Rosso di sera, bel tempo si spera: come funziona l'Intelligenza Artificiale (parte 1)

Il cinema è meraviglioso, la computer grafica ci permette di girare oggi scene incredibili con un senso di realismo mai visto. Una delle cose che mi piace di più è vedere come sono state girate effettivamente le scene. Si perde un po' di epicità, guardate per esempio la prima lezione di volo del primo film di Harry Potter, con l'attore retto da un braccio meccanico colorato di blu.

Link del video

Se siete interessati al tema, vi consiglio una serie di video Youtube della casa di produzione "Slim Dogs". Ma qui non parliamo di cinema (almeno, non adesso).
L'obiettivo di questo e dei prossimi articoli sarà svelare la presunta "magia" dentro l'Intelligenza Artificiale (AI), nel modo più semplice possibile. In particolare, oggi vediamo come fa l'AI a prendere decisioni.

Il cuore dell'Intelligenza Artificiale è la probabilità. In qualsiasi modello esistente (analisi delle immagini, dei testi, ecc...), si associa sempre una probabilità che qualcosa sia giusto o che sia sbagliato.  Ho accennato il tema nel primo articolo del blog, "Perché l'Intelligenza Artificiale ci ruba il lavoro da 250 anni" nell'esempio dell'irrigatore da giardino intelligente. Provo a fare un altro esempio su una tecnologia che acquista sempre più popolarità, ovvero ChatGPT. Mi perdoneranno i puristi del settore ma proverò a fare un esempio "in soldoni", per capire il nocciolo della questione.

ChatGPT è stato concepito per analizzare il linguaggio e i testi. Il funzionamento di base è il seguente: data una parola, tra tutte le altre possibili e immaginabili sceglie quella che è più probabile che le stia accanto. Prendiamo come parole <<Giulio Cesare...>>, proviamo a formulare una frase. Supponiamo di avere le seguenti opzioni:

• <<Giulio Cesare + fu>>;
• <<Giulio Cesare + telefono>>;
• <<Giulio Cesare + riformò>>;
• <<Giulio Cesare + termosifone>>

Qual è la parola che più probabilmente può stare dopo <<Giulio Cesare>>? Analizzando le opzioni, quelle con una probabilità più alta sono <<fu>> e <<riformò>>, difficilmente <<telefono>> e <<termosifone>>. 

Ricostruzione 3D del volto di Giulio Cesare, al vostro servizio per i peggiori incubi (fonte Focus)

Per una persona è facile fare questo compito; come viene fatto invece con l'Intelligenza Artificiale? A partire dai dati! Immaginiamo infatti che io utilizzi queste frasi per allenare il sistema:

1. <<Giulio Cesare fu uno dei più grandi condottieri romani>>;
2. <<Giulio Cesare attraversò il Rubicone nel 49 a.C.>>;
3. <<Giulio Cesare conquistò la Gallia con straordinaria abilità militare>>;
4. <<Giulio Cesare instaurò un regime di dittatura a Roma>>;
5. <<Giulio Cesare fu assassinato alle Idi di marzo del 44 a.C.>>;
6. <<Giulio Cesare ebbe una relazione con Cleopatra>>;
7. <<Giulio Cesare scrisse il "De Bello Gallico">>;
8. <<Giulio Cesare riformò il calendario, introducendo l'anno bisestile>>;
9. <<Giulio Cesare fu parte del primo triumvirato insieme a Pompeo e Crasso>>;
10. <<Giulio Cesare inspirò molte altre figure politiche successive>>;

In queste frasi <<fu>> compare 3 volte, <<riformò>> una volta e così altre parole. Riprendendo il nostro quesito, supponendo di avere a disposizione solo quelle 10 frasi, associo queste probabilità:

• <<Giulio Cesare fu>> → 3 su 10, dunque 30% di probabilità, perché <<Giulio Cesare fu>> compare 3 volte nei dati iniziali;
• <<Giulio Cesare telefono>> → 0 su 10, dunque 0% di probabilità, perché <<Giulio Cesare telefono>> non compare mai nei dati iniziali;
• <<Giulio Cesare riformò>> → 1 su 10, dunque 10% di probabilità, perché <<Giulio Cesare riformò>> compare una volta nei dati iniziali;
• <<Giulio Cesare termosifone>> → 0 su 10, dunque 0% di probabilità, perché <<Giulio Cesare termosifone>> non compare mai;

La parola più probabile accanto <<Giulio Cesare>> è dunque <<fu>>, con la probabilità più alta del 30%.

Se vi chiedo dunque di completare la frase <<Rosso di sera...>>, molti di voi risponderanno con <<...bel tempo si spera>>, perché hanno sentito tante volte la frase intera <<Rosso di sera, bel tempo si spera>>. I modelli linguistici funzionano in soldoni allo stesso modo. Riescono a completare i proverbi basandosi sulla probabilità, ciò che Paolo Bitta della serie "Camerà Café" ha difficoltà a fare.

Paolo avrebbe risposto con "Rosso di sera... rosso di sera"

Anche gli altri modelli di Intelligenza Artificiale funzionano così. Vi faccio altri esempi:

• Quando ci arriva una mail, in base al contenuto, ai link presenti e al mittente, i filtri anti-spam riconoscono se probabilmente è qualche truffa o se è una mail reale, associando sempre una probabilità che qualcosa sia giusto o sbagliato.
• Una branca molto interessante è il riconoscimento di immagini, per distinguere in modo automatico vari elementi. Data un'immagine, associo una probabilità che sia un gatto, un cane o un tavolo. Riconosco lesioni tumorali da non, come accade in una sperimentazione all'Università di Padova.
• Data una canzone, associo una probabilità che sia una canzone o l'altra: ecco l'app Shazam.

Il tema chiaramente è vastissimo e le applicazioni infinite. Mi perdonino gli esperti per l'esempio su Giulio Cesare, forse un po' banale, ma il concetto di base è questo. Per approfondire, vi consiglio questo articolo di Medium scritto da uno scienziato dei dati di Microsoft da cui ho tratto molti elementi.

I prossimi articoli continueranno su questa "vivisezione" dell'Intelligenza Artificiale, così da capire sempre meglio la non-magia di questa tecnologia. Oggi ho voluto sottolineare l'aspetto probabilistico, che è fondamentale per comprenderne limiti e potenzialità. Approfondiremo il tema della dipendenza dai dati iniziali, che può generare fenomeni curiosi: nel 2018 tante persone avevano scritto <<Donald Trump idiot>> sul web, a tal punto che Google iniziò ad associare alla parola <<idiot>> il volto di Trump, con guai legali e politici; in maniera simile era accaduto con <<Salvini>> e <<Nutella>>, come abbiamo visto in precedenza in questo blog (articolo Notizie e Social tra Manipolazione e Personalizzazione).