Ciao, e benvenuto nella seconda puntata della ventunesima stagione. Nella scorsa puntata ho anticipato che il segreto dell'intelligenza artificiale moderna sta in un cambiamento profondo di strategia. Oggi raccontiamo proprio questo cambiamento, il più importante di tutta la storia dell'intelligenza artificiale, quello che ha trasformato un sogno faticoso in una realtà potente. È il passaggio dal programmare regole al far imparare la macchina dagli esempi. Oggi capiamo questa svolta e perché ha cambiato tutto.
Partiamo dal modo tradizionale di far fare le cose a un computer, che conosciamo dalle stagioni precedenti. Normalmente, per far svolgere un compito a una macchina, un programmatore scrive delle regole precise: istruzioni passo passo che dicono alla macchina esattamente cosa fare in ogni situazione. Se succede questo, fai quello; se il valore è tale, comportati così. È l'approccio della programmazione classica: l'intelligenza sta tutta nelle regole scritte a mano dall'essere umano, e la macchina si limita a eseguirle diligentemente. Per moltissimi compiti, questo funziona benissimo, ed è il modo in cui è fatto gran parte del software.
Ma per certi compiti, questo approccio delle regole scritte a mano si scontra contro un muro invalicabile, e voglio farti sentire quanto sia insormontabile. Prendiamo un compito che per noi è banale: riconoscere un gatto in una fotografia. Prova a scrivere le regole precise per farlo. Come definisci un gatto in termini di puntini colorati in un'immagine? Diresti ha le orecchie a punta, ma ci sono gatti visti di dietro, gatti accucciati, gatti al buio, gatti di mille forme, colori e pose. Ogni regola che scrivi trova mille eccezioni. È semplicemente impossibile catturare, in un insieme di regole esplicite, tutta l'infinita varietà di come può apparire un gatto. Il compito ci sfugge tra le dita.
Ed ecco il cambiamento geniale, la svolta che ha reso possibile l'intelligenza artificiale moderna: e se, invece di scrivere le regole, mostrassimo alla macchina tantissimi esempi, e la lasciassimo scoprire le regole da sola? Invece di provare a definire cos'è un gatto, le diamo migliaia e migliaia di fotografie, ciascuna etichettata come questo è un gatto oppure questo non è un gatto. E la macchina, esaminando tutti questi esempi, trova da sola i modelli ricorrenti che distinguono i gatti da tutto il resto. Non le diciamo noi le regole: le impara lei, dagli esempi. Questo è il cuore di ciò che si chiama apprendimento automatico, o imparare dai dati.
Voglio che tu colga la profondità di questo ribaltamento, perché è davvero un capovolgimento del rapporto tra uomo e macchina. Nella programmazione classica, l'essere umano fornisce l'intelligenza, sotto forma di regole, e la macchina fornisce solo l'esecuzione. Nell'apprendimento dagli esempi, l'essere umano fornisce gli esempi, i dati, e la macchina fornisce l'intelligenza, cioè scopre da sola i modelli. Il lavoro di trovare le regole passa dall'uomo alla macchina. Noi non spieghiamo più come fare: mostriamo tanti casi di cosa vogliamo, e lasciamo che la macchina capisca da sola il come. È un modo completamente diverso di costruire sistemi capaci.
Voglio farti apprezzare perché questo approccio funzioni proprio là dove le regole falliscono, perché è illuminante. I compiti in cui le regole falliscono sono quelli troppo complessi, sfumati, pieni di eccezioni per essere descritti a parole: riconoscere immagini, capire il linguaggio, distinguere suoni. Sono compiti che noi umani facciamo benissimo, ma senza saper spiegare come li facciamo, per intuito, per esperienza. Ecco: l'apprendimento dagli esempi cattura proprio questo, l'esperienza invece della spiegazione. Come un bambino impara a riconoscere i gatti non perché gli spieghi le regole, ma perché ne vede tanti, così la macchina impara dagli esempi ciò che non si potrebbe mai mettere in regole. Impara per esperienza, non per istruzione.
Questo cambiamento ha una conseguenza importante che voglio evidenziare, e che ci accompagnerà: se la macchina impara dagli esempi, allora gli esempi, i dati, diventano l'ingrediente più prezioso di tutti. Nella programmazione classica, il valore stava nelle regole scritte dai bravi programmatori. Qui, il valore sta nei dati: tanti esempi, buoni e vari, sono ciò che permette alla macchina di imparare bene. Chi ha molti dati di qualità può costruire sistemi che imparano bene; chi ne ha pochi o cattivi, no. I dati diventano il carburante dell'intelligenza artificiale, e questo, come vedremo, ha conseguenze profonde su tutto, dai poteri ai limiti di questi sistemi.
Per oggi ci fermiamo qui. Il cambiamento più importante nella storia dell'intelligenza artificiale è il passaggio dal programmare regole al far imparare la macchina dagli esempi. Per certi compiti, come riconoscere un gatto in una foto, scrivere regole esplicite è impossibile, perché la varietà del mondo sfugge a ogni regola. La svolta è stata mostrare alla macchina tantissimi esempi etichettati e lasciare che scopra da sola i modelli ricorrenti: è l'apprendimento automatico. Un ribaltamento in cui l'uomo fornisce gli esempi e la macchina scopre le regole, imparando per esperienza invece che per istruzione, e in cui i dati diventano il carburante prezioso. Nella prossima puntata vediamo più da vicino come avviene questo imparare dai dati. Nelle note trovi qualche spunto. Se ti è utile, condividila. Grazie per l'ascolto, e ci sentiamo alla prossima.