Per raggiungere il primo milione di utenti erano bastati solo 5 giorni, per arrivare a quota 100 sono serviti circa 2 mesi: sono i numeri incredibili di ChatGPT, la chatbot di OpenAI che, secondo quanto scritto da Business Insider, potrebbe essere l’app consumer “con la crescita più veloce di tutti i tempi”.

La diffusione così veloce e massiccia di ChatGPT, tra le altre cose, ha monopolizzato il dibattito all’interno del mondo tech, e non solo. Basta dare un’occhiata ai trend di Google, che raccontano che mai, negli ultimi 5 anni, le persone avevano cercato così tante informazioni sulle IA. Numeri confermati anche su TikTok, dove l’hashtag dedicato è arrivato a quota 78 milioni di visualizzazioni.

In effetti, e proprio a partire da ChatGPT, l’intelligenza artificiale sembra uscita dai confini del mondo della tecnologia per entrare definitivamente nel dibattito pubblico, tra l’impatto sulla scuola e i timori per l’automatizzazione dei posti di lavoro.

Per parlarne in maniera efficace, tuttavia, è necessario conoscere i concetti fondamentali. Per questa ragione, ci siamo fatti aiutare da DataPizza, una community di appassionati e professionisti da oltre 100mila follower sui social network, nata a marzo 2021 proprio per dedicarsi alla divulgazione sui temi dell’IA e della data science.

Insieme ai due fondatori, i 24enni Alessandro Risaro e Pierpaolo D’Odorico, abbiamo provato insieme a disegnare un glossario minimo di questa nuova ondata di tecnologia.

Il caso

Le IA generative violano il copyright? I 2 motivi per cui Getty fa causa a Stable Diffusion

di Emanuele Capone 16 Gennaio 2023

Intelligenza artificiale

Partiamo dalle basi e quindi da un’espressione di cui ormai sentiamo parlare ogni giorno: “Il termine si riferisce a quella branca della scienza che studia come le macchine possano imitare l'intelligenza umana per eseguire determinati compiti – ci hanno spiegato Risaro e D’Odorico - È una formula ombrello, che contiene all’interno i concetti di machine learning e di deep learning. Il primo è un sottoinsieme dell'IA, e a sua volta il deep learning è un sottoinsieme del machine learning”.

In altre parole, usare i 3 termini come sinonimi non è del tutto corretto: “Tutte le tecnologie che sentiamo spesso nominare, come appunto ChatGPT, fanno parte del sottoinsieme del machine learning - è la precisazione dei fondatori di DataPizza - Tuttavia, esistono altre tipologie di IA, come quella simbolica, che si distinguono da questo paradigma”.

Machine learning

Alla base della nuova ondata di IA c’è quindi il machine learning: “Si tratta di quell’insieme di modelli e algoritmi che utilizzano l’esperienza umana sotto forma di dati, e l’energia mentale sfruttata nel processo di apprendimento sotto forma di potere computazionale”.

Si tratta di quei sistemi in grado di imparare a trovare autonomamente una soluzione, a partire da una grossa mole di dati: “Il machine learning sfrutta un paradigma molto diverso rispetto a quello della programmazione tradizionale, parte da tanti input con associati i rispettivi output (esempio l'immagine di un gatto con associata un'etichetta che dica che in quell'immagine c'è un gatto, ndr) e apprende dai dati l'algoritmo che mappa la relazione tra input e output”.

Deep learning

Tra le tecniche di machine learning, il deep learning è quella utilizzata per tutti i più conosciuti algoritmi di generazione di testo o immagini: “Si tratta di un campo di ricerca che sfrutta modelli chiamati reti neurali, che cercano di simulare il comportamento del cervello umano - ci hanno confermato Risaro e D’Odorico - Proprio a partire da queste reti neurali si sviluppano campi dell’intelligenza artificiale che cercano di simulare il comportamento dell’uomo, come la computer vision, che ha l’obiettivo di replicare il sistema visivo umano (un modello che riesca a distinguere se in un’immagine è rappresentato un gatto o un cane, ndr)”.

Intelligenza artificiale generativa

L’intelligenza artificiale non è propriamente qualcosa di nuovo: ciascuno di noi la usa quotidianamente da anni, a partire dai sistemi di raccomandazione delle piattaforme Web. La nuova ondata, tuttavia, riguarda la cosiddetta IA generativa, che “si concentra sulla creazione di contenuti artificiali, come immagini, suoni, video, testo o persino codice”. Tutto parte sempre dai dati: “Questi modelli sono addestrati su grandi quantità di input e utilizzano queste informazioni per generare nuovi dati che sembrano realistici e coerenti. Alcuni esempi di IA generativa sono GPT-3 per la creazione di testo e Stable Diffusion o Dall-E 2 per la generazione di immagini”.

Large Language Model

All’interno del mondo dell’IA generativa, gli ultimi due mesi sono stati monopolizzati da ChatGPT, che è un LLM, ovvero un sistema “che riesce a comprendere il linguaggio in un senso matematico, cioè capisce la distribuzione di probabilità di una sequenza di parole: data una sequenza di parole, un LLM riesce a prevedere quale sarà la parola che più probabilmente verrà dopo. La tipologia di parola che verrà predetta dipenderà interamente dalla tipologia di dati che sono stati utilizzati per allenare questo il modello di linguaggio”.

Social

Come funziona Artifact, il TikTok per le news dei creatori di Instagram

di Francesco Marino 04 Febbraio 2023

Data science

Alla base di tutti i sistemi di IA ci sono i dati: “La data science è un campo trasversale a quelli citati in precedenza, che si basa sullo sfruttare queste tecniche per estrarre significato e informazioni dai dati – è la conclusione degli esperti di DataPizza - L’intelligenza artificiale è la punta dell’iceberg di un progetto di data science: in primis bisogna acquisire i dati, ripulirli, aggregarli, capirli e solo dopo si possono implementare gli ultimi modelli di machine learning o deep learning”.