Che l’AI sia diventata uno strumento che presenta aspetti di grande utilità e altrettanti pericoli è ormai un dato di fatto che richiede di essere compreso perché, piaccia o non piaccia, sarà parte del nostro impegno quotidiano. Venerdì 12, su questo stesso giornale, ho attirato l’attenzione sulla proposta che il premio Nobel ed ex presidente della Fed Ben Bernanke avrebbe presentato lo stesso giorno alla Bank of England. Questo è accaduto, ma l’indomani le raccomandazioni avanzate dall’illustre economista non hanno ricevuto attenzione, forse perché hanno confermato le notizie circolate in anticipo, ossia che Bernanke avrebbe soprattutto affrontato il modo di informare la pubblica opinione per evitare che le conseguenze degli errori di previsione dei modelli econometrici usati minino la credibilità delle autorità monetarie; questa è indispensabile perché le loro scelte fungano da guida alla formazione di aspettative sull’attività economica e l’inflazione.
Non a caso i commenti quotidiani di borsa fanno costante riferimento a queste scelte: al mattino gli operatori si domandano che farà la Bce e al pomeriggio che farà la Fed. Salvo generici richiami sulla necessità di pervenire a nuovi modelli predittivi, nella risposta di Bernanke non appare nessun specifico riferimento alle possibilità offerte dalla scienza dei dati e dagli strumenti di loro elaborazione (per semplicità, l’AI), secondo le linee della proposta avanzata dal gruppo di lavoro sugli acceleratori AI econometrici al quale partecipo da cittadino appassionato e responsabile istituzionale. Occorre uscire dalle polemiche di strada, andando oltre la conclusione che gli errori di previsione sono dovuti agli shock, che resta il problema da risolvere.
Mentre ci dedichiamo a questo problema, ne è emerso un altro ben più importante: quello di quando si perverrà all’AGI, l’Intelligenza Artificiale Generativa, ossia un’AI capace di pensare meglio e in modo indipendente dalla mente umana per risolvere problemi complessi in ambienti e contesti che non sono stati incorporati agli algoritmi nel momento della loro creazione, come una pandemia o un evento bellico. La disputa in corso non è se sia possibile raggiungere questo risultato, ma quando lo sarà, e a essa partecipano i grandi dell’informatica, da Elon Musk, che sostiene che l’AGI sarà pronta entro quest’anno, a Sam Altman, che con ChatGpt si è maggiormente avvicinato all’obiettivo, ma mostra più prudenza e ritiene che necessitino più anni.
Perché questo ben più complesso problema assorbe anche quello del miglioramento delle prestazioni predittive dei modelli econometrici oggi usati? Assieme a chi studia l’AGI come strumento che riguarda l’intera attività umana, vi sono quelli che studiano le sue applicazioni alla gestione delle imprese, al fine di sostituire manager in carne e ossa per ridurre gli errori che possono commettere per la loro incapacità o difficoltà di rapido adattamento a nuovi shock. Se e quando arriveremo a questo risultato, l’architettura organizzativa delle imprese che producono beni e servizi e delle istituzioni pubbliche, che producono servizi e previsioni (organi dello Stato, banche centrali e autorità di vigilanza dei mercati) sarebbe definitivamente obsoleta.
Il problema muterebbe passando da chi sceglie, ossia i robot pensanti, a chi introduce perfeziona e controlla i risultati di queste forme applicative dell’AI. Salvo pochi casi di illustri scienziati che sostengono che l’AGI non si potrà mai raggiungere, chi oggi ci lavora e investe miliardi di dollari lo vede già attivo nel breve periodo. Poiché il mutamento non è da poco e si configura come un compito da attuare necessariamente per restare al passo con i tempi, celebrando il centenario della scomparsa di Giacomo Puccini, invochiamo con lui «Nessun dorma». (riproduzione riservata)
*presidente della Consob