L'IA generativa diventa sempre più popolare e il termine viene incontrato sempre più di frequente. Ma di cosa si tratta? E come mai questo strumento ha fatto sorgere così tanto interesse?
Nelle ultime settimane, l'IA generativa (abbreviazione per Intelligenza Artificiale Generativa) sembra essere apparsa ovunque in rete: attraverso la popolarità di ChatGPT, la proliferazione di strumenti di text-to-image e come avatar nei nostri feed sui social media. Ma al di là delle applicazioni divertenti per smartphone, ci sono modi in cui l'IA generativa potrebbe essere impiegata che potrebbero cambiare radicalmente il modo in cui le aziende operano, innovano e scalano nel prossimo futuro.
Il professore del Babson College Thomas Davenport e Nitin Mittal, responsabile della crescita dell'intelligenza artificiale negli Stati Uniti presso Deloitte, hanno raccontato a Fast Company un'introduzione all'IA generativa e un estratto del loro libro su questo tema che uscirà a fine gennaio, che offre una panoramica sugli archetipi, le capacità e i principi generali dell'IA generativa. Di seguito il loro intervento.
L'IA generativa si riferisce all'intelligenza artificiale in grado di generare nuovi contenuti, anziché limitarsi ad analizzare o agire sui dati esistenti. I modelli di IA generativa producono testo e immagini: post di blog, codice di programma, poesie e opere d'arte. Il software utilizza complessi modelli di apprendimento automatico per prevedere la parola successiva in base alle sequenze di parole precedenti, o l'immagine successiva in base alle parole che descrivono le immagini precedenti. A breve termine, vedremo l'IA generativa utilizzata per creare contenuti di marketing, generare codice e in applicazioni conversazionali come i chatbot.
Le IA generative possono già fare molto e sono incredibilmente varie. Sono in grado di recepire contenuti come immagini, formati di testo più lunghi, e-mail, contenuti dei social media, registrazioni vocali, codice di programma e dati strutturati. Possono produrre nuovi contenuti, traduzioni, risposte a domande, analisi del sentiment, sintesi e persino video.
Queste macchine universali per i contenuti hanno molte applicazioni potenziali in ambito aziendale e oggi le applicazioni di marketing sono tra gli usi più comuni dell'IA generativa. In futuro, l'IA generativa potrebbe avere un impatto sull'assistenza sanitaria e sulle scienze della vita, ad esempio per fare diagnosi o trovare nuove cure per le malattie.
Non sorprende che molti dei primi utilizzi dell'IA generativa siano stati fatti da grandi aziende tecnologiche o native digitali. Nei prossimi anni vedremo l'IA generativa permeare i settori tradizionali, come quello manifatturiero, sanitario e farmaceutico, ad esempio. Una volta che un modello generativo è stato addestrato, può essere messo a punto per domini di contenuto specifici con una quantità di dati molto inferiore.
Stiamo iniziando a vedere modelli generativi specializzati per contenuti biomedici, documenti legali e testi tradotti, che daranno origine a ulteriori casi d'uso in questi settori e domini. Potrebbero aiutare le organizzazioni a gestire in modo più efficace le loro conoscenze e i loro contenuti, in modo da renderli facilmente accessibili a dipendenti e clienti.
Secondo McKinsey & Company, l'IA generativa e altri modelli di base stanno cambiando il gioco dell'IA, portando la tecnologia assistiva a un nuovo livello, riducendo i tempi di sviluppo delle applicazioni e offrendo potenti funzionalità agli utenti non tecnici.
Consentendo l'automazione di molte attività che in precedenza erano svolte dall'uomo, l'IA generativa ha il potenziale per aumentare l'efficienza e la produttività, ridurre i costi e aprire nuove opportunità di crescita. Per questo motivo, le aziende in grado di sfruttare efficacemente questa tecnologia potranno ottenere un significativo vantaggio competitivo.
Sebbene i software non siano ancora perfetti, basta davvero poco per rendersi conto della potenza dell'IA generativa. E sono in milioni a provarci ogni giorno: ad oggi, i server di OpenAI riescono a malapena a tenere il passo con la domanda, tanto da far apparire regolarmente un messaggio che invita gli utenti a tornare più tardi, quando la capacità dei server si sarà liberata.
Prodotti come ChatGPT e GitHub Copilot, così come i modelli di IA sottostanti che alimentano tali sistemi (Stable Diffusion, DALL-E 2, GPT-3, per citarne alcuni), stanno portando la tecnologia in ambiti che un tempo si pensava fossero riservati agli esseri umani. Con l'IA generativa, i computer possono ora mostrare una certa creatività. Possono produrre contenuti originali in risposta alle richieste, attingendo ai dati che hanno ingerito e alle interazioni con gli utenti. Possono sviluppare blog, abbozzare progetti di pacchetti, scrivere codice informatico o persino teorizzare il motivo di un errore di produzione.
La tecnologia sfrutta i suoi input (i dati che ha ingerito e un prompt dell'utente) e le sue esperienze (le interazioni con gli utenti che la aiutano a "imparare" nuove informazioni e a capire cosa è corretto/incorretto) per generare contenuti completamente nuovi. Anche se nel prossimo futuro si discuterà se tutto ciò equivalga davvero a creatività, la maggior parte dei partecipanti concorderà sul fatto che questi strumenti sono in grado di liberare più creatività nel mondo, stimolando gli esseri umani con idee di partenza.
Quest'ultima classe di sistemi di intelligenza artificiale generativa è emersa dai modelli di base, modelli di deep learning su larga scala addestrati su serie di dati ampie e non strutturate (come testo e immagini) che coprono molti argomenti. Gli sviluppatori possono adattare i modelli a un'ampia gamma di casi d'uso, con una messa a punto minima per ogni compito.
Ad esempio, GPT-3.5, il modello alla base di ChatGPT, è stato utilizzato anche per tradurre testi e gli scienziati hanno usato una versione precedente di GPT per creare nuove sequenze di proteine. In questo modo, la potenza di queste funzionalità è accessibile a tutti, anche agli sviluppatori che non hanno competenze specialistiche di apprendimento automatico e, in alcuni casi, a persone prive di un background tecnico. L'uso di modelli di fondazione può anche ridurre i tempi di sviluppo di nuove applicazioni di IA a un livello raramente raggiungibile in precedenza.
Come gli esseri umani, l'IA generativa può sbagliare. ChatGPT, per esempio, a volte ha delle "allucinazioni", cioè genera con sicurezza informazioni del tutto inesatte in risposta a una domanda dell'utente e non ha alcun meccanismo incorporato per segnalarlo all'utente o per contestare il risultato. Ad esempio, McKinsey ha osservato casi in cui allo strumento è stato chiesto di creare una breve biografia e ha generato diversi fatti errati relativi alla persona di cui si sono richieste le informazioni, come l'indicazione dell'istituto scolastico sbagliato.
Esistono, inoltre, alcuni potenziali problemi legali ed etici legati all'IA generativa. Uno di questi è la possibilità di creare facilmente "deepfakes", ovvero immagini o video creati dall'IA che sembrano realistici ma sono falsi o fuorvianti. Inoltre, l'IA generativa solleva questioni su cosa sia un contenuto originale e proprietario e potrebbe avere un impatto significativo sulla proprietà dei contenuti.
I filtri non sono ancora abbastanza efficaci per individuare i contenuti inappropriati. Gli utenti di un'applicazione per la generazione di immagini che può creare avatar a partire dalla foto di una persona hanno ricevuto dal sistema opzioni di avatar che li ritraevano nudi, anche se avevano inserito foto appropriate di loro stessi.
I pregiudizi sistemici devono ancora essere affrontati. Questi sistemi attingono a enormi quantità di dati che potrebbero includere pregiudizi indesiderati.
Le norme e i valori aziendali individuali non si riflettono. Le aziende dovranno adattare la tecnologia per incorporare la loro cultura e i loro valori, un esercizio che richiede competenze tecniche e potenza di calcolo superiori a quelle a cui alcune aziende possono avere accesso.
Le questioni relative alla proprietà intellettuale sono oggetto di dibattito. Quando un modello di intelligenza artificiale generativa propone un nuovo progetto di prodotto o un'idea basata su un suggerimento dell'utente, chi può rivendicarne la paternità? Cosa succede se plagia una fonte basata sui suoi dati di addestramento?
Nelle aziende che prendono in considerazione l'IA generativa, i dirigenti vorranno identificare rapidamente le parti della loro attività in cui la tecnologia potrebbe avere l'impatto più immediato e implementare un meccanismo per monitorarla, dato che si prevede una rapida evoluzione. Una mossa senza rimpianti è quella di riunire un team interfunzionale, che comprenda professionisti della scienza dei dati, esperti legali e leader aziendali funzionali, per riflettere su domande di base come queste:
Nel frattempo, è essenziale incoraggiare l'innovazione ponderata all'interno dell'organizzazione, creando barriere di sicurezza e ambienti sandbox per la sperimentazione, molti dei quali sono prontamente disponibili tramite il cloud e altri probabilmente all'orizzonte.
Le innovazioni che l'IA generativa potrebbe innescare per le aziende di ogni dimensione e livello di competenza tecnologica sono davvero entusiasmanti. Tuttavia, i dirigenti dovranno essere consapevoli dei rischi che esistono in questa fase iniziale dello sviluppo della tecnologia.
Articolo tradotto da McKinsey e da FastCompany, liberamente riprodotto
Photo on freepik by macrovector and rawpixel
La pandemia da Covid-19 ha segnato uno spartiacque tra un mondo “prima e dopo” sotto tutti i punti di vista; sociale, culturale, economico. La società post-pandemica è, dunque, una realtà nuova anche e soprattutto per il mondo del lavoro, che vive nuove dinamiche a partire dalla diffusione dell’utilizzo dell’Intelligenza Artificiale all’adozione dello smartworking. Ma come […]
Nella storia dell'umanità, non ci siamo mai sentiti così collegati al resto del mondo e allo stesso tempo così distanti gli uni dagli altri. In più, la nuova economia dell'attenzione e la cultura del 24/7 stanno letteralmente distruggendo i nostri ritmi di lavoro e di riposo. Perché l'attenzione è un'abilità? La tecnologia ha rivoluzionato ogni […]
Il benessere delle persone all'interno dell'ambiente lavorativo è un tema sempre più importante per le organizzazioni che desiderano creare un ambiente di lavoro sano, inclusivo e produttivo. Uno dei fattori che può influenzare negativamente il benessere delle persone è la sensazione di solitudine professionale. Quando le persone si sentono sole sul lavoro, possono manifestare sintomi […]
I datori di lavoro hanno investito risorse senza precedenti sulla salute mentale e sul benessere dei propri collaboratori. Con il burnout ai massimi storici, i leader si chiedono se possono fare la differenza. Questa ricerca di McKinsey suggerisce che possono farlo. Anche a causa dei cambiamenti nel mondo del business indotti dalla pandemia di Covid-19, […]