L'era dell'intelligenza artificiale: tutto quello che devi sapere sull'intelligenza artificiale

L’intelligenza artificiale sta apparendo in ogni angolo della vita moderna, dalla musica e dai media agli affari e alla produttività, fino agli appuntamenti. C'è così tanto che può essere difficile tenere il passo, quindi continua a leggere per scoprire tutto, dagli ultimi grandi sviluppi ai termini e alle aziende che devi conoscere per rimanere aggiornato in questo settore in rapida evoluzione.

Per cominciare, assicuriamoci di essere tutti sulla stessa lunghezza d'onda: cos'è l'intelligenza artificiale?

L’intelligenza artificiale, chiamata anche machine learning, è una sorta di sistema software basato su reti neurali, una tecnica che in realtà è stata sperimentata decenni fa ma che recentemente è sbocciata grazie a nuove e potenti risorse informatiche. L’intelligenza artificiale ha consentito un efficace riconoscimento della voce e delle immagini, nonché la capacità di generare immagini e discorsi sintetici. E i ricercatori sono al lavoro per rendere possibile all’intelligenza artificiale di navigare sul web, prenotare biglietti, modificare ricette e altro ancora.

Oh, ma se sei preoccupato per un'ascesa delle macchine di tipo Matrix, non esserlo. Ne parleremo più tardi!

La nostra guida all'intelligenza artificiale è composta da tre parti principali, ognuna delle quali aggiorniamo regolarmente e può essere letta in qualsiasi ordine:

Alla fine di questo articolo sarai aggiornato quanto chiunque può sperare di essere in questi giorni. Lo aggiorneremo e lo espanderemo anche man mano che ci addentreremo nell'era dell'intelligenza artificiale.

Crediti immagine:Andrii Shyp / Getty Images

Una delle cose più straordinarie dell’intelligenza artificiale è che, sebbene i concetti fondamentali risalgano a più di 50 anni fa, pochi di essi erano familiari anche agli esperti di tecnologia prima di tempi molto recenti. Quindi, se ti senti perso, non preoccuparti: lo sono tutti.

E una cosa che vogliamo chiarire subito: anche se si chiama "intelligenza artificiale", il termine è un po' fuorviante. Non esiste una definizione unica di intelligenza, ma ciò che fanno questi sistemi è decisamente più vicino ai calcolatori che ai cervelli. L'input e l'output di questa calcolatrice sono molto più flessibili. Potresti pensare all'intelligenza artificiale come al cocco artificiale: è un'intelligenza artificiale.

Detto questo, ecco i termini base che troverai in qualsiasi discussione sull'intelligenza artificiale.

Il nostro cervello è in gran parte costituito da cellule interconnesse chiamate neuroni, che si uniscono per formare reti complesse che eseguono compiti e memorizzano informazioni. Fin dagli anni '60 si è tentato di ricreare questo straordinario sistema nel software, ma la potenza di elaborazione richiesta non era ampiamente disponibile fino a 15-20 anni fa, quando le GPU hanno consentito il fiorire delle reti neurali definite digitalmente. Fondamentalmente sono solo tanti punti e linee: i punti sono dati e le linee sono relazioni statistiche tra questi valori. Come nel cervello, questo può creare un sistema versatile che riceve rapidamente un input, lo trasmette attraverso la rete e produce un output. Questo sistema è chiamato modello.

Il modello è l'effettiva raccolta di codice che accetta input e restituisce output. La somiglianza terminologica con un modello statistico o un sistema di modellizzazione che simula un processo naturale complesso non è casuale. Nell'intelligenza artificiale, il modello può riferirsi a un sistema completo come ChatGPT, o praticamente a qualsiasi costrutto di intelligenza artificiale o di apprendimento automatico, qualunque cosa faccia o produca. I modelli sono disponibili in varie dimensioni, il che significa sia quanto spazio di archiviazione occupano sia quanta potenza di calcolo richiedono per funzionare. E questi dipendono da come viene addestrato il modello.

Per creare un modello di intelligenza artificiale, le reti neurali che costituiscono la base del sistema sono esposte a una serie di informazioni in quello che viene chiamato set di dati o corpus. In tal modo, queste reti giganti creano una rappresentazione statistica di tali dati. Questo processo di formazione è la parte più impegnativa dal punto di vista computazionale, il che significa che richiede settimane o mesi (puoi durare quanto vuoi) su enormi banchi di computer ad alta potenza. La ragione di ciò è che non solo le reti sono complesse, ma i set di dati possono essere estremamente grandi: miliardi di parole o immagini che devono essere analizzate e rappresentate nel gigantesco modello statistico. D'altra parte, una volta che il modello ha terminato la cottura, può essere molto più piccolo e meno impegnativo quando viene utilizzato, un processo chiamato inferenza.