Nasce un nuovo modello di AI: apprende e applica nuovi concetti come fa il cervello umano
Il mondo dell’intelligenza artificiale ha assistito alla nascita di un nuovo modello di AI, sviluppato da Brenden M. Lake della New York University e dal linguista italiano Marco Baroni dell’Università Pompeu Fabra di Barcellona.
Questo modello non solo impara, ma generalizza concetti in modo simile al cervello umano, un traguardo che fino ad ora sembrava inarrivabile.
Per anni, le reti neurali artificiali sono state limitate nella loro capacità di astrazione e generalizzazione. La sfida principale è stata la necessità di enormi quantità di dati per insegnare a queste AI l’applicazione di nuovi concetti. Tuttavia, il nuovo approccio proposto da Lake e Baroni, denominato “meta-learning for compositionality” (Mlc), ha infranto questa barriera.
Il Mlc consente all’AI di apprendere un concetto, come la parola “salta”, e successivamente di utilizzarlo per generare nuove combinazioni con altre parole già conosciute.
Questo processo imita la capacità umana di apprendere e applicare nuovi concetti da pochi esempi, un’abilità che fino ad ora sembrava esclusiva del cervello umano.
Un test che ha permesso di paragonare le capacità cognitive di comprensione tra uomo e IA
Un esperimento chiave ha coinvolto l’utilizzo di un pseudo-linguaggio con termini inventati, che né l’AI né i partecipanti umani avevano mai incontrato.
Questo test ha permesso di paragonare direttamente le capacità cognitive di comprensione e generalizzazione del linguaggio tra l’uomo e la macchina.
I risultati sono stati sorprendenti: il modello di Lake e Baroni ha mostrato una frequenza di errore simile a quella degli esseri umani, sfidando i modelli AI esistenti come Gpt-4 di OpenAI.
Queste scoperte mettono in discussione le teorie stabilite negli anni Ottanta da Jerry Fodor e Zenon Pylyshyn, due filosofi ed esperti di scienze cognitive, che sostenevano l’impossibilità per le reti neurali artificiali di imitare le connessioni concettuali del cervello umano. Ora, per la prima volta, una rete neurale ha dimostrato di poter eguagliare e forse superare la generalizzazione sistematica umana.
Questo progresso nell’AI apre nuove possibilità
Le applicazioni potrebbero includere il miglioramento della qualità delle interazioni con i chatbot, riducendo fenomeni come le allucinazioni (risposte false ma plausibili) e la necessità di enormi set di dati per il training. Inoltre, questo sviluppo potrebbe portare a una maggiore accessibilità per i ricercatori in tutto il mondo, riducendo i costi e l’impatto ambientale legato al training delle AI.
Il lavoro di Lake e Baroni è ancora in fase sperimentale e l’integrazione di questa nuova rete neurale in sistemi AI più complessi non è garantita.
Tuttavia, i benefici potenziali sono immensi, non solo per il campo dell’intelligenza artificiale, ma per l’intera società, che potrebbe trarre vantaggio da sistemi AI più efficienti e accessibili.
