Intelligenza Artificiale: ha già raggiunto il picco massimo?

L'Intelligenza Artificiale potrebbe aver raggiunto il suo picco massimo, ce lo spiegano una serie di fatti che sembrano dimostrare un rallentamento del progresso delle AI

Abbiamo sempre immaginato l’Intelligenza Artificiale (AI, Artificial Intelligence) come un qualcosa in progressiva crescita e sviluppo che non avrebbe avuto mai una fine. Siamo stati abituati a pensare al processo di auto-evoluzione di questa intelligenza come qualcosa che non si sarebbe mai arrestato e sarebbe arrivato a superare l’intelligenza umana (Artificial General Intelligenze, AGI) fino ad arrivare alla super-intelligenza. E se non fosse così?

Quali sono i reali sviluppi delle AI in questo momento

Il filosofo Nick Bostrom e l’ingegnere capo di Google Ray Kurzweil, sono sempre stati dei sostenitori dell’idea che le AI avrebbero avuto un’evoluzione inarrestabile e con loro due, la maggior parte delle persone. Il filosofo tecnologico Luciano Floridi, al contrario in netta minoranza, ha sempre sostenuto che seppure qualcosa cresca a livello esponenziale, non significa che lo faccia per sempre. Potrebbe aver ragione lui. Si sono già manifestati i primi problemi con la guida autonoma delle auto, poiché sembra che gli algoritmi che possiedono, non siano in grado di calcolare con precisione tutte le variabili che potrebbero esserci ad esempio su una strada, e quindi non possono essere lanciate sul mercato.

Il punto è che le AI non sono in grado di considerare gli imprevisti e a meno di non fare un progresso ulteriore dovuto a un qualcosa che attualmente non siamo in grado di immaginare. È possibile che l’immaginazione sulle AI sia stata un po’ troppo vivida fino ad oggi e che vada un po’ ridimensionata. Esistono naturalmente alcuni esperti molto più ottimisti sull’argomento, i quali sostengono che si stia ancora grattando solo la superficie del potenziale delle AI. Rimane il fatto che perché questo ottimismo abbia un senso, bisogna portare dei risultati concreti in questo campo, come ad esempio un minor consumo di Big Data per questi algoritmi, nonché la capacità di applicare le competenze apprese in un campo, anche in campi nuovi, proprio come l’intelligenza umana.