Artificial Generic Intelligence – Insegnare alle macchine il giusto
Quando si parla di Artificial Generic Intelligence, si parla di quel processo che permette di insegnare alle machine a scegliere ed agire correttamente secondo determinati schemi che sono dettati dalla collettività.
Di solito lo si fa insegnando alla macchina con esempi (Supervised Machine Learning). Do in pasto alla macchina una serie di esempi buoni e di esempi cattivi e la macchina impara a distinguere e scegliere. Semplice no? NO.
In realtà la difficoltà che avremo sempre più, è gestire eticamente i modelli giusti verso quelli sbagliati. Se pensiamo all’essere umano, ad oggi ogni uno di noi può avere un punto di vista diverso su un determinato argomento. Un esempio banale è quello della risposta che si può avere alla domanda: “Essere vegetariani è giusto?”. Riceverei mille risposte diverse. Quale è la risposta giusta che dovrebbe dare la macchina?
Delle regolamentazioni in tal senso potrebbero aiutarci ad evitare che la risposta di un robot sia troppo sbilanciata (biased) e fuorviante.
Il tema della qualità dei dati da utilizzare è un elemento fondamentale per i sistemi basati su reti neurali che utilizzano logiche di Machine Learning supervised. Ad oggi non esiste una regolamentazione ed ogni compagnia sta utilizzando il proprio buon senso per gestire la questione rispettando i propri valori etici.
Anche a questo dovrebbe servire la Partnership on AI che vede i grandi colossi tecnologici impegnati a trovare una soluzione
Per chi volesse approfondire il tema, c’è un bell’articolo di TechCrunch che tratta il tema in lingua inglese: