Come PENSANO le MACCHINE? Spiegato dallo Scienziato Nello Cristianini

Summary

The 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

00:00

📚 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.

05:01

🤖 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.

10:02

🧠 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.

15:03

🌐 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.

20:04

🤔 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.

25:06

📉 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.

30:07

🔄 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.

35:08

🧐 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.

40:08

🚀 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.

45:09

🤓 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.

Keywords

💡Artificial Intelligence

Artificial Intelligence (AI) refers to the simulation of human intelligence in machines that are programmed to think like humans and mimic their actions. In the video, AI is a central theme as the discussion revolves around the advancements in AI, particularly in machine learning and natural language processing, which enable machines to understand and generate human-like responses.

💡Machine Learning

Machine Learning is a subset of AI that involves the development of algorithms that allow computers to learn and improve from experience without being explicitly programmed. The video discusses the evolution of machine learning models, such as GPT (Generative Pre-trained Transformer), which have significantly improved the ability of machines to process and understand language.

💡Turing Test

The Turing Test is a measure of a machine's ability to exhibit intelligent behavior that is indistinguishable from that of a human. Named after the mathematician Alan Turing, the test is mentioned in the video as a historical benchmark for AI. The conversation highlights how modern AI systems, like the one discussed, have begun to pass the Turing Test by engaging in human-like conversations.

💡Transfer Learning

Transfer Learning is a technique in machine learning where a model developed for one task is reused as the starting point for a model on a second task. In the context of the video, the speaker discusses how recent advancements have allowed algorithms that were initially trained for tasks like spam detection to be applied to other linguistic tasks, such as document summarization or translation.

💡Language Modeling

Language Modeling involves teaching machines to understand and generate language in a way that is coherent and similar to human communication. The video emphasizes the importance of language models like GPT in the development of AI systems capable of natural language understanding and generation, which is crucial for tasks such as conversational AI.

💡Generative AI

Generative AI refers to systems that can create new content, such as text, images, or music, that did not exist before. The video touches on the capabilities of generative AI in creating content that is not only linguistically sound but also contextually relevant, showcasing the system's ability to understand and respond to complex prompts.

💡Neural Networks

Neural Networks are a cornerstone of modern AI, inspired by the human brain's structure. They are used to process complex data and make predictions or decisions. Although not explicitly mentioned in the transcript, neural networks are the foundational technology behind the advanced machine learning models discussed in the video.

💡Algorithm

An algorithm is a set of rules or steps that define how to solve a problem or perform a computation. The video script discusses algorithms in the context of AI, particularly how they are used to teach machines to perform tasks such as spam detection and language translation, highlighting the evolution of algorithmic capabilities in AI.

💡Data Processing

Data Processing involves the manipulation and analysis of data. In the video, the discussion about AI systems' ability to process vast amounts of data, such as the entire web and thousands of books, emphasizes the importance of data processing in training and improving the performance of AI models.

💡Hardware and Software

Hardware refers to the physical components of a computer system, while software comprises the programs and applications that run on the hardware. The video highlights the interplay between hardware and software in the advancement of AI, noting that significant progress in AI has been made possible by improvements in both areas.

💡Ethical Considerations

Ethical Considerations pertain to moral principles that guide actions and decisions. The video script briefly touches on the ethical implications of AI, including concerns about data privacy, the potential for misuse, and the need for regulations to ensure the responsible development and use of AI technologies.

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