L'intelligenza artificiale non è magica. E non aiuterà a far ripartire l'economia

Cosa fai quando un'improvvisa interruzione delle tendenze del passato modifica profondamente il modo in cui funziona il mondo? Se sei un'azienda, una cosa che probabilmente non devi fare è rivolgerti all'intelligenza artificiale esistente. Per eseguire una delle sue applicazioni primarie, ovvero l'analisi predittiva, l'IA di oggi richiede enormi quantità di dati rilevanti. Quando le cose cambiano così rapidamente, però, non c'è tempo per raccoglierne abbastanza. Molti modelli pre-pandemici per molte funzioni aziendali non sono più utili; alcuni potrebbero persino indirizzare le imprese nella direzione sbagliata.

L'intelligenza artificiale è apparsa a molti esperti come una sorta di pozione magica che potrebbe essere utilizzata per trasformare qualsiasi processo aziendale in un Terminator "per fare soldi", un fornitore inarrestabile di auto a guida autonoma e un distruttore del lavoro di ufficio. Poiché l’avvento di questi tipi di cambiamenti radicali continua a essere rinviato, è chiaro che l'IA non sta progredendo velocemente come ci è stato detto e che non sarà una panacea per tutti i mali.

Non si tratta proprio di un inverno, ma sicuramente c'è un brivido nell'aria. Le aziende per le quali l'IA è più di un componente aggiuntivo, così come le start-up in difficoltà e le aziende più piccole, stanno licenziando data scientist a cui prima avevano garantito stipendi stratosferici e si lamentano del fatto di non riuscire a trovare usi per l'IA. Improvvisamente, c'è una riaffermazione di coloro che avevano sostenuto che i sistemi più strettamente associati all'IA moderna - quelli che possono apprendere da enormi pool di dati - non sono così abili come i loro sostenitori avevano suggerito.

L'iperbole attorno all'intelligenza artificiale, tra coloro che la usano effettivamente, si sta ridimensionando. Il rovescio della medaglia di questa tendenza è che stiamo iniziando a vedere che, lungi dall'essere magica, l'intelligenza artificiale è molto utile per realizzare alcune cose piuttosto banali. Usiamo l'IA ogni giorno, ogni volta che parliamo con un assistente personale ad attivazione vocale o sblocchiamo i nostri telefoni con i nostri volti o impronte digitali. Oltre a ciò, per la maggior parte delle aziende, accademici, ricercatori di sanità pubblica e veri e propri scienziati missilistici, l'intelligenza artificiale consiste principalmente nell'aiutare gli esseri umani a prendere decisioni, afferma Rachel Roumeliotis, vicepresidente di O'Reilly Media, una società di editoria ed eventi che, tra le altre cose cose, insegna ai programmatori come usare l'IA.

Quando SharpestMinds, una startup che vende servizi di consulenza ai data scientist, ha condotto un sondaggio tra i suoi ex studenti ad aprile e poi di nuovo a maggio, ha scoperto che il 6% degli intervistati era stato interessato da riduzioni salariali o licenziamenti. Questa è una goccia nell'oceano rispetto agli enormi licenziamenti che avvengono, per esempio, nel settore della ristorazione, ma è rilevante perché questi lavori sono generalmente considerati ruoli fondamentali che necessitano di competenze specialistiche molto richieste. Uber ha recentemente chiuso il suo laboratorio di ricerca sull'intelligenza artificiale e i licenziamenti di Airbnb hanno interessato almeno 29 data scientist con contratto full time, secondo il registro di coloro che sono stati licenziati.

Il tormento dei data scientist aumenterà probabilmente man mano che le aziende ripenseranno il modo in cui spendono, prevede Edouard Harris, fondatore di SharpestMinds. L'assunzione di nuovi candidati per tali ruoli ha subito un rallentamento significativo, in calo del 50% già da prima della pandemia, aggiunge. D'altra parte, ciò significa che c'è ancora richiesta, anche se è diminuita.
 
Ciò che sta accadendo non è tanto una resa dei conti, quanto una razionalizzazione dell'applicazione dell'IA nelle imprese, afferma Rajeev Sharma, capo dell'IA aziendale presso Pactera Edge, una società di consulenza tecnologica. «[Le aziende] ritengono che questo sia un momento in cui possono sbarazzarsi di assunzioni extra o lavoratori meno qualificati, che non ottengono risultati ottimali», aggiunge.  Al contrario, le grandi e ricchissime compagnie tecnologiche considerano l'intelligenza artificiale non solo importante ma proprio fondamentale per le loro attività e hanno in programma di continuare ad assumere molto. L'amministratore delegato di Google, Sundar Pichai, ha affermato che nell’evolversi della storia dell'umanità, l'IA è più importante dell'elettricità o del fuoco e tutti i Big Five hanno dichiarato che continueranno ad aumentare il numero dei loro ingegneri durante questa fase di recessione, tra cui data scientist e esperti di IA. Questo è un ottimo momento per assumerli, secondo Sharma. Afferma, infatti, che è come comprare azioni scontate dopo un crollo del mercato azionario.

Un sondaggio appena pubblicato su quasi 1.400 professionisti dell'intelligenza artificiale, condotto da O'Reilly Media, ha scoperto che i due maggiori ostacoli all'uso dell'IA nelle aziende sono i leader che non ne apprezzano il valore e la difficoltà nel trovare problematiche in queste aziende per cui l'IA potrebbe rivelarsi utile. Proprio adesso il migliore metodo dell’intelligenza artificiale per risolvere diversi problemi, ovvero i cosiddetti algoritmi deep-learning, sono particolarmente abili nel fare alcune cose, come identificare gatti all’interno di immagini e battere gli esseri umani nella strategia del gioco Go.

Tuttavia necessitano di un’enorme quantità di dati su cui basarsi, e diventano inutili quando questi dati non rispecchiano più il mondo in cui viviamo, secondo quanto afferma Gary Marcus, un professore dell’Università di New York ed ex direttore della sezione guida autonoma di Uber. Critica frequentemente questi algoritmi, in quanto crede che i modelli che ne derivano siano «fragili». Vale a dire, piuttosto che somigliare alla bozza del mondo costruita dal cervello umano, si tratta solo di grandi motori in cerca di correlazioni statistiche.

La pandemia e le attuali sfide di business nell’applicazione dell’IA, sono «un segnale d’allarme su quanto sia pessima l’IA che stiamo costruendo», afferma il Prof. Marcus. Le più grandi aziende di tecnologia possiedono abbastanza dati per costruire sistemi di IA in grado di identificare cose all’interno di immagini o riconoscere voci umane; al contrario, altre tipologie di IA, come per esempio un algoritmo che si occupa di prevedere il modo migliore per spedire le merci attraverso una supply chain o le abitudini di acquisto dei potenziali acquirenti, smettono di funzionare durante avvenimenti come quello della pandemia da coronavirus. Anche in tempi migliori, piccole e medie imprese non hanno, semplicemente, abbastanza dati per creare sistemi di IA di successo, afferma il Prof. Marcus.

Un numero di studi sul confronto dei nuovi e probabilmente migliori algoritmi IA rispetto a quelli più obsoleti, hanno riscontrato che non possiedono delle performance migliori, anzi, sono molte volte peggiori dei sistemi sviluppati anni prima. Un’analisi di recupero dei dati di algoritmi, per esempio, ha riscontrato che l’Highwater Mark è stato un sistema realmente sviluppato più di un decennio fa.
I ricercatori in prima linea nello sviluppo dell’IA sono ottimisti rispetto al suo valore a lungo termine affermando che qualsiasi taglio delle spese sia solamente temporaneo. I ricercatori all’Allen Institute for AI, fondato dal cofondatore di Microsoft, Paul Allen, stanno attualmente impiegando l’IA per la scoperta di cure, vaccini e studi clinici per capire il comportamento del Covid-19, afferma Oren Etzioni che è a capo dell’istituto. Quando si applica l’IA a compiti ben definiti, la continua disponibilità di un’enorme serie di dati, meglio se algoritmi deep-learning e forze computazionali in crescita, è ciò che può rendere l’IA «uno strumento trasformativo per scienziati su come affrontare pandemie, cambiamenti climatici o qualsiasi altro problema spinoso», ha aggiunto.

I ricercatori stanno lavorando per risolvere il problema fondamentale dell’IA moderna, ovvero la richiesta di così tanti dati, ma una soluzione è ancora molto lontana secondo Chris Mattman, vice direttore dell’ufficio di tecnologia e innovazione del Jet Propulsion Laboratory della NASA. Il suo team ha dovuto impiegare un gruppo di studenti di dottorato e post dottorato affinché trascorressero tre anni ad etichettare immagini tratte dalla superficie di Marte, in modo da avere abbastanza dati per creare un sistema che fosse in grado di indentificare automaticamente caratteristiche geografiche e geologiche del paesaggio marziano. Il Sistema debutterà sul Mars Helicopter, un drone che è parte della Perseverance rover mission, pianificata per essere lanciata quest’estate. Per fortuna, le rocce di Marte non subiscono cambiamenti sostanziali di anno in anno.

Quest’ultimo potrebbe essere effettivamente un esempio delle più utili applicazioni quotidiane dell’IA, che possono essere nella ricerca, in medicina o in economia, afferma il Dr. Mattman. La sua squadra non sta costruendo nuove tipologie di IA, aggiunge, ma sta solo usando software e hardware già disponibili sul mercato.  Perfino le aziende che vogliono ancora rendere l’IA parte dei loro processi economici stanno scoprendo che potrebbero avere meno bisogno di specialisti che creano IA piuttosto che di tipologie di software di ingegnerizzazione aggiornate, che sono fondamentali per raccogliere, pulire e poi inviare i dati ad alcuni servizi di IA cloud gestiti dagli stessi Microsoft, Google o Amazon, afferma Sharma.

«Tutti coloro con cui ho parlato, concordano con me sul fatto che questo ruolo, conosciuto come «data engineering», è il passo successivo della data science.» Questa tipologia di lavoro non ha bisogno di conoscenze specialistiche ed è accessibile ad una più ampia varietà di persone con esperienza di programmazione.  Sì, l’IA non sta riuscendo a mantenere alcune tra le sue più grandi promesse. (Mi dispiace, molte persone desiderano dare il benvenuto ai nostri signori robot). Noi stiamo, però, entrando a far parte di un’era in cui le cose che vengono fatte bene stanno diventando più evidenti. «Penso che quando le persone dicono ‘IA’ continuino a pensare a robot e chatbot», afferma Roumeliotis. «In sostanza, si tratta di qualcosa che può aiutare ad analizzare dati e compiere scelte». (riproduzione riservata)

Please click here to read this article in English on The Wall Street Journal