Intelligenza Artificiale e Lavoro Creativo – Seconda Parte

Nella prima parte dell’articolo abbiamo definito l’IA, abbiamo parlato dell’hype che la circonda e, per finire, abbiamo visto come gli strumenti gratuiti per la generazione di testi e immagini non solo risultino poco utili a chi lavora professionalmente nel settore creativo, ma pongano anche una serie di difficoltà a livello di diritto d’autore.

IA generativa…

Gli strumenti di IA, quindi, servono solo ai non addetti ai lavori? No, vedremo che in ambiti diversi da quello creativo non è così. Piuttosto, allo stato attuale, gli impieghi dell’IA risultano tanto più limitati e problematici quanto più si pretende di delegarle la creatività stessa. L’IA, come abbiamo già specificato, non va considerata una forma d’intelligenza nel senso più completo del termine, ma, riduttivamente, un’espressione di razionalità che, a livello pratico, si realizza in prevalenza attraverso operazioni automatizzate di tipo statistico. Anche se, ipoteticamente, un’IA intesa nel senso più completo del termine sarebbe possibile e corrisponderebbe a ciò che si definisce “Intelligenza Generale Artificiale”, allo stato attuale, l’IA è quell’espressione di razionalità che si definisce “Intelligenza Ristretta Artificiale” e che, tra le sue varie declinazioni pratiche, ha gli strumenti di IA generativa.

Nel primo capitolo di Critica a ChatGPT, Antonio Santangelo e Alberto Sissa si rifanno ad autori quali Charles W. Morris, Noam Chomsky e Karl Popper per spiegare i limiti dell’IA generativa e di strumenti come ChatGPT. Se ogni lingua si compone di simboli e delle relazioni di questi ultimi con ciò che essi designano (semantica), con le persone che ne fanno uso (pragmatica) e con altri simboli (sintassi), allora le competenze linguistiche degli strumenti di IA generativa si limitano alla dimensione sintattica. Gli strumenti in questione, difatti, mediante la statistica, cercano e individuano gli schemi che si ripetono, gli elementi che con maggiore probabilità precedono o seguono altri elementi (Santangelo, Sissa, Borghi, 2024, pp. 20-22 del saggio in formato ePub, stando al lettore ADE).

Anzitutto, dunque, non comprendono il testo (semantica), né le intenzioni delle – o gli effetti sulle – persone che usano il testo (pragmatica). In secondo luogo, «si basano su una grande mole di dati che, però, non sono tutti i dati che possediamo sulla realtà e, anche se lo fossero, potrebbero non essere quelli giusti»; hanno, cioè, delle informazioni parziali sulla realtà e non hanno la consapevolezza che potrebbe trattarsi di informazioni sbagliate o superate (vedere il riquadro sulle “allucinazioni” degli strumenti di IA). «Infine, la loro natura statistica impedirebbe a questo genere di sistemi di concepire spiegazioni improbabili rispetto ai dati da cui partono», il che costituisce un limite nell’ambito della creatività e delle previsioni scientifiche.

La creatività non si basa sulla probabilità: quest’ultima, semmai, può dare luogo a risultati che sono surrogati, approssimazioni o copie (per quanto non esatte) di opere creative, con tutta la serie di eventuali problemi legati alla sfera dei diritti d’autore a cui abbiamo accennato in precedenza. Quanto alle previsioni scientifiche, solo una parte di esse si basa sulla probabilità (Santangelo e Sissa citano la massima di Popper secondo cui «Non cerchiamo teorie altamente probabili, ma […] teorie solide e altamente improbabili»). Il resto, per quanto possa sembrare strano, richiede un atto d’immaginazione, uno sforzo creativo.

Infatti, come ha scritto Kenneth Waltz circa 40 anni fa, «Una teoria produce frutti proprio perché supera» i limiti insiti negli schemi argomentativi di tipo nomologico-deduttivo e di tipo probabilistico-induttivo; deduzione e induzione, per lui, possono concorrere alla costruzione di una teoria «solo se emerge un’idea creativa» (Waltz, 1987, p. 53). È il genere d’inferenza che Charles S. Peirce ha chiamato abduzione [vedere, per esempio, Thomas A. Sebeok: “‘One, two, three… uberty’ (a mo’ di introduzione)”, in Eco e Sebeok (a cura di), 2000, p. 17] e che può farsi rientrare nel cosiddetto “pensiero laterale”.

Ciò detto, nell’ambito delle professioni creative l’IA generativa può svolgere delle utili funzioni di supporto. ACTA Tramiti, nella prima parte della Dichiarazione sull’IA generativa scritta in collaborazione con AVTE, accenna ad alcune di esse: «la gestione interna di metadati, quella di glossari e database terminologici, il potenziamento delle memorie di traduzione e così via» (ACTA Tramiti in collaborazione con AVTE, 2024].

…e IA non generativa

È soprattutto in ambito tecnologico e in quello scientifico che l’IA si sta rivelando utile. L’estate scorsa, David Wallace-Wells, opinionista del New York Times, dopo aver parlato dei difetti di ChatGPT, Gemini e compagnia, notava come strumenti basati su modelli che impiegano tecniche di apprendimento automatico diverse da quelle impiegate nell’ambito dell’IA generativa, stiano risultando ben più promettenti dal punto di vista del progresso e dell’interesse generali: a quanto sembra, per esempio, «l’apprendimento automatico può contribuire a rendere la fornitura di energia da parte della rete elettrica fino al 40% più efficiente rispetto a oggi […]. Ha già contribuito a ridurre i costi e ad aumentare le prestazioni delle batterie di nuova generazione, e le prestazioni degli impianti fotovoltaici possono migliorare fino al 25% anche dopo che i pannelli solari sono stati fabbricati e installati sul tetto. Inoltre, i modelli previsionali di fusione dei ghiacciai e di degrado delle foreste pluviali sono più precisi, adesso».

Riguardo alle previsioni scientifiche basate sulla probabilità, poi, alla fine del 2020 AlphaFold, un sistema di IA sviluppato da DeepMind (azienda sotto il controllo di Google) e imperniato anch’esso sull’apprendimento automatico, ha dato un contributo fondamentale alla sfida di prevedere il cosiddetto “ripiegamento proteico”, partendo da sequenze lineari di amminoacidi per arrivare alla configurazione tridimensionale di proteine anche molto complesse. La notizia ha fatto il giro del mondo, ma la maggior parte delle persone se n’è accorta a stento, commentava Wallace-Wells. (Nell’ottobre 2024, i risultati ottenuti grazie ad AlphaFold sono valsi a Demis Hassabis e John Jumper, rispettivamente amministratore delegato e ricercatore senior di DeepMind, il premio Nobel per la Chimica.)

La giusta prospettiva

Tanto più sproporzionata, dunque, appare l’enfasi con cui chi sviluppa e finanzia l’IA generativa ne decanta risultati e progressi. Una sproporzione aggravata dalla tendenza dei mass media a buttare nel calderone acriticamente, senza distinzioni di sorta, tutto ciò che può definirsi “IA”. Da questo punto di vista, se – malgrado i limiti entro i quali è possibile usare in modo proprio il termine “intelligenza” – si vuole comunque parlare di IA, parrebbe più sensato parlarne al plurale, giacché l’insieme delle IA comprende sistemi di IA generativa e sistemi di IA non generativa, modelli di apprendimento automatico e modelli statistici di altro tipo, applicazioni in ambito tecnologico, scientifico, militare, socioeconomico, creativo e via dicendo che producono risultati molto eterogenei fra loro.

Che il nostro lavoro sia di tipo creativo o meno, ci sentiamo spesso rivolgere l’invito ad adattarci alle IA prima che sia troppo tardi. È un invito che ricorre su testate italiane e straniere, specie a carattere tecnico: per esempio lo riprendono gli avvocati Francesco D’Amora e Ilaria Uletto su Agenda Digitale, Mark Enzer, membro della Royal Academy of Engineering, su The Engineer e Anthony A. Romeo, chief medical editor di Orthopedics Today e Healio Orthopedics, su Healio. Ci chiediamo, però: «Adattarci a cosa, di preciso, e perché?».

Sia chiaro: intraprendere attività di formazione permanente è essenziale in una realtà come quella odierna, soggetta a continui mutamenti.

D’altro canto, avrebbe poco senso pretendere che chi lavora conoscesse ogni applicazione, modello o sistema di IA utilizzabile nel suo lavoro: sarebbe un’operazione dispendiosa in termini di tempo e di soldi, e non si capisce quali vantaggi porterebbe, visto che, come abbiamo già notato, le IA hanno il problema d’invecchiare in fretta. Non a caso, l’art. 4 del Regolamento UE 2024/1689 stabilisce che, anziché alla singola persona lavoratrice, stia ai soggetti fornitori o utilizzatori di sistemi di IA (imprese, istituzioni, ecc.) garantire un’adeguata alfabetizzazione in materia di IA al loro personale nonché a qualsiasi altra persona che si occupi del funzionamento e dell’utilizzo di quei sistemi per loro conto.

GC per ACTA Tramiti