L’intelligenza artificiale (AI, Artificial Intelligence) è senza dubbio una delle tecnologie più interessanti, discusse e sviluppate degli ultimi anni. Oggi è presente in molti aspetti della vita di tutti i giorni, talvolta senza che ce ne rendiamo conto: basti pensare, per fare alcuni banali esempi, a quando un chatbot aiuta un utente su un sito e-commerce o a quando un assistente vocale risponde a una specifica richiesta.
Di fatto, l’AI sta cambiando il modo in cui le persone interagiscono con i servizi online, con le piattaforme di intrattenimento e, in generale, con la maggior parte degli ambienti digitali.
AI: una crescita inarrestabile o una morte annunciata?
La diffusione e la crescita dell’AI sembrano a oggi inevitabili e inarrestabili. Tuttavia, secondo alcuni analisti, potremmo essere di fronte a un paradosso inatteso: il futuro dell’intelligenza artificiale potrebbe non essere caratterizzato da una crescita continua e illimitata, ma addirittura potrebbe andare incontro a una sorta di “collasso” (model collapse, cioè collasso del modello).
Questa ipotesi, indubbiamente interessante, si basa sul fatto che i diversi modelli di AI, se alimentati sempre più spesso da contenuti generati da altri modelli, anziché da dati originali di provenienza umana rischiano, nel medio-lungo termine, di perdere precisione e affidabilità. Secondo una recente stima di ChatGPT, la qualità dei modelli di AI potrebbe iniziare a “perdere colpi” a partire dal 2035.
Dove l’AI continua a creare valore concreto
Nonostante questo scenario “pessimistico”, vi sono settori in cui l’intelligenza artificiale sta offrendo benefici considerevoli e probabilmente continuerà a farlo per ancora molto tempo. Un esempio arriva da alcune piattaforme di intrattenimento, nello specifico vediamo un’ampia applicazioni in siti videoludici come i casino online, che hanno introdotto nuovi livelli di messaggistica basati su AI per migliorare la sicurezza delle interazioni e la qualità dell’assistenza.
In questi ambiti, i sistemi AI possono rilevare comportamenti anomali, fornire risposte molto veloci a richieste ricorrenti e filtrare contenuti che non sono conformi agli standard della piattaforma. Non sostituiscono quindi l’intervento umano, ma lo affiancano rendendo gli ambienti più affidabili.
In sostanza si tratta di applicazioni pratiche in cui l’AI deve semplicemente svolgere funzioni di controllo e di ottimizzazione. In queste circostanze, il rischio di “decadimento qualitativo” è praticamente inesistente perché non si tratta di generare contenuti.
Le stesse riflessioni si possono fare per altri settori. Un semplice esempio: nel settore della diagnostica per immagini, l’AI lavora su dati reali che provengono dal corpo umano e su protocolli di verifica costante. In settori così delicati, tutto viene verificato e validato di continuo.
In quali casi il collasso del modello potrebbe diventare critico?
Qualora il collasso del modello si verificasse, potrebbe essere particolarmente critico in quegli ambiti in cui l’intelligenza artificiale genera contenuti che poi vengono riutilizzati come fonte di informazione, senza un costante controllo umano. Si rischia un effetto “copia della copia” che potrebbe accumulare errori fino a compromettere l’affidabilità del sistema. Per restare nel pratico, se gli articoli o altri tipi di testo vengono sempre più spesso generati dall’intelligenza artificiale e poi riutilizzati per addestrare nuovi modelli di AI, il rischio di perdita di accuratezza e di mancata verifica delle fonti è concreto. Con il passare del tempo, saranno sempre più numerosi gli errori, le imprecisioni, le inesattezze e le eccessive semplificazioni.
Per evitare questa deriva, per adesso solo teorica, è importante utilizzare dati originali e verificati che provengono dal mondo reale e aggiornare costantemente i sistemi con informazioni nuove e corrette evitando di alimentare i modelli con contenuti sintetici generati dall’AI.
