Più efficiente, veloce e sempre meno “umano”. Il futuro del lavoro nell’epoca dell’intelligenza artificiale

Libri Open Society
FacebookFacebook MessengerTwitterLinkedInWhatsAppEmail

Pubblichiamo per gentile concessione dell’Autore un estratto dal libro di Jerry Kaplan   Le persone non servono. Lavoro e ricchezza nell’epoca dell’intelligenza artificiale (LUISS University Press).  

 

Per farla breve, dopo cinquant’anni di sforzi e miliardi spesi nella ricerca, stiamo decifrando il codice dell’intelligenza artificiale. Si è scoperto che è una cosa diversa dall’intelligenza umana, o almeno così sembra. Ma questo non importa. Per usare le parole dell’informatico Edsger Dijkstra: “Chiedersi se le macchine possono pensare è rilevante quanto domandarsi se i sottomarini possono nuotare”. Non è importante se il sito web che trova per te l’anima gemella o il robot che taglia la tua erba lo fanno nello stesso modo in cui lo faresti tu. Il lavoro sarà svolto più velocemente, più accuratamente e ad un prezzo più basso di quanto tu possa mai fare.

Recenti passi avanti nella robotica, nella percezione e nel machine learning, spinti da miglioramenti accelerati nella tecnologia informatica, stanno attivando una nuova generazione di sistemi capaci di rivaleggiare con le capacità umane, se non di superarle. È probabile che questi sviluppi diano inizio a una nuova era di prosperità e di comodità senza precedenti, ma la transizione potrebbe essere prolungata e brutale. Senza aggiustamenti nel nostro sistema economico e senza una politica normativa, potremmo trovarci in un lungo periodo di disordini sociali.I segnali d’allarme sono ovunque. Le due grandi piaghe del mondo moderno sviluppato, la costante disoccupazione e l’ineguaglianza salariale in aumento, affliggono la nostra società nonostante la nostra economia continui a crescere. Se resteranno senza controllo, potremmo assistere allo spettacolo del benessere crescente sullo sfondo di una povertà in espansione.

Il lavoro sull’intelligenza artificiale sta avanzando su due fronti. Nuovi sistemi di prima classe, molti dei quali già pronti, apprendono dall’esperienza. Ma, al contrario degli umani che sono limitati nel raggio e nella portata delle esperienze che possono assimilare, questi sistemi possono vagliare montagne di esempi formativi con rapidità fulminea. Sono in grado di comprendere non solo le informazioni visuali, uditive o scritte a noi familiari, ma anche le forme più anomale di dati che fluiscono attraverso computer e reti. Immaginate quanto sareste intelligenti se poteste vedere attraverso migliaia di occhi, ascoltare suoni distanti e leggere ogni parola appena viene pubblicata. Ora, rallentate il mondo a un ritmo in cui potete campionare e analizzare tutto al vostro ritmo e avrete un’idea di come questi sistemi fanno esperienza del proprio ambiente.

Mentre noi ammassiamo dati da una gamma in espansione di sensori che monitorano aspetti del mondo fisico -qualità dell’aria, flusso del traffico, altezza delle onde oceaniche, cosi come le nostre stesse impronte informatiche come l’acquisto di biglietti, le ricerche online, i blog e le transazioni bancarie- questi sistemi possono scoprire schemi e comprendere informazioni inaccessibili alla mente umana. Si potrebbe dire che possiedono un’intelligenza superumana, ma sarebbe fuorviante, perlomeno per il prossimo futuro, perché queste macchine non sono consapevoli e coscienti di se stesse e non mostrano nessun indizio di aspirazioni d’indipendenza o desideri personali. In altre parole, non hanno menti, come noi comunemente intendiamo. Sono incredibilmente abili in compiti specifici, ma non capiamo fino in fondo come fanno a fare quello che fanno. Nella maggior parte dei casi perché letteralmente non c’è una spiegazione che possa essere compresa da creature semplici come noi.

Quest’area di ricerca non ha un nome universalmente condiviso. A seconda del punto di vista e dell’approccio, i ricercatori la chiamano machine learning, reti neurali, big data, sistemi cognitivi o algoritmi genetici, tra gli altri. Io semplicemente descriverò in generale il prodotto dei loro sforzi come intelletti sintetici. Gli intelletti sintetici non sono programmati nel senso convenzionale del termine. Si assemblano a partire da un armamentario sempre più vasto di arnesi e attrezzi, fissando un obiettivo, provvedendo un insieme di esempi, e si lasciano andare. Il creatore non può prevedere né controllare che fine faranno. Gli intelletti sintetici presto sapranno più cose di te di quante non ne sappia tua madre, saranno capaci di prevedere il tuo comportamento meglio di quanto possa fare tu e ti avvertiranno di pericoli che tu neanche percepisci. Descriverò dettagliatamente il modo in cui lavorano gli intelletti sintetici e perché trascendono la percezione comune di cosa può fare un computer.

La seconda classe di nuovi sistemi nasce dal matrimonio tra sensori e attuatori. Possono vedere, ascoltare, sentire e interagire con il loro ambiente circostante. Quando sono raggruppati, questi sistemi sono riconoscibili come robot, ma unirli in un singolo sistema fisico non è essenziale. In effetti, nella maggior parte dei casi non è neanche conveniente. I sensori possono essere sparsi ovunque nell’ambiente, in cima ai lampioni o negli smartphone della gente, e l’insieme di ciò che osservano può essere raccolto e stipato in lontani magazzini di server, che poi usano queste informazioni per formulare un piano. Il piano può essere eseguito direttamente, controllando strumenti in remoto, o indirettamente, per esempio, persuadendoti a compiere determinate azioni desiderate. Spesso, i risultati di queste azioni sono immediatamente percepiti, determinando una continua revisione del piano, esattamente come fai tu quando muovi la mano per raccogliere un oggetto.

Fai parte di un sistema del genere quando segui le indicazioni del navigatore mentre sei alla guida. Il programma monitora la tua posizione e la tua velocità (solitamente tramite GPS) e ti dirige, spesso unendo le tue informazioni a quelle degli altri guidatori per rilevare le condizioni del traffico che usa per condurti (e condurre gli altri) più efficacemente. Forse, anche il più straordinario di questi sistemi apparirà ingannevolmente semplice, in quanto svolge compiti fisici che sembrano di routine. Sono privi di buonsenso e di intelligenza generica, ma allo stesso tempo possono portare a termine instancabilmente una sbalorditiva gamma di incombenze in ambienti caotici e dinamici.

Ad oggi, l’automazione ha perlopiù significato macchinari specializzati, relegati a svolgere singoli compiti ripetitivi nelle catene di montaggio, in ambienti progettati attorno a loro.  Al contrario, i nuovi sistemi saranno all’esterno, in giro, ad occuparsi dei campi, dipingere case, pulire marciapiedi, lavare e piegare la biancheria. Potrebbero lavorare assieme ad operai umani per posare tubi, mietere il raccolto e costruire case, o potranno essere dispiegati autonomamente in posti pericolosi o inaccessibili per contrastare incendi, ispezionare ponti, minare il fondale marino e combattere guerre (che potremmo definire operai artificiali). Chiaramente, questi due tipi di sistemi, intelletti sintetici e operai artificiali, possono lavorare insieme per svolgere compiti fisici che richiedano un alto livello di conoscenza e competenza, come riparare auto, eseguire interventi chirurgici e cucinare pasti da gourmet.

In linea di principio, tutti questi sviluppi non solo ti libereranno da lavori noiosi e faticosi, ma ti renderanno più efficiente ed efficace, se sei abbastanza fortunato da poterteli permettere. Agenti elettronici fatti su misura per te potrebbero promuovere i tuoi interessi personali, rappresentarti durante delle negoziazioni e insegnarti a fare i calcoli; ma non tutti i sistemi di questo tipo lavoreranno in tua vece. Gli umani vanno matti per i risultati immediati.

Le persone non servono. Lavoro e ricchezza nell'epoca dell'intelligenza artificiale

L’autore

Jerry Kaplan

Scienziato, imprenditore e innovatore seriale, è tra i pionieri della Silicon Valley. È Fellow del Center for Legal Informatics alla Stanford University e professore presso il dipartimento di Computer Science della stessa università.


Website