GPT-3 eguaglia l’intelligenza umana
FAVOREVOLE O CONTRARIO?
Il settore dell’Intelligenza Artificiale si propone di indagare il funzionamento dell’intelligenza e di costruire dei modelli di razionalità, siano essi “imitativi” dell’uomo o solo ispirati da questo. Dal 1956, anno di nascita dell’AI, ai giorni nostri, le innovazioni e le nuove conoscenze sono aumentate esponenzialmente, affollandosi in particolar modo dal 2005 in poi. La conquista più alta tra quelle recenti, limitatamente al settore della generazione di linguaggio naturale (NGL, Natural Language Generation) è indubbiamente il Generative Pre-Trained Transformer 3 (GPT-3) dell’azienda no-profit californiana OpenAI. Si tratta di un modello linguistico autoregressivo che, con la sua rete neurale definita da 175 miliardi di parametri e con la tecnica dell’apprendimento profondo, riesce a generare dei testi che assomigliano a quelli umani. La diffusione capillare di questa tecnologia e, in particolare, il suo impiego nella celeberrima chatbot rilasciata da OpenAI nel novembre 2022, ChatGPT, ha riacceso numerosi dibattiti, in particolare tra coloro che sostengono che GPT-3 ci avvicina all’Intelligenza Artificiale Generale (l’intelligenza artificiale complessa e multifunzionale, paragonabile a quella umana) e coloro che lo ritengono un semplice passo avanti nella giusta direzione, altri addirittura una strada sbagliata.
IL DIBATTITO IN 2 MINUTI:
L’Intelligenza Artificiale si propone di indagare il funzionamento dell’intelligenza e di costruire dei modelli di razionalità. La più alta tra le conquiste recenti del settore della generazione di linguaggio naturale è il Generative Pre-Trained Transformer 3, un modello linguistico autoregressivo che riesce a generare dei testi che assomigliano a quelli umani.
L’obiettivo più alto della ricerca AI è l’ottenimento dell’Intelligenza Artificiale Generale (AGI): la capacità della macchina di svolgere compiti che tipicamente richiederebbero l’intelligenza umana. GPT-3 segna un punto di svolta: per David Chalmers GPT-3 mostra degli accenni di intelligenza generale ed è indice dell’esistenza di un “percorso senza mente” verso l’AGI.
Un coro nutrito di esperti cerca di ridimensionare entusiasmi e aspettative: secondo W.D. Heaven, GPT-3 non si avvicina in alcun modo all’intelligenza vera e propria; per Gary Marcus e Yoshua Bengio (in riferimento al deep learning), così come per Shannon Vallor e Roger Penrose (in riferimento alle reti neurali) GPT-3 non arriva all’intelligenza per motivi strutturali.
Noam Chomsky ritiene che GPT-3 non sia un modello linguistico: funziona bene tanto per le “lingue impossibili”, quanto per le lingue naturali. Secondo Carlos Montemayor gli output di GPT-3 assomigliano alla lingua, ma non sono strumento di comunicazione. Per Regina Rini e Annette Zimmermann, GPT-3 è lo specchio dello zeitgeist e dei pattern della nostra società, bias inclusi.
GPT-3 ci avvicina all’Artificial General Intelligence
L’obiettivo più alto della ricerca nell’ambito dell’Intelligenza Artificiale, condiviso dall’azienda OpenAI, è l’ottenimento dell’Intelligenza Artificiale Generale (AGI). Con questo termine s’intende la capacità della macchina di svolgere un ampio ventaglio di compiti che tipicamente richiederebbero l’intelligenza umana. GPT-3 s’inserisce in questo percorso, che si prospetta lungo e tortuoso, segnandone un punto di svolta. Secondo David Chalmers, docente di Filosofia presso la New York University, GPT-3 mostra degli accenni di intelligenza generale ed è indice dell’esistenza di un “percorso senza mente” verso l’AGI; a suo avviso, GPT-3 è intelligente e cosciente, benché la comprensione non rientri nelle sue capacità. Per Henry Shelvin dell’Università di Cambridge, gli effetti antropomorfici del transformer di OpenAI sono affascinanti: GPT-3 e i suoi successori cambieranno il mondo.
Alle poche voci che gridano all’avvento dell’AGI, ossia di dispositivo di intelligenza artificiale in grado di eguagliare la complessità dell’intelligenza umana, si oppone un coro ben più nutrito di esperti (tra cui Sam Altman, co-fondatore di OpenAI, e Amanda Askill, ricercatrice della stessa organizzazione) che cerca di ridimensionare entusiasmi e aspettative. Per W.D. Heaven, GPT-3 non si avvicina in alcun modo all’intelligenza vera e propria. Per Gary Marcus e Yoshua Bengio la tecnica del deep learning da sola non è sufficiente all’ottenimento di una qualche forma di intelligenza. Per Shannon Vallor e Roger Penrose, GPT-3 non potrà arrivare alla “comprensione”: per l’una, perché non si tratta di un’azione isolata, ma di un processo; per l’altro, perché tale processo non è computabile. Inoltre, le reti neurali (come quella di GPT-3, del resto) potrebbero non essere la giusta rappresentazione del sostrato biologico della mente: Roger Penrose suggerisce che questa risieda nei meccanismi quantistici del cervello, non nel connettoma.
GPT-3 non produce linguaggio
In base alle ricerche più recenti, la lingua naturale (che è un particolare tipo di linguaggio, un sistema di segni che correlano un’espressione a un contenuto) sarebbe costituita da tre elementi: parole (componenti basilari); regole (strategie di combinazione di elementi); interfacce (luoghi di connessione lingua-mondo).
Per Noam Chomsky, GPT-3 non è un modello linguistico: poiché funziona bene tanto per le “lingue impossibili”, che hanno una struttura lineare, quanto per le lingue naturali vere e proprie, che hanno una struttura gerarchica e ricorsiva, non costituisce un modello scientifico. Per motivi strutturali, sarebbe il modo stesso in cui GPT-3 opera a renderlo irrelato tanto con il linguaggio, quanto con la cognizione in generale: secondo gli studi fisici e neurolinguistici più recenti, la nostra mente potrebbe non essere direttamente connessa al connettoma, ma avere natura quantistica. Per Carlos Montemayor, gli output di GPT-3 assomigliano alla lingua, ma non sono strumento di comunicazione propriamente detto: ne mancano i presupposti. Per Regina Rini e Annette Zimmermann, GPT-3 non è che uno specchio, dello zeitgeist e dei pattern della nostra società, bias inclusi.