ⏳ The historical perspective on AI development is important, with the field evolving from Alan Turing's initial inquiries into machine intelligence to the current state where machines can engage in conversation.
- 🔍 The 'needle in a haystack' test is used to measure how much context AI systems can process before losing information, showcasing their ability to find specific information within vast datasets.
Q & A
What is the title of the book that Professor Nello Cristianini is presenting?
-The title of the book is 'Macchina Sapiens', which is about the development of machines capable of passing the Turing test and engaging in conversation.
What is the Turing test and why is it significant?
-The Turing test is a measure of a machine's ability to exhibit intelligent behavior that is indistinguishable from that of a human. It is significant because it is a benchmark in the field of artificial intelligence to assess machine intelligence and its ability to replicate human-like conversation.
What is 'transfer learning' in the context of machine learning?
-Transfer learning is a technique where a model developed for a particular task is reused as the starting point for a model on a different but related task. It allows algorithms to apply knowledge gained from one problem to solve another, different problem.
How has the development of language models like GPT changed the field of machine learning?
-Language models like GPT have revolutionized the field of machine learning by enabling machines to understand and generate human-like text. They have allowed for the development of algorithms that can perform a variety of language-related tasks, such as translation, summarization, and even conversation.
What is the 'Transformer' mechanism in the context of language models?
-The Transformer is a mathematical mechanism used to predict missing words in a text. It has been instrumental in the development of language models, allowing them to understand context and generate coherent and contextually relevant text.
How do large language models acquire knowledge beyond language processing?
-Large language models acquire knowledge beyond language processing by being trained on vast amounts of data from the web and books. This exposure allows them to spontaneously learn useful and surprising knowledge, such as the ability to answer questions or perform arithmetic operations.
What is the 'Black Box' term referring to in the context of AI learning?
-The 'Black Box' term refers to the aspect of AI where the model learns to perform tasks without a clear understanding of how it does so. It implies that while the model can produce correct outputs, the process by which it arrives at those outputs is not easily explainable or transparent.
What are the potential risks associated with the development and use of AI?
-Potential risks associated with AI include ethical concerns, such as the use of AI in manipulative ways or for surveillance without consent. There are also concerns about AI's impact on employment, as automation may replace certain jobs, and the potential for AI to be used in harmful ways if not regulated properly.
How does the development of hardware contribute to the advancements in AI?
-The development of hardware, particularly powerful processors like GPUs (Graphical Processing Units), has significantly contributed to AI advancements. These processors allow for the rapid computation of complex and large-scale models, which is essential for training and running sophisticated AI systems.
What is the 'Butterfly Effect' in the context of predicting future events?
-The 'Butterfly Effect' is a concept that illustrates how small causes can have large effects in complex systems. In the context of predicting future events, it suggests that because of the infinite and intricate relationships of cause and effect, it is impossible to predict a series of events accurately, especially when dealing with a vast number of variables.
How does the concept of 'autopoiesis' relate to the understanding of intelligence?
-Autopoiesis is a concept from biology that refers to a system's ability to produce and maintain itself. In the context of intelligence, it suggests that all forms of intelligence, including human and artificial, have the purpose of predicting and controlling the world around them for survival. This concept helps to understand the different ways intelligence can manifest and the common goal across different forms of intelligent entities.
Outlines
📚 Introduction to the Book 'Macchina Sapiens'
The speaker, Professor Nello Cristianini, discusses his international reputation in the field of artificial intelligence and machine learning. He talks about his experience at a TEDx event in Como where the idea of creating a video together was born. The book 'Macchina Sapiens' is introduced, which narrates the history of passing the Turing test by creating a machine capable of conversation. The subtitle 'The Algorithm that Stole the Secret of Knowledge' is considered provocative, hinting at the capabilities of modern machines. The speaker shares his insights on the differences in learning between his children and his algorithms, and the concept of transfer learning within machine learning.
🤖 The Evolution of Machine Learning and Language Models
The conversation delves into the evolution of machine learning and the ability of algorithms to transfer knowledge across different tasks, a process known as transfer learning. The speaker discusses the breakthrough in machine learning that occurred 4-5 years ago, which allowed algorithms to learn and adapt across various tasks. The importance of language models such as GPT and its cousins is highlighted, and the concept of modeling language to predict and process text is explored. The speaker also touches upon the idea of emergent abilities in AI, where new skills are discovered unexpectedly during training.
🧠 The Concept of Black Box Learning and AI's Understanding of the World
The discussion continues with the concept of 'Black Box' learning, where AI systems develop abilities that are not fully understood by their creators. The speaker ponders on the trustworthiness of AI systems that operate as 'Black Boxes.' The topic of AI's understanding of the world and its ability to answer questions that require world knowledge is explored. Examples are given to illustrate AI's ability to comprehend causal connections and respond to complex questions. The limitations of AI are also considered, particularly in areas such as long-term planning and foresight.
🌐 The Impact of Scale on AI Capabilities
The speaker emphasizes the importance of scale in AI, explaining that increasing the size of AI models, computational power, and data can lead to a qualitative change in behavior and the emergence of new abilities. The concept of a 'shortcut' in AI is introduced, drawing parallels with the use of statistical methods and big data to make intelligent decisions without fully understanding the underlying mechanisms. The potential for AI to surpass human capabilities in specific areas is acknowledged, while recognizing the inherent limitations of both humans and machines.
🤔 Cognitive Biases and the Human-like Abilities of AI
The conversation explores cognitive biases and how AI can mimic human-like abilities. The speaker discusses the expectations that humans have about the world, such as object persistence, and how these expectations shape our learning and understanding. The potential for AI to discover patterns in the world that humans may not be able to perceive is considered. The limitations of human cognition are contrasted with the different limitations of AI, and the possibility of AI contributing to scientific discovery is discussed.
📉 The Role of Hardware in AI's Progress and the Ethical Considerations
The speaker highlights the significant role of hardware in the advancement of AI, particularly the use of GPUs for processing large AI models. The importance of data, software, and hardware in the development of AI is underscored. Ethical concerns related to AI are also addressed, with the speaker sharing his experiences in discussing these issues at the European Parliament. The need for regulation to prevent misuse of AI, such as manipulating public opinion or unauthorized surveillance, is emphasized.
🔄 The Transformation of Work and Historical Perspective on AI
The impact of AI on the job market is discussed, with the speaker noting that many jobs, especially those involving repetitive tasks or writing, are susceptible to automation. The historical perspective on the development of AI is considered, from the early ideas of Alan Turing to the present day. The Turing Test and its evolution are explored, as well as the cultural impact of AI and the need to view these changes through a historical and cultural lens.
🧐 The Challenge of Understanding AI's Knowledge and the Interdisciplinary Nature of AI Research
The conversation concludes with the challenges of understanding the knowledge and thought processes of AI systems. The speaker discusses the need for psychological testing and direct inspection to gauge AI's understanding and awareness. The interdisciplinary nature of AI research is highlighted, with the speaker noting the commonality of physicists entering the field of AI. The importance of a broad educational background, such as in physics or the classics, is discussed for fostering the ability to think rationally and make connections across disparate ideas.
🚀 The Vision of Alan Turing and the Future of AI
The speaker reflects on the visionary ideas of Alan Turing, who not only laid the groundwork for computer science but also speculated on the future of AI and the potential for machines to learn autonomously. The concept of a critical threshold for AI learning is introduced, drawing an analogy with nuclear reactions. The impact of Turing's work on the development of AI and the ethical considerations of AI in society are discussed, along with the importance of adapting language to accommodate the evolution of AI.
🤓 The Importance of Concentration and Productivity in Research and Writing
The speaker shares personal strategies for maintaining focus and productivity in research and writing. Techniques for entering a state of flow, the benefits of working in isolation, and the challenges of balancing academic responsibilities with the need for concentrated work are discussed. The importance of establishing routines and creating an environment conducive to deep work is emphasized. The speaker also shares insights on maintaining physical and mental well-being during periods of intense concentration, including dietary habits and the avoidance of sugar.
Mindmap
Keywords
💡Artificial Intelligence
💡Machine Learning
💡Turing Test
💡Transfer Learning
💡Language Modeling
💡Generative AI
💡Neural Networks
💡Algorithm
💡Data Processing
💡Hardware and Software
💡Ethical Considerations
Highlights
The book 'Macina Sapiens' discusses the rapid development of machines capable of passing the Turing test by conversing like humans.
The provocative subtitle 'The algorithm that stole the secret of knowledge' suggests a deep exploration into AI's learning capabilities.
The author shares personal anecdotes comparing the learning processes of his children and his algorithms, highlighting the differences in acquisition and transfer of knowledge.
The concept of 'transfer learning' is explored, where algorithms have evolved to utilize learned skills in different contexts, mirroring human learning.
The transformative shift in machine learning, where models like GPT and its cousins have enabled machines to understand and predict language effectively.
The importance of 'modeling' in AI is emphasized, as it helps machines predict and adapt to new situations, a crucial aspect of intelligence.
The discussion of the 'Transformer' mechanism, which revolutionized language processing by predicting missing words in texts, leading to emergent abilities.
Linguistic models trained on vast data can spontaneously acquire useful and surprising knowledge, such as arithmetic operations or question-rounding abilities.
The book presents examples where AI demonstrates understanding of causal connections in the world, not just language processing.
The concept of 'Black Box' learning is introduced, where AI learns to perform tasks without a clear understanding of how it does so, similar to human intuition.
The idea that AI might be capable of performing typically human activities, such as scientific discovery, is explored with intriguing examples.
The impact of AI on the future of work is discussed, with the acknowledgment that many jobs, especially in processing language and writing, are susceptible to automation.
The historical perspective on AI's evolution is provided, from Alan Turing's early questions about machine intelligence to the current state of AI conversational abilities.
The ethical considerations and risks associated with AI are mentioned, including the importance of regulation to prevent misuse and ensure fair treatment.
The importance of understanding the limits of AI is emphasized, contrasting human cognitive limitations with the potential for AI to comprehend different aspects of the world.
The role of hardware advancements in enabling the progress of AI is highlighted, particularly the use of GPUs for processing large models.
The interviewee shares personal strategies for maintaining focus and productivity, such as early morning isolation for deep work and avoiding certain distractions.
The discussion touches on the potential for AI to understand and replicate human cognitive biases, which could provide insights into human psychology.
The interview concludes with a reflection on the importance of continued research and development in AI, considering both its immense potential and the need for ethical guidelines.
Transcripts
nello cristianini professore di
intelligenza artificiale ricercatore di
fama internazionale in tutti gli ambiti
del machine Learning e autore di libri
anche divulgativi di quest'ambito
Innanzitutto grazie di essere qui grazie
a te Noi ci siamo conosciuti qualche
mese fa al tedex di Como perché siamo
stati entrambi entrambi speaker a questo
evento lì abbiamo parlato molto ed è
nata l'idea di fare un video insieme e
sono riuscito oggi a
Intercetta per presentare un libro
Quindi ti chiedo direttamente di di
farci vedere il libro in questione così
iniziamo iniziamo a parlarne Beh il il
Grazie il libro di cui che presenterò in
questi giorni si chiama macina Sapiens
ed è un libro del Mulino è appena uscito
e racconta la storia di come abbiam
fatto in pochissimi anni a
essenzialmente a passare il test di
turing ovvero creare una macchina in
grado di conversare Ecco e leggo il
sottotitolo che è l'algoritmo che ci ha
rubato Il segreto della conoscenza
Quanto è un titolo provocatorio e quanto
è invece realtà Beh diciamo che c'è un
fatto nuovo di cui si parla il fatto
nuovo è che abbiamo delle macchine ora
che comprendono degli aspetti del
mondo verso la fine del libro ci poniamo
questa domanda e che qual è il segreto
della conoscenza Magari riusciamo a
rispondere meglio alla fine così vi
lascio un po' in sospeso va bene e io ho
avuto l'opportunità di leggere il libro
in anticipo non sono riuscito a finirlo
però mi sono segnato Alcuni passaggi e
ne leggo subito uno per farti una
domanda che mi è piaciuto
particolarmente che mi ha fatto anche
ridere ovvero per una parte della mia
vita mi sono trovato a insegnare
simultaneamente cose simili ai miei
figli e ai miei algoritmi e posso
assicurarvi che imparavano in modo molto
diverso quindi la prima domanda è in che
qual è questa diversità e poi più avanti
leggo gli esseri umani sono in grado di
trasferire conoscenze da un ambito
all'altro questo limite adesso con i
nuovi modelli è è stato superato o c'è
ancora quindi l'abilità di è vero è
proprio questa è una cosa io avendo
fatto machine Learning da una vita
guardavo i miei figli anche con
quell'occhio lì questi imparavano
velocissimi e imparavano cose in un
ambito le usavano in un altro Questo si
chiama transfer learning in in nella
ricerca capacità di trasferire le
conoscenze per quasi tutta la mia vita
gli algoritmi non erano capaci potevano
imparare per esempio a bloccare lo spam
email benissimo Poi gli chiedevo di fare
una cosa simile non so fare un riassunto
tradurre un documento non potevano fare
niente tutte le competenze linguistiche
acquisite bloccando lo spam non erano
riciclabili nel campo della traduzione e
viceversa tutto questo è cambiato 4-5
anni fa come e perché è cambiato Ahah
questa è una storia interessantissima
abbiamo imparato Come modellare il
linguaggio Se vuoi ti racconto poi è un
po' noioso Ma cos'è un modello Perché AB
fto dei modelli di linguaggio tutta
questa famiglia de GPT si parla sì di
GPT qui e dei Cugini di GPT Gemini tutte
queste macchine che Conversano con noi
grock e gli altri sono modelli di
linguaggio Poi ne parliamo un pochino
più accuratamente Ma cosa vuol dire
modellare Ecco questo è un esempio
l'intelligenza serve a predire cosa farà
il mondo serve a comportarsi in modo
appropriato ad adattarsi no Sì ma anche
quando abbiamo situazioni nuove perché
se io ripeto la stessa situazione Ogni
volta non ho bisogno di intelligenza
basta memorizzare cosa come comportarmi
e ho memorizzato No se io ho un elenco
di ogni email che va considerato spam
quando vedo quell email lì esattamente
lo blocco non è cosa faccio quando vedo
un messaggio nuovo Cosa faccio quando
vedo una scacchiera in posizione mai
vista cosa faccio di fronte al al nuovo
lì devo ragionarci su e usare
l'intelligenza quindi devo prevedere
come si comporterà il mondo prevedere
una cosa mai vista prima è logicamente
possibile se non c'è un modello e quindi
bisogna fare dei modelli per esempio vi
dico un esempio questo libro qua è
appena uscito non l'ho mai visto l'ho
visto questa mattina per la prima volta
in negozio Eppure Secondo me se lo metto
fuori della torre di Pisa lo faccio
cadere io predico che cadrà
verticalmente verso il basso anche se la
questa cosa non è mai stata fatta prima
quindi io non posso PR Esatto Non si può
sapere che però perché Perché il mio
modello del mondo assume presume che è
la massa del libro non i contenuti del
testo t o che influenzano la
traiettoria uguale per il linguaggio
come processare un testo mai visto Ci
vuole un modello del linguaggio e
arriviamo alla risposta il modello di
linguaggio è importantissimo per
insegnare la macchina processare il
linguaggio da 5 anni abbiam trovato
finalmente una strada che sembrava
assurda sembra ridicola Ma che funziona
benissimo fatto quel passaggio lì che
descriverò se volete la macchina può
imparare competenze facendo un compito
per esempio bloccando lo spam può
trasferirli in un altro compito che
magari è diverso e inizia a comportarsi
come i miei figli e il mio gatto a
trasferire le competenze e questo è un
aiuto enorme e perché dici passaggio che
sembra
ridicolo perché per un per come
impariamo noi può sembrare banale ma in
realtà non lo è Dunque sì per quelle
macchine ogni cosa va detta sempre in
dettaglio e adesso questa cosa è
cambiata No il metodo è questo si chiede
a un un meccanismo che si chiama il
Transformer è un meccanismo matematico
di predire le parole mancanti in un
testo se io prendo un testo Questo qua e
cancello delle parole a caso e chiedo a
qualcuno di ricostruire le parole
mancanti leggendo il contesto in genere
ci riusciamo quasi sempre io posso dare
al mio algoritmo tanti documenti con le
parole cancellate gli chiedo di predire
indovinare quella mancante se leggendo
il resto e se sbaglia gli mostro la
parola giusta e si aggiorna dopo molti
miliardi di documenti intendo quasi
tutto il web e migliaia di libri questo
meccanismo ha imparato a predire le
parole mancanti e a quel punto è
arrivata la sorpresa sapeva fare altre
altre cose che non erano questa E
infatti ti stavo proprio per leggere un
altro passaggio che mi ha colpito e che
mi incuriosisce molto ovvero quando
vengono addestrati su quantità
sufficienti di dati i modelli
linguistici Acquisiscono spontaneamente
conoscenze utili e sconcertanti come
l'abilità di rond a domande o quella di
Eseguire operazioni aritmetiche quindi
per fare un esempio se io do ad un
modello di ai impasto la Divina Commedia
magari lui in un modo molto molto
indiretto impara a fare le equazioni di
secondo grado è questo è il salto è un
esempio Sì le equazioni sono un caso
molto difficile però è vero che leggendo
tutto Wikipedia in ogni lingua e tutto
il web Tutti i giornali tutti i libri
del mondo questa cosa qua non impara
solamente il linguaggio impara a
comprendere un po' il mondo al punto da
collegare insieme fronti diverse e e e
rispondere a domanda completare un
sillogismo lo fa Eh rispondere a domande
nel libro mostro molti esempi di domande
che non si potrebbero rispondere senza
conoscenza del mondo una che gli faccio
nella prima pagina è l'auto ha il
serbatoio vuoto il distributore di
benzina è 1 km di distanza ma ho una
tannica vuota in macchina cosa faccio e
GPT risponde Prendi la tanica cammina al
distributore riempi la tanica porta in
macchine riempi il serbatoio e porta la
macchina poi a completare il pieno
questo non è una conoscenza grammaticale
questo conosce le connessioni causali
del mondo e questo questo processo di
acquisizione di conoscenze anche
indirette quanto è black box e quanto
invece no E magari spieghiamo anche Che
cosa significa Black Black Box imparato
onestamente col gioco che appena
descritto imparando a ricostruire le
parole
mancanti non solo ha imparato questo
sono emerse altre abilità le abilità
emergenti si chiamano che emergono
spontanee mentre si fa un compito
semplice non sono spiegate la teoria che
io oggi non è non è in grado di spiegare
questo fatto quindi noi non sappiamo
come fa effettivamente a fare certe cose
e quindi non è facile fidarsi m alcune
volte sbaria ma è questo il gioco e se
posso se posso finire ehm cos'altro può
emergere da da questa cosa qua non non è
banale ma la cosa importante è che
per la prima volta abbiamo un
meccanismo che poi parleremo di turing
forse che che può conversare conversare
è un fatto più che linguistico è un
fatto di conoscenza del mondo e quindi
siamo sul punto di passare il test di
tuing Ecco e abbiamo detto Black Box
invece Black Swan cioè l'i generativa
può essere considerata un cigno nero
perché sempre nel libro Io ho letto che
in alcuni casi i risultati hanno stupito
addirittura i creatori stessi quindi era
qualcosa di imprevedibile oppure no è
vero che questo meccanismo è stato
creato nell'ambito della traduzione cioè
si intendeva migliorare le macchine che
traducono è stato poi usato l'anno dopo
in questo compito che ho detto di
modellare il linguaggio per cercare di
migliorare il transfer Learning per
aiutare eh a migliorare i meccanismi di
di linguistica chi si aspettava mai che
sta macchina fosse in grado anche di
conversare ragionare e avanti così È una
sorpresa Appena però questi bravi
scienziati di Open ai han visto la
possibilità hanno reagito nel modo
giusto l'hanno fatta una versione 10
volte più grande e L'anno dopo una
versione 10 volte più grande ancora e
hanno esplorato queste nuove capacità
che sono la vera cosa interessante
perché noi non serve In realtà di
tradurre abbiamo risolto la traduzione
ormai ma tutto il resto che sta
emergendo e affascinante e c'è stato un
un fattore in particolare che ha
consentito questo passaggio in più
oppure è stato un insieme di cose o
qualcosa che magari qualcuno ha fatto
che prima non era stata fatto
un'intuizione i credo che sia le
dimensioni la grande scoperta è che
aumentando di molto le dimensioni del
modello del meccanismo dell'hardware del
software dei
dati non
solo si fa tutto un pochino più in
grande cambia la qualità del
comportamento questa è la cosa
importante cambiando le dimensioni
emergono abilità nuove e un altro tuo
libro forse il il più letto è la
scorciatoia e anche qui il titolo mi
incuriosisce Cosa significa la
scorciatoia in quel caso lì Si parlava
di tutto quello che è successo prima di
questo e che comunque è importantissimo
e e che e si mostra come abbiamo
costruito macchine intelligenti
immaginiamo YouTube immaginiamo
l'algoritmo che romanda i video di
YouTube Senza bisogno di comprendere in
modo
umano l'intelligenza
abbiamo usato dei metodi statistici
anche lì grande di quantità di dati e
statistica sono sufficienti a
comprendere che tipo di video andrà bene
per quale tipo di persona o quale libro
e avanti così quindi in quel caso la
scorciatoia era quando abbiamo
rinunciato a usare le teorie e ci siamo
messi a usare i dati la statistica
l'intelligenza artificiale ha iniziato a
funzionare questa volendo Uno potrebbe
dire è una quarta o quinta
scorciatoia e tu sai che gran parte del
del mio lavoro della mia passione è
cercare di superare i miei limiti
mentali quindi mi viene spontanea la
domanda dei limiti se ce ne sono e quali
sono dell'intelligenza artificiale sia
al momento sia in generale quali quali
pensi che possano essere i limiti di
questa Beh ci sono limiti ovvio che sta
cosa qui non è onnipotente e in questo
momento quello che abbiamo fatto
probabilmente non sarà mai illimitato
conosciamo dei
limiti la questione va detta è che se i
limiti della macchina Come si può dire
se la macchina è comunque più forte di
noi anche se è limitata Comunque va
presa sul serio cioè noi siamo e abbiamo
un'intelligenza molto limitata a noi
Provate a leggere il codice a barre o il
codice QR a occhio e capite un limite
cognitivo che voi avete nessuno è
nessuno è capace di ricordarne due tre
in negozio non si fanno i conti dei
prezzi guardando quel codice lì le
macchine lo fanno è un limite della
nostra convizione Ce ne sono tantissimi
non abbiamo la memoria limitata ci sono
degli animali che nascondono il il cibo
nei posti più strani e L'anno dopo
ritornano e lo trovano lì perché sanno
dov'è Noi no Oppure le tartarughe che
riescono a tornare a Dove sono nate anni
dopo sì sono delle cose molto
interessanti e quelle sono quasi forse
imprinting e magari non sarebbero in
grado di cambiare chi lo sa non lo so ma
lo scoiattolo sa benissimo dove ha messo
sono animali la cognizione nostra non è
l'unica e non è la più potente dipende
da ogni campo la macchina avrà i suoi
limiti uno che sappiamo benissimo è che
in questo momento il modo in cui è
costruita eh non è in grado di fare
quella che si chiama pianificazione cioè
guardare la lungimiranza guardare le
conseguenze a lungo termine ancora non è
non è capace Quindi è chiaro che sia l'i
che l'umano abbiano dei limiti così come
è chiaro che l'umano abbia dei limiti
molto ristretti dal punto di vista del
calcolo della memoria della capacità di
elaborare informazioni Quindi questi
sono limiti scontati per così dire ce ne
sono invece altri da un punto di vista
più concettuale quindi nel modo di
pensare in che modo la mente umana è
limitata e invece l'i non lo è cioè ci
sono dei modi in cui l'i può comprendere
delle cose che noi magari non riusciamo
neanche a concepire Sì secondo me questa
è una domanda importante primo diciamo
cos'è l'intelligenza e poi
questo secondo me è ovvio che
l'intelligenza esiste su questo pianeta
da prima di noi e L'intelligenza non non
serve a a fare le po ma serve a
sopravvivere quindi una gallina
attraversa la strada senza essere
colpita dal camion perché ha usato
l'intelligenza per evitare gli ostacoli
e noi vediamo segni di questo qua da
sempre nei fossili il cervello c'è i
sensi ci sono si usano le informazioni
per decidere come
comportarsi un caso unico fra tutti gli
altri casi ha anche prodotto il
linguaggio l'autocoscienza la cultura
siamo noi ma noi siamo un esempio tutte
le altre forme di intelligenza sono
diverse Gli elefanti sono diversi dalle
galline o dalle piove una E tutte hanno
lo stesso scopo predire il mondo e
controllare il mondo sopravvivere una
domanda interessante è le nostre
macchine potrebbero fare delle cose
tipicamente umane ovvero per esempio A
me interessa molto fare scienza cioè un
computer può produrre scienza Ecco
perché al momento Scusa se ti interrompo
non è possibile questo ma sotto
controllo umano fa dei piccoli compiti
ma non è autonomo che produce teorie
scientifiche o niente chiaro anche lì va
capito perché Uno potrebbe dire quello
che fa
Amazon studia milioni e miliardi di
utenti e crea un modello matematico
delle preferenze umane Uno potrebbe dire
è un modello scientifico degli utenti
solo che non è scritto nel nostro
linguaggio no si può andare a discutere
cos'è scienza Ma la cosa interessante è
che noi abbiamo dei limiti che hanno
plasmato il tipo di cose che facciamo
per esempio noi nasciamo con delle
aspettative del mondo ogni Infante si
aspetta che il mondo sia diviso in
oggetti per esempio e gli oggetti
abbiano una posizione e che l'oggetto
persista quindi io non è che posso
mettere una macchinina dietro uno
schermo e ne escono quattro si chiama
proprio persistenza dell'oggetto no che
viene imparata nei primi anni di vita Sì
sì prima il leonato non sa viene
imparata e probabilmente è innata ed è
presente anche nei primati superiori e
negli infanti umani Io credo che noi ci
aspettiamo che il mondo sia fatto di
oggetti che persistono ed è Ecco perché
l'infante reagisce con l'espressione
sorpresa quando il prestigiatore gli gli
fa un trucco l'infante anche la ci sono
i video dove dei dei prestigiatori fanno
delle magie allo zoo alle scimmie in cui
fanno sparire degli oggetti o li
trasformano e loro si stupiscono eh ma è
un segno che abbiamo ed è anche bello
avere quelli che si chiamano dei bias
cognitivi Ci aspettiamo delle cose e
sono È utilissimo perché limita lo
spazio delle cose che che sono possibili
e quindi possiamo apprendere se è tutto
ugualmente probabile e tutto ugualmente
possibile non è facile prendere ma se
nei abbiamo già strutturato che il mondo
è fatto così è più facile prendere e ci
aiuta moltissimo che succede però che
impariamo il tipo di cose che possiamo
rappresentare e quindi vogliamo un mondo
fatto di cause di effetti di oggetti di
persone di cose di di persone con
intenti quindi un un agente animato avrà
degli scopi e delle convinzioni un
oggetto fisico avrà delle cause degli
effetti posizione e va bene nel nostro
mondo in cui viviamo cercate adesso di
capire il mondo quantistico in cui è
tutto fatto di di particelle
piccolissime che non hanno posizione che
non hanno traiettoria esatta che con una
certa probabilità possono sparire qua e
comparire là e che possono seguire due
traiettorie simultaneamente come fa
l'esperimento delle fenditure quello è
un mondo quantistico che il nostro
cervello non può comprendere perché si
aspetta diversamente immaginate un caso
in cui
predire qualcosa di di grosso di
geopolitico richiede cause ed effetti
con 10.000 parti in movimento Quale
mente umana può tenere in mente 10.000
parti in movimento faremo una teoria
approssimata che usa quattro parti
movimento quelle che possiamo tenere in
mente ogni cosa che facciamo noi può
tenere in mente un piccolo numero di di
variabili le nostre macchine
potenzialmente hanno i loro limiti
diversi dai nostri potrebbero scoprire
regolarità del mondo che noi non
possiamo immaginare né riconoscere
potrebbero sfruttarle e potrebbero
essere di aiuto e potrebbero essere in
grado di conoscere cose che noi non
possiamo comprendere e un'abilità del
genere per come l'hai descritta mi fa
pensare a una possibile piccola
previsione del futuro Cioè se uno si
guarda indietro può spiegare il rapporto
di causa effetto in una lunga
successione di eventi uno può dire
questo evento è successo Perché è
successo questo eccetera eccetera la
stessa cosa Non si può fare guardando in
avanti Quindi uno non può predire tutta
una serie di eventi Proprio perché sono
inspiegabili No perché come hai
descritto ci sono un'infinità di
elementi in un in complicatissimi
rapporti di causa effetto quindi uno non
può avere un'idea di quello che sarà se
invece una macchina ha questa capacità
perlomeno in un ambiente controllato
dove le variabili non sono infinite come
sono quelle del come sono quelle del
mondo può avvicinarsi di più a predire
alcuni aspetti del del futuro mi è
venuto in mente adesso mentre mi mi
descriveva
caratteristica Io credo che in certi
casi sì Tutto sta a capirsi cosa non
voglio lasciare l'impressione che stiamo
prevedendo il futuro Sì ma lo scopo per
cui le facciamo ste cose e perché fanno
delle cose che noi non possiamo fare
quindi già già già quello che fa YouTube
tiene presente 1000 segnali diversi
sulla gente e cerca di capire se una
persona in quelle condizioni di
quell'età con quegli interessi che ha
visto quei video vuole vedere
quest'altro video già si inizia a usare
più informazioni di quanti la gente
potrebbe gestire Sì anche questa è anche
l'algoritmo di YouTube è in un certo
senso una previsione del futuro perché
io prevedo che a quell'utente possa
interessare di più questo contenuto
rispetto a quest'altro Beh ma ogni forma
di intelligenza io devo agire nel mondo
in modo sensato in condizioni mai viste
devo prevedere gli effetti e tutto il
gioco dell'intelligenza
l'intelligenza serve a quello è un gioco
della previsione Come no E nella
macchina quanto tutto questo è grazie al
software e quanto Grazie all'hardware
Soprattutto negli ultimi anni con i
modelli di ai generativa quanto il
progresso è stato dato Dal software e
quanto dall'hardware Eh sì ovvio che
ogni invenzione di cui parlo è software
abbiamo inventato dei modelli matematici
nuovi
Però tutto questo non avrebbe funzionato
senza l'hardware degli ultimi 3-4 anni
cioè quello che è successo è che qualche
anno fa abbiamo cominciato a usare
eh quelle quel tipo di processori le gpu
le graphical possessing units sono
quelle che sono nate per i videogiochi
per la Xbox per la PS4
e per per computare in modo più rapido
questi modelli enormi Teniamo presente
adesso che GPT 3 quello precedente
conteneva al suo interno 175 miliardi di
parametri o vuol dire il suo
comportamento dipendeva da 1 miliardi di
numeri immaginate una spreadsheet di
Excel di Excel che ha 175 miliardi e io
penso che sia circa 1 km quad Ecco
immaginate un parcheggio di 1 km dove
ogni Celletta è un numero reale con con
la virgola e tutto sintonizzarti tutti
in modo Esatto provoca il comportamento
appropriato sbagliar vuol dire che la
macchina fa cos cos senza senso questo è
gpt3
eh regolare sta roba qua richiede
tantissimi dati Quindi tutto il web
tutta Wikipedia e poi ci vuole
dell'hardware per computare per
settimana e si usano ormai dei Cluster
di decine di migliaia di gpu Bologna sta
costruendo il più grande Cluster
italiano che ne avrà 15.000 meta la
compagnia che possiede Facebook e
Instagram ne ha annunciato che entro
quest'anno ne avrà 600.000 Questa è la
differenza fra una compagnia privata e
l'intera Italia quindi senza questa
hardware qui avere un modello matematico
non serve a niente e è sia un fatto di
hardware che di software che di dati il
che spiega poi la grande tensione fra
Microsoft e il New York Times perché il
New York Times dice non usate i miei
dati per addestrare le macchine vostre e
poi risorse umane Ecco in questo momento
c'è il cocktail perfetto abbiamo molte
risorse umane ottimo hardware tanti dati
e investimenti possiamo aspettarci che
capiti qualcosa Ecco abbiamo parlato
degli aspetti più positivi invece di
quelli negativi per esempio i rischi
perché so che tu hai anche tenuto un
discorso al Parlamento Europeo proprio
sul tema rischi legati alle eii in
particolare sull'aspetto etico molti
Come mai C'è questo Come mai questo tema
è così caldo Quali possono essere questi
rischi beh quel problema lì è risolto
tutto sommato io nel 2016 o 17 ho fatto
questo discorso cioè su YouTube del
Parlamento Europeo Ma dalla settimana
scorsa
e l'Europa abbiamo una legge L'Europa è
il primo paese al mondo che ha una legge
specifica per regolamentare questo campo
prima dell'America e prima degli altri
Quindi io credo che mentre mi sentivo
molto ansioso molti anni fa i quando è
da sono diversi anni che mi preoccupo di
cosa può andare storto e e ho fatto il
possibile per parlarne per scriverne per
avvisare io in realtà Domo benissimo
perché non è un problema mio è un
problema hanno fatto una legge che la
applichino e quando ti chiedevi cosa può
andare storto Che risposte ti davi Uh
incubi uno può fare cose
se se tutto è è è Come l'esempio è
proprio banale di di etica banale uno
dice mi dicono spesso tutti quanti e il
coltello si può usare per commettere un
delitto ma anche per tagliare la
bistecca non vorrai proibire l'uso dei
coltelli la verità è ovviamente non si
può si fa una legge che il coltello si
può usare legalmente per la bistecca ma
non per commettere un delito Quando c'è
la legge fate pure il coltello Tanto c'è
la legge c'è la polizia fino a poco
tempo fa si potevano fare delle cose
brutte legalmente ad esempio manipolare
le opinioni pubblica adesso è vietato
oppure usare riconoscimento delle
emozioni delle persone in modo per fare
marketing adesso è vietato e varie Foria
analitica No per esempio sì o varie
forme di sorveglianza negli spazi
pubblici con la faccia nelle strade
senza consenso a distanza biometrica
adesso è regolamentato in modo
strettissimo tante cose potevano andare
male ma sono nell'elenco delle cose che
saranno controllatissima Ok speriamo
continui ad essere così e invece
nell'ambito lavorativo perché io anche
ovviamente in questi anni soprattutto
nell'ultimo anno mi sono chiesto credo
lo abbiano fatto tutti dove può portare
tutto questo soprattutto nell'ambito
lavorativo perché pare che un sacco di
lavori possano essere sostituiti
perlomeno in parte dalle ai e in gran
parte è già così tu questo lo Vivi come
un problema se sì In quali settori in
particolare come pensi che questo possa
influenzare il il futuro lavorativo e in
generale umano nel nell'ambito proprio
del il lavoro Sì ma questo è un momento
storico Infatti dopo parliamo anche di
storia perché va preso così è un momento
storico di cambiamento E l'ansia è
giustificata nei momenti storici si
sente ansia un cambiamento È sul lavoro
perché abbiamo fatto una macchina che è
in grado di di processare il linguaggio
di scrivere di parlare anche anche
verbalmente tra poco quindi uno che
lavora in un call center che passa la
vita a rispondere alle stesse 20 domande
allo stesso modo insomma non è che avrà
un lavoro per sempre perché una una cosa
da computer se poi la domanda è
particolarmente nuova e diversa in quel
caso la si passa a un essere umano la
volta dopo quella risposta è memorizzata
dalla macchina sì call center sono un
esempio ma anche giornalisti si sa già
ormai si si è visto che molti casi di
lavori che richiedono scrittura sono
automatizzabili la verità triste è
Brutale è brutta da dire è che
l'automazione ha come scopo sostituire
le persone qui si parla di automatizzare
una serie di lavori che che sono
competenze tipicamente umane Una volta
erano
eh altri
lavori eseguire dei calcoli Insomma
Ricordiamoci che il fatto che abbiamo la
posta elettronica e la
spreadsheet la stampante in casa vuol
dire che una volta c'era della gente che
faceva Questi calcoli c'erano i
contabili c'erano i postini c'è un mondo
che non c'è più c'erano le cabine
telefoniche lentamente il mondo cambia
ora è arrivato a Siamo arrivati a
automatizzare delle cose che
consideriamo vicine al alla nostra
essenza cioè comprendere alcuni aspetti
del mondo sì Poco fa mi hai menzionato
l'aspetto storia mi hai detto che volevi
approfondire questa parte Secondo me è
importante guardare queste cose da con
la distanza della storia aiuta
moltissimo e poi anche non smettere di
meravigliarsi del lato scientifico che è
bellissimo
storicamente questo campo l'intelligenza
artificiale nasce con il fondatore
dell'informatica Alan turing che ha
avuto una vita breve ma di un'influenza
incredibile sul mondo di oggi e anche
sfortunata tragica la sua vita
eh triste
però negli ultimi anni si occupava molto
della domanda se le macchine possono
pensare e diventare intelligenti e lui
pensava di sì
e e da quell articolo fondamentale del
1950 e son passati 74 anni
e lì lui diceva secondo me per essere
semplici è inutile stare a discutere
troppo di filosofia Sei una macchina può
conversare con noi senza essere mai
riconosciuta chiamiamola trattiamola
come Pensante era un tipo pragmatico
Ebbene per anni si è tentato di superare
il test di turing quello si chiama il
gioco di limitazione chiamava lui Noi
chiamiamo il test di turing per anni ci
abbiamo provato e lo scorso anno e tutti
abbiamo conversato con GPT mentre fino a
prima era una cosa
Insuperabile
Ora Ehm una compagnia israeliana lo
scorso anno ha fatto un test online con
milioni di utenti Chiedendogli di
parlare fra di loro e alcuni invece
parlavano con la macchina alcuni fra di
loro e poi gli chiedeva quale di voi
pensa di aver parlato il 40% degli
utenti non riusciva a riconoscere il bot
quando lo incontrava quindi testa
superato se fosse il 50% sarebbe
esattamente come lanciare la moneta c'è
ancora un po' di vantaggio Ma questo era
l'altr anno con gpt3 ora c'è GPT 4 5 6 7
8 siamo all'inizio Tenete presente
questo no com'era l'aeroplano dei
fratelli Right era di Balsa e tela Com'è
adesso l'aeroplano preso questa mattina
Ieri per venire qui il mondo in 100 anni
cambia fra 100 anni il mio lavoro è
pensare cosa farà questa cosa qua fra
100 anni no Certo Ormai è chiaro che ste
macchine potranno conversare come noi e
il momento è storico in questo senso qua
sì e prima prima di iniziare la
registrazione mi stavi facendo un
esempio di un ago in un pagaio io ti ho
fermato perché volevo volevo riprenderlo
sono molte analogie con la nostra
cognizione e differenze e analogie tra i
mille modi per fare i test di questa
macchina sono 1le modi Allora uno è gli
si insegna quel compito che ho detto il
compito è quello di predire le parole
mancanti la macchina acquisisce capacità
linguistiche inizia a rispondere a
domandi anche fattuali per esempio G
chiedo Qual è il fiume più lungo
d'Italia la risposta mi arriva subito e
non è un fatto di grammatica un'altra
domanda che ho nel libro un esempio che
ho fatto le due
frasi nelle scorse elezioni biden ha
battuto Trump e questo lo ha reso felice
la seconda frase biden ha battuto Trump
e questo lo ha reso infelice a chi dei
due si riferisce la parola lo il pronome
a chi si riferisce la frase è identica
ma nel primo caso lo si riferisce a
biden e la seconda caso a Trump perché
possiamo rispondere solamente
comprendendo la politica e la psicologia
umana non la grammatica la macchina
risponde in modo corretto Perché ha
acquisito alcune informazioni che non
sono linguistica Allora abbiamo dei modi
per fare i test quante cose sai quante
cose non sai E quante cose riesci a fare
una cosa interessante è che noi e per
essere proprio pratici diamo alla
macchina un un testo che si chiama il
prompt che è un imbeccata e poi la
macchina Continua la domanda può essere
così questo testo può contenere
all'interno anche molte informazioni e
la chiamiamo questa cosa qua the context
il contesto perché Tenete presente
quando dialogate con la macchina anche
le domande precedenti nella
conversazione vengono rimesse dentro
ogni volta come parte del contesto Ecco
perché la macchina può ricordarsi cose
dette 5 sei battute prima possiamo fare
un dialogo e la macchina può riferirsi
alla cosa detta due tutte fa perché
risponde all domande di adesso tenendo
in mente nel contesto l'intera sessione
quanto grande può essere un contesto e
si studia quanto grande può essere un
contesto ora si parla di un milione di
token un token è una parola un milione
di parole vuol dire che posso dare alla
macchina un libro intero e dire in
questo contesto Cosa intendi per
memorizzazione e dice Ma nel contesto
del libro di picco della Mirandola
questo perché il contesto è enorme bene
allora un test che si fa è l'ago nel
pagliaio io do alla macchina un'intera
quantità di documenti scelti a caso e ci
pianto in mezzo un'informazione in mezzo
e si parla di milioni di pagine di
documenti e in mezzo c'è un dato ricetta
della pizza e il resto è un libro di
informatica no E poi gli chiedo alla
fine al dopo un
po' ci si mette l'origano o no sulla
pizza e lui deve andare a trovare in
questo enorme contesto quella riga che
lì consente di rispondere e si chiama il
test dell'ago nel pagliaio e funziona si
riesce a misurare quanto grande la
macchina può un contesto prima di
riuscire prima di perdere le cose e si
fanno le competizioni fa i vari modelli
interessante la settimana sc corsa
quelli che fanno claud claud è una
compagnia è un prodotto un altro di
questi agenti fatto dalla compagnia
antropic hanno postato su ex su Twitter
un una cosa che gli era appena successa
l'hanno messa hanno chiesto a Claude di
partecipare al test del Lago del pagaio
gli han chiesto proprio la ricetta della
pizza il contesto eran documenti di
informatica che erano lì li avevano lì e
la macchina ha risposto e la pizza ha
bisogno di mozzarella A proposito e
talmente diverso questa informazione
dall resto del contesto che secondo me
mi state facendo un test Wow È assurdo È
incredibile assurdo questo è incredibile
davvero e un altro dettaglio che è
venuto fuori per caso mentre parlavamo
prima di una somiglianza tra gli errori
di ragion gli errori in generale della
mente umana e quelli del della macchina
riguarda i sogni cioè Ehm io io ho
parlato varie volte sul mio canale di
Sogni lucidi e uno dei modi che noi
possiamo usare per capire se siamo in un
sogno o no O se siamo nel nel mondo
reale è quello di guardarci le mani
osservarle e contarci le dita perché se
durante la realtà io mi conto le dita
insomma sono sono 10 sono sempre quelle
se lo faccio in un sogno le dita Magari
sono 11 Magari sono 8 Magari cambiano di
dimensione E io in questo modo lo faccio
durante il sogno mi accorgo di star
sognando e a quel punto posso iniziare
il mio sogno lucido uno degli errori più
comuni che le i generative in ambito di
immagini fa fanno per esempio m giorne
quando devono creare degli esseri umani
è proprio il numero di dita Questa è una
coincidenza oppure è proprio perché il
modo di pensare si avvicina a quell'
umano perché è incredibile Quando prima
è uscito questo dettaglio io sono
rimasto a bocca aperta È assurdo è un
dettaglio estremamente simile Sì ed è ed
è non so spiegarmelo e si parla di ai
generativa Quindi l'ai che può generare
immagini o video O suoni o anche testi
ed è quello di cui parliamo quando
genera immagini Sono meravigliosi lo
faccio ogni giorno Ormai è bellissimo e
sono migliori dell'immagine fotografica
e fa degli errori e gli errori sono
molto interessanti e un errore che fa è
proprio questo sbaglia sempre il numero
delle cose delle dita per esempio e mi
sono ricordato che è quello che l'essere
umano lo fa mentre sogna Sì però non
quando quando disegna in modo cosciente
ed è cosciente la parola grossa perché
il sogno lucido va discusso se è
cosciente o no non si sa però eh
è una coincidenza
o possiamo usare queste macchine come
dei modelli per comprendere qualcosa di
noi Ecco questo Siamo talmente
all'inizio Ricordiamoci siamo all'inizio
di qualcosa non sappiamo Ecco infatti
volevo chiederti la tua opinione su
qualcosa Perché giustamente gli
scienziati non parlano per opinioni
parlano per fatti che si basano su anni
decenni di ricerca invece la tua
personale opinione sul prossimo passo su
quello che sarà il prossimo prosso passo
all prossima sfida più grande nella
ricerca e nello sviluppo delle ai Oh
bella questa Beh intanto possiamo dire
una cosa importante che tornando al
libro per rispondere Il libro è diviso
in tre atti in tre parti e e racconta
questo incontro fra le persone Il primo
è il punto di vista degli scienziati
come hanno fatto sti scienziati in 56
anni da zero a fare sta macchina che
conversa è una serie di eventi è una
storia ma il secondo atto racconta
l'incontro fra le persone e le macchine
Cioè cosa può capitare a una mente umana
perché la mente umana non è non si è
evoluta per parlare con un meccanismo
noi non abbiamo mai incontrato un altro
essere un'altra entità in grado di
dialogare il gatto il cavallo il cane
non possono parlare con noi noi Parliamo
fra di noi adesso parliamo con le
macchine primo caso nella storia mai
successo non siamo come rispondiamo e ho
messo insieme una serie di fatti che ho
trovato No quel poverino in Belgio che
si era innamorato quello storia trag
quel collaudatore di Google che si era
convinto che la macchina fosse
autocosciente
ehm quel povero avvocato americano
accusato dalla macchina di essere un
molestatore che non era vero e avanti
serie di casi che si possono studiare
Questo è il secondo atto Ecco una cosa
che si dovrà sviluppare sarà comprendere
a fondo gli effetti dell'interazione fra
noi e loro e poi il terzo atto è il
punto di vista delle macchine stesse
cosa sanno loro anche lì non si sa a
fondo cosa sappiano e non è facile
comprendere cosa sono sono dei test che
facciamo psicologici del test lago del
pagaio e poi alcuni casi anche di
ispezione diretta l'ispezione diretta è
molto difficile abbiam detto e e posso
un po' raccontare come funziona sta
macchina per capire perché è difficile
ma ovvio che dobbio sviluppare a fondo
noi la capacità di ispezionarlo di
comprendere cosa sanno di noi cosa
pensano del mondo e come rispondiamo noi
con loro quello è ancora aperto eh Anche
perché noi come facciamo a capire se la
loro risposta è un imitazione come
stavamo dicendo prima il il gioco
dell'imitazione oppure è realmente una
reazione Cioè se la macchina ti spiega
un per dire un sentimento che sta avendo
un un parere un'idea e perché ha davvero
quell'idea qu l'emozione o sta imitando
un essere umano per convincere noi che è
in grado di fare quel qualcosa cioè come
come si fa a distinguere se sta solo
imitando oppure è una distinzione molto
filosofica perché pensiamo a un calcolo
atore e gli do di moltiplicare 118 per
27 tu l'avrei già fatto in questo No no
no ma che differenza c'è faa imitare e
farlo veramente quando la macchina
risponde il risultato sempre quello eh
Torin direbbe è uguale cioè la macchina
fa il calcolo che deve fare scrive il
testo risponde alle Dom S dico la
macchina ti do a voce le istruzioni per
la pizza Tu vai di là e fammi la pizza
questa sente tutto il discorso va di là
e torna con la pizza cucinata giusta cos
Come si fa a dire che non ha compreso di
già Ha compreso ma di fatto non ha
capito quello che faceva ha fatto la
pizza Ha tradotto il documento ha
risposto alle domande ha fatto il
riassunto ha
moltiplicato cos'è che manca Ecco manca
la senzienza la l'autocoscienza quella
parte lì che non Cent niente con
l'intelligenza è una cosa che gli umani
hanno non si capisce bene perché
l'abbiamo sono teorie di ogni tipo non è
non sembra necessaria Nel senso che Qual
è il vantaggio di essere autocosciente
se tutti comporti in tutto per tutto no
e ci sono I filosofi che ne discutono
Gli scienziati non hanno molto da dire
perché non è
misurabile Gli scienziati sanno però che
in certi casi con l'anestesia si può
spegnere la coscienza e poi domani ci si
risveglia quindi è ovvio che è un fatto
anche fisico da qualche parte nel
cervello qualcosa succede di chimico ma
non è chiaro cosa sta succedendo
Eh Come si fa a sapere se la macchina
veramente sa quello che sa o si comporta
come se lo sa a parte questo che che ho
detto e si possono dare alla macchina
dei test studiati bene per essere
completamente nuovi sono delle si può
fare la domanda con grande cautela che
non può avere mai visto prima a quel
punto deve essere in grado di usare
quello che sa per risolvere un problema
nuovo e lì è un gioco di direi di
psicometria bellissimo Infatti
L'intreccio dei campi perché mi hai
appena menzionato la psicometria quindi
psicologia l'informatica perché è quello
di cui stiamo parlando filosofia se
vogliamo anche medicina Poco fa hai
menzionato l'anestesia quindi è
estremamente interessante come si possa
vedere che non non non ci siano confini
tra una materia e l'altra soprattutto in
questo campo e infatti ho un un'altra
curiosità perché tu sei laureato in
fisica e ultimamente sto notando che non
è per niente inusuale che un uno
scienziato che faccia ricerca in altri
campi sia laureato in fisica anche
Fernanda per esempio Fernanda pineiro
che era al tedex lei è una biologa comp
Nazionale Però è una fisica e ho altri
esempi che di persone che ho conosciuto
di recente che sono laureate in fisica
ma che fanno ricerca in altri campi la
fisica ha qualcosa di di particolare che
rende Poi spesso gli scienziati dei
bravi scienziati oppure sono Magari
quelle persone che sono molto curiose e
sono attratte da quel campo magari
Entrambe le cose perché è curiosa come
bella domanda Sì sì è simile al mio
punto che ho fatto sui Mancini Sì magari
diciamolo Perché diciamo È vero che in
certi campi io vedo molti Mancini chi lo
sa sì per esempio ecco nella io a delle
gare di memoria mi ricordo i campionati
europei di memoria del 2019 qualcosa
come il 50% dei partecipanti erano
Mancini e così tu prima mi dicevi che in
alcuni ambiti della ricerca No è pieno
di mancini Ah nel mio lavoro io me ne
accorgo perché quando passiamo la vita
alla lavagna noi e Il mancino fa un
disastro sua lavagna perché sporca tutto
S perché sporca tutto e sono tanti i
mancini nella matematica li vedi subito
Comunque il fisici è un'altra cosa
interessante nel fisico perché Uno
potrebbe dire che la verità è che quando
si arriva a livelli estremi in tutti i
campi le differenze
poi di formazione contano contano meno
Quindi a livelli avanzati di scienza un
informatico un matematico un fisico
tutto sommato hanno imparato così tanto
dopo la laurea che quasi quasi non conta
il punto di partenza conta di meno
quindi conta un po' di meno però è vero
che c'è qualcosa nella testa del fisico
che io bonariamente direi è una strana
forma di incoscienza e di arroganza cioè
il primo pensiero che ti viene in mente
è quanto sarà difficile sta cosa se
arriva uno e mi dice Oh hanno appena
inventato GPT 4 c'è da leggere una pila
di 120 articoli tecnici scritti in
linguaggio statistico informatico in
inglese il fisico dice quanto sarà
difficile me li leggo Cioè non ci pensa
nemmeno è è un modo di approcciare le
cose dici me li leggo poi in caso ci
provo lo faccio io lo ripeto lo
programmo è un modo di pensare di nel
mio caso particolare Mi Mi è auto molto
sia la
fisica e devo dire la verità anche il il
mio liceo classico Entrambe le cose Ah
liceo classico hai fatto entrambe le
cose mi hanno aiutato è un modo di di
non di collegare cose distanti e di
pensare in modo razionale Secondo me son
super curioso come mai il classico E
come mai trovi collegamenti anche con
con questo ma intanto perché uno va dal
classico a fisica la risposta è
incoscienza perché non sarebbe da
consigliare a tutti però si può
sopravvivere se uno vuole provare si può
fare
ehm Beh già il fatto di parlare di
linguistica perché oggi abbiamo parlato
ma se è ovvio che Samo parlando di
linguistica la linguistica è è la
traduzione è il concetto di di di di di
di di pensare a un testo in modo così
profondo e tutte cose che io ho amato
molto il liceo classico occuparmi di
problemi adesso e
filosofici culturali alla fine se abbiam
tempo parliamo dell'impatto culturale di
del momento storico vedere le cose in
chiave storica e culturale interpretare
gli avvenimenti con grande distanza
storica si impara lì Ecco mi ricordo al
liceo classico quando si studiava per
esempio con nostri insegnanti di
italiano o di latino dividere la storia
in periodi in cui le idee cambiano
perché cambia piccolo cambiamento
tecnico innesca una serie di reazioni
che dopo anni la cultura è cambiata
vedere il mondo da
lontano collegare avvenimenti su questa
scala Qui si studia con la storia e la
storia è una scienza e la fisica fa cose
diverse Ecco in questo momento siamo in
un momento storico Ecco quindi
probabilmente non è tanto la formazione
che ti ha dato la fisica quanto la
mentalità della persona che si avvicina
alla fisica che è la mentalità di una
persona molto curiosa No beh questo
aiuta e dobbiamo ancora chiudere cerchio
perché ancora non ho una risposta alla
domanda l'algoritmo che ci ha rubato il
segreto della conoscenza Ah chiudiamo il
cerchio perché io non ho fin non ho
fatto in tempo a finire il libro Quindi
non ho questa risposta chiudiamo questo
cerchio sono due cerchi da chiudere
forse questo è uno l'altro l'ho
dimenticato quindi l'altro mi volevi
dire forse del del momento storico mi
dicevi sì e forse un po' collegato lo
colleghiamo Allora è ovvio che Alan
turing inizia questa grande ricerca per
Alan
turing tra l'altro anche lui si occupava
di di fisica matematica come come
formazione e poi inventa l'informatica e
prima di morire si occupa di biologia
Tra l'altro Comunque lui ci diceva che
secondo lui nel tempo il linguaggio
stesso cambierà e il linguaggio cambierà
In modo tale che noi riusciremo a usare
la parola pensare e ragionare
intelligenza in modo diverso per
accomodare anche le macchine e in
effetti è vero che noi la parola volare
non l'abbiamo creata per gli elicotteri
e per le mongolfiere ma per gli uccelli
ma nel tempo abbiamo iniziato a decidere
che anche l'elicottero può volare magari
chissà quanta gente aveva obiettato
all'inizio questo non vuol dire volare
la macchina non vuol dire veramente
pensare dovremmo lentamente Adattare il
linguaggio ma lui si aspettava anche
altre cose che la macchina avrebbe
imparato a conversare mediante
apprendimento automatico e poi ci dava
degli strani avvertimenti e uno era che
potrebbe anche superarci e e faceva una
domanda strana diceva usando un'analogia
strana della fisica diceva in un
reattore nucleare diceva con poca massa
di materiale fissile con poco Urano Non
capita niente se aggiungo altro uranio
si raggiunge una massa critica oltre la
quale inizia la reazione spontanea come
i dati che servono in grande quantità no
E lui diceva E se fosse che le macchine
intelligenti hanno una soglia critica
oltre la quale iniziano imparare da sole
che è quello che e che è quello che oggi
stiamo forse vedendo era strano come
riusciva a pensare in modo diverso da
noi e e farsi a trovare il nocciolo
della domanda turing Ecco a me mi son
chiesto cosa capirebbe cosa direbbe lui
se potesse essere se non si fosse
tristemente suicidato perché poi nel 54
è stato arrestato perché era omosessuale
In quegli anni in quel paese er era
illegale si omosessuale l'hanno
obbligato a questa terapia di ormoni lui
ha perso la testa si è tragicamente
tolto la vita eh E se fosse vivo oggi
Ecco secondo te cosa cosa direbbe di
fronte si stupirebbe che le macchine con
Io penso che si stupirebbe che le
macchine Conversano e che tutti hanno in
tasca un computer disegnato da perché
lui ha disegnato ha disegnato i primi
computer ora io intasco un telefono che
è un computer che è una macchina di
turing Ma si stupirebbe di più che lo
scorso anno a novembre il primo ministro
dell'Inghilterra ha chiamato tutti gli
altri capi di Stato a BL l Park nello
stesso edificio Dove turing ha lavorato
per decodificare il codice tedesco della
Guerra Mondiale
No stesso posto chiaman tutti e si
parlano di Come gestire l'intelligenza
artificiale
sognata da lui in quel posto e
sull'agenda tra i primi punti c'era
questo come fare in modo che anche nel
mondo delle macchine trattiamo in modo
equo e rispettoso tutti le minoranze era
nell'agenda in alto penso che penserebbe
turing che si pongono il problema di non
discriminare nessuno potrebbe essere un
un film a volte la realtà è più
interessante di di un film pazzesco e ho
un ultimo Un'ultima domanda o meglio un
ultimo argomento di cui abbiamo parlato
a Como e che è un argomento chiave del
mio canale che è quello della
concentrazione perché tu in quanto
scienziato di F internazionale autore
devi da una parte lavorare con estrema
concentrazione immersione isolamento
Però dall'altra parte sei un professore
Quindi hai a che fare con gli aspetti
burocratici le lezioni le email di nuovo
in quanto autore avrai tutta una serie
di impegni che non sono la pura
scrittura e la pura ricerca Come dividi
questi due aspetti perché noi ne abbiamo
parlato a Como e ci siamo ritrovati su
molti aspetti di concentrazione di
flusso ed è estremamente interessante
perché per produrre tutta la Conoscenza
scientifica e divulgativa che hai
prodotto serve concentrarsi benissimo
Quali sono le tue abitudini a riguardo
la risposta è abitudine Bravo ho
imparato nel tempo ma nessuno me le mai
insegnate è bene che oggi la gente possa
sentirne parlare da te e e impararle
perché non non ha senso riscoprire tutto
da zero io ho dovuto scoprire da solo
come tanti e e poi oggi
si si può studiare le abitudini sono
importanti eh un'abitudine che ho io e
All'inizio cercavo di di ammaestrare
tutta la gente intorno a me a lasciarmi
in pace a non parlari a non mettermi in
testa dei pensieri Quando entro nel mio
flusso in cui programmo programmava
molto da giovane adesso meno Ora scrivo
ho visto che non è facile convincere
tutti a capire a fondo e non si può
dipendere da questo perché basta uno e
quello che ho imparato è togliermi piedi
e quindi io ho l'abitudine che mi
sveglio molto presto quando la gente
dorme vado in un posto isolato prima di
parlare con qualcuno e e passo alcune
ore da solo a leggere a scrivere a
programmare a calcolare e quelle ore lì
sono preziosissime le difendo ma le
difendo Nel senso che me ne vado nessuno
ha l'opportunità di di di di chiamarmi
Non non rispondo al telefono spengo
tutto sempre passo la vita isolato
quelle ore lì bastano poche ore bastano
4-5 ore sempre e non non cambiare perché
se uno deve Deve dimenticare il resto
del mondo deve fare le stesse cose Ogni
giorno Ecco ti ti capita di o magari ti
capitava di dimenticarti magari delle
ore che passavano di impegni nel momento
in cui entravi in un flusso di ricerca
fin da bambino e adesso ancora oggi io
ho costantemente
il la mia vita è una lunga sequenza di
gente che mi sgrida perché mi sono
dimenticato di di fare qualcosa Ok E
tutt'ora adesso sì Eh beh però è una
bellissima sensazione No quella di
perdere contatto con la realtà e
immergersi nel nel flusso di C leggere
tanti articoli e improvvisamente
collegarli tutti c'è il giorno arriva
sempre il giorno in cui uno lavora
settimane per quel giorno in cui tutto
ha senso il click No Il tutto si clicca
tutto va a posto e uno poi riesce a
ripeterlo in parole chiare e non
siazione incredibile E lì cosa vuoi può
stare un ora 5 ore 6 ore non lo sai
Infatti il ricercatore più famoso di
quest'ambito che è Mihai chck and Mii
che avevo citato anche nel mio nel mio
Ted fa il paragone assolutamente
azzeccato tra questo Stato e la felicità
Perché non quasi non ha non apprezzo un
momento come quello È una sensazione
piacevolissima quella di collegare le
cose comprendere le cose e e vederle
come stanno insieme tutte insieme non è
facile per descriverlo perché è
un'immagine spesso ma si giustifica
tutto tutta la fatica Sì e credo che
l'altro lato del cervello quello sociale
e le interruzioni e lì bisogna non è
facile perché tutti noi dobbiamo
lavorare
eh E c'è gente Nel mio mondo del lavoro
che vive di Task quindi hanno 8 ore al
giorno fanno 16 Task di mezz'ora e hanno
il calendario e li fanno tutti quanti
son pagati e son contenti così io faccio
dei trucchi terribili per esempio posso
dirlo in italiano perché nti in
Inghilterra questo non lo capiscono io
non uso mai il calendario
dell'università Perché se comincia
usarlo vedono dove sei libero vedono e
l'idea è se sei impegnato dalle 4:00
alle alle alle alle alle 6:00 per dire 6
vuol dire che sei libero dopo e prima
quindi quando lo usi stai già
pubblicando i i buchi liberi che loro
possono rubarti se tu non lo usi hanno
non hanno è uno dei tanti trucchi no
però vado in ufficio Sono sempre in
ufficio Io ho un bel cartello sulla
porta di non disturbarmi questi entrano
lo stesso poi sparisco e ho dei posti
che non posso rivelare in cui vado lì e
scrivo e poi ritorno quando ho finito Sì
immersione la la mattina e Task un po'
più burocratiche il il pomeriggio che
anche il il metodo che di cui parla Car
Newport nel libro di Pork e che tra
l'altro è un ricercatore proprio
nell'ambito dell'informatica e ha
scritto uno dei libri più influenti su
questo ambito quindi quello del
dell'immersione per produrre idee
difficili e di valore Ed è proprio
isolarsi la mattina e fare il resto nel
pomeriggio lui stesso è un professore di
di informatica mattina seguire i propri
ritmi il mio ritmo è la mattina uno
sbaglio che facevo e e non dovete fare e
per molti anni mi ero convinto quando
abitavo in America mi ero convinto che
eh servisse lo zucchero e quindi usavo
lo zucchero per aiutarmi a pensare e
anche se al momento sembra una buona
idea È una pessima idea sia la
produttività scende ma anche fa male
alla salute e ho scoperto adesso da
molti anni che riesco a produrre
benissimo senza alcuno zucchero infatti
e io fino a ieri ero in in Francia per
una gara di memoria con i miei allievi
che tra l'altro è andata molto bene e
eravamo tutti insieme nell'appartamento
e a colazione e io ho detto ad alcuni di
loro che avevano abitudini alimentari
magari non perfette non mangiate lo
zucchero adesso a colazione Vi faccio le
uova ho fatto eh tipo 16 uova sode per
tutti mangiamoci proteine grasse Sì
magari un po' di carboidrati ma non
zuccheri perché noi avevamo bisogno per
tutta la giornata di un'energia stabile
Non bastava il piccoli zuccheri che
magari ti dura un'ora o anche meno ma
serviva stabilità e quindi ci siamo
mangiati tutti le uova e e abbiamo vinto
la gara Sì sì quindi e ci vuole tempo
però per abituarsi io ci ho messo del
tempo a a eliminarlo interamente tempo
per i primi tempi ti sembra di non
riuscire poi diventa automatico quindi
ci sono degli sbagli che si fanno ora si
può imparare e ci sono delle abitudini
che sono utili il flusso è un ottimo
modo di di concentrarsi e poi ci sono
dei dei trucchi per esempio usare le
mappe mentali se uno bisogno di fare
mappa mentale
e tutte le cose che si insegnano alla
gente anche se uno per esempio è
dislessico 1000 trucchi che si insegnano
un dislessico Cer gli stessi valgono per
noi perché siamo tutti più o meno lì e
sì è un modo di semplificare il pensiero
di renderlo più fluido Esatto Sì nello
Grazie mille È stata una chiacchierata
piacevolissima e super interessante in
primis per me e consigliamo il libro che
possono trovare su Amazon giusto su
Amazon è in libreria finalmente in
libreria Beh a questo punto ti chiedo
anche di firmarmi il libro
grazie firmo qui Perfetto
Sì lo
mostro Perfetto grazie
Weitere verwandte Videos ansehen
![](https://i.ytimg.com/vi/uvViegywkfY/hq720.jpg)
Barbara Gallavotti | Che cosa pensa l'Intelligenza artificiale
![](https://i.ytimg.com/vi/07B5Q8qLBdo/hq720.jpg)
ChatGPT resta indietro, deepfake irriconoscibili, algoritmi emotivi
![](https://i.ytimg.com/vi/rtQfoUSt1o4/hq720.jpg)
【松尾豊も大注目】生成AIでホワイトカラーの仕事が激変?【ひろゆきも仰天】
![](https://i.ytimg.com/vi/SN2BZswEWUA/hq720.jpg)
Understanding Artificial Intelligence and Its Future | Neil Nie | TEDxDeerfield
![](https://i.ytimg.com/vi/w_Z2DOfFBQg/hq720.jpg)
L'École du futur (28/03/2024) - Apprendre l'anglais grâce à l'intelligence artificielle
![](https://i.ytimg.com/vi/3u8HndJlA0c/hq720.jpg)
Will "Claude Investor" DOMINATE the Future of Investment Research?" - AI Agent Proliferation Begins
5.0 / 5 (0 votes)