Dal 2022 il dibattito pubblico sull’IA è quasi interamente monopolizzato dai modelli di linguaggio di grandi dimensioni (LLM). ChatGPT, Claude, Gemini. Le persone che scrivono prompt, le aziende che integrano API di linguaggio. Si tratta solo di una minima parte di ciò che l’IA fa nel mondo reale.

Il tuo telefono si sblocca riconoscendo il tuo volto grazie all’intelligenza artificiale. Il tuo feed di Instagram è ordinato da un’IA. Le frodi sulla tua carta di credito vengono rilevate in tempo reale da un’IA. L’auto che ti ha avvisato di un guasto al cambio potrebbe aver utilizzato un’IA predittiva. Nessuna di queste IA parla. Nessuna è un LLM.

La visione artificiale

La visione artificiale è la capacità di un sistema di identificare, localizzare e classificare oggetti o modelli all’interno di immagini o video. Si tratta di una delle applicazioni più consolidate del deep learning.

Cosa viene prodotto: controllo qualità nelle linee di produzione (individuazione di difetti visivi a ritmi frenetici), smistamento dei pacchi nella logistica, lettura automatica delle targhe, mammografie e analisi di immagini mediche, sorveglianza dei cantieri, autenticazione biometrica.

Una rete neurale convoluzionale (CNN) addestrata su milioni di immagini mediche è in grado di identificare alcune patologie con una precisione paragonabile a quella di un radiologo esperto, per quanto riguarda i tipi di immagini ben rappresentati nei dati. Le parole chiave: «alcune patologie», «tipi di immagini ben rappresentati». Al di fuori di questa distribuzione, le prestazioni calano drasticamente.

La raccomandazione

Netflix vi propone delle serie TV. Spotify vi crea delle playlist. Amazon vi suggerisce degli acquisti. Non si tratta di modelli di linguaggio (LLM). Sono sistemi di filtraggio collaborativo e di fattorizzazione matriciale combinati con il deep learning, addestrati su miliardi di interazioni degli utenti.

Questa raccomandazione è quella che da più tempo ha il maggiore impatto economico diretto. Ottimizza un parametro (clic, tempo di visualizzazione, conversioni). Ciò che ottimizza può non coincidere con ciò che è vantaggioso per l’utente. È una caratteristica del sistema, non un difetto da correggere nella prossima versione.

Previsione e rilevamento delle anomalie

Rilevamento delle frodi bancarie. Previsione dei guasti alle macchine. Valutazione del merito creditizio. Rilevamento delle intrusioni nella rete. Questi sistemi sono in funzione da 15 anni in settori che non vengono mai trattati da Wired.

Un modello di rilevamento delle frodi analizza decine di parametri in tempo reale (importo, localizzazione, ora, cronologia, dispositivo, comportamento di navigazione) e genera un punteggio di probabilità di frode. Se il punteggio supera una soglia, la transazione viene bloccata o sottoposta a revisione. Questo sistema non è perfetto. Presenta un tasso di falsi positivi (transazioni legittime bloccate) e un tasso di falsi negativi (frodi non rilevate). La sfida consiste nell’ottimizzare questo compromesso sui vostri dati reali.

Questi sistemi commettono errori che hanno conseguenze concrete. Un punteggio di credito errato compromette l’accesso al credito di una persona fisica. Un filtro antifrode troppo aggressivo blocca i clienti legittimi. Questi pregiudizi sono documentati, sono oggetto di normative (l’AI Act in Europa, il Fair Credit Reporting Act negli Stati Uniti) e non sono problemi risolti.

Cosa cambia quando si guarda il quadro completo

Due implicazioni pratiche.

Per valutare i rischi in modo realistico: I rischi legati all’IA non riguardano solo i modelli di linguaggio di grandi dimensioni (LLM). Riguardano anche i sistemi di decisione automatizzata «silenziosi» che incidono su diritti e accessi senza che le persone interessate ne siano informate. La legge europea sull’IA (AI Act) li disciplina proprio su questo punto.

Per valutare la portata dei progetti: un progetto di visione artificiale per il controllo qualità non presenta lo stesso profilo di rischio, gli stessi costi di addestramento né le stesse competenze richieste rispetto a un progetto LLM. Confonderli solo perché entrambi sono etichettati come ‘IA’ porta a decisioni sbagliate.

L’IA industriale, silenziosa e non basata su modelli di linguaggio (LLM), è quella che ha dimostrato il proprio valore economico nel corso di decenni. Merita la stessa attenzione riservata ai chatbot di ultima generazione.