Intelligenza artificiale

[Zhuge]

Ok, ma la potenza dell'IA sta nella capacita dell'analisi dei dati, non nel discernimento.

[ZTL]

https://www.instagram.com/p/CgZmhlmrcWx/

[Crasher]

Ok, ma la potenza dell'IA sta nella capacita dell'analisi dei dati, non nel discernimento.

Ma proprio no Una vasta branca dell'IA si chiama Machine Learning proprio perché le macchine imparano dalla mole di dati che gli viene data in pasto.

[gmork]

‘The entire protein universe’: AI predicts shape of nearly every known protein
“We’re at the beginning of new era of digital biology.”

[Zhuge]

Ma proprio no Una vasta branca dell'IA si chiama Machine Learning proprio perché le macchine imparano dalla mole di dati che gli viene data in pasto.

Ma cosa imparano? A discernere meglio i dati. Non inventano mica nulla, non hanno alcuna abilità creativa umana.

[Mr Yod]

Ma cosa imparano? A discernere meglio i dati. Non inventano mica nulla, non hanno alcuna abilità creativa umana.

Ma questi dati possono avere un discernimento che noi non siamo in grado di discernere (o perchè non l'abbiamo ancora notato o perchè la mole di dati da analizzare è tale da essere quasi impossibile per un essere umano).

[Zhuge]

Ma il tema è questo. La maggiore capacità computazionale è una cosa, l'abilità innata di avere idee è altra. La macchina dipingerà mai un Rembrandt? Scriverà mai un romanzo originale?

[Lars_Rosenberg]

Ma proprio no Una vasta branca dell'IA si chiama Machine Learning proprio perché le macchine imparano dalla mole di dati che gli viene data in pasto.

Breve summary sul machine learning.
Gli algoritmi si possono classificare in:

- Supervised: in cui i dati hanno una "label", che definisce il risultato osservato. Ad esempio i dati storici del mercato immobiliare potrebbero avere una serie di transazioni in cui si è preso nota della posizione geografica dell'immobile, delle sue dimensioni, piano, servizi ecc... e la label è il prezzo di vendita. A questo punto si può allenare un modello che impara dai dati forniti e diventa in grado di prevedere il prezzo di vendita dei nuovi immobili messi sul mercato. In pratica quel che succede è che l'algoritmo crea una corrispondenza tra i dati e le label, in modo che quando la label non è più nota, possa comunque ottenere un risultato vicino a quello reale. Va da sè che in questi casi è impossibile creare un modello se non si ha già un ampio storico di risultati (label) note.

- Unsupervised: in cui non sono fornite label, ma l'algoritmo è comunque in grado di trovare un "pattern" nei dati. Un classico esempio è quello del clustering. Prendiamo Google News ad esempio: analizza decine di migliaia di articoli ogni giorno e le raggruppa in base alla notizia trattata. Senza sapere in anticipo quali siano le categorie disponibili, perché non si può sapere in anticipo quali saranno le news del giorno dopo, l'algoritmo è comunque in grado di individuare le somiglianze tra i dati e raggrupparli.

Da questa base si possono sviluppare algoritmi anche molto complessi, come ad esempio le ormai celeberrime GAN (generative adversarial networks), che sono utilizzate per i deep fake: il meccanismo consiste essenzialmente nel mettere in competizione due modelli.
Il primo genera qualcosa, ad esempio una immagine, mentre il secondo deve capire se l'immagine è reale o è un falso.
Facendo lavorare insieme i due algoritmi, premiandoli quando riescono a "fregare" l'altro, si instaura un circolo virtuoso per cui l'algoritmo che genera le immagini diventa sempre più bravo a generare qualcosa che sembri reale, mentre l'algoritmo avversario diventa sempre più bravo a distinguere le immagini finte da quelle reali.
Anche qui però c'è sempre alla base il concetto di algoritmo supervised, perché ad ogni iterazione sappiamo sempre esattamente se l'immagine è reale o generata e possiamo premiare o penalizzare il modello in base alle sue performance.

Quindi anche se esistono algoritmi che possono produrre risultati utili semplicemente analizzando i dati (unsupervised), questo ha molti limiti e i risultati più "potenti" si hanno con algoritmi supervised, perché questi non si limitano a trovare dei pattern nei dati, ma ne analizzano il legame causale con la realtà.

[Talismano]

Ma il tema è questo. La maggiore capacità computazionale è una cosa, l'abilità innata di avere idee è altra. La macchina dipingerà mai un Rembrandt? Scriverà mai un romanzo originale?

La potenza di calcolo è così più ampia di quella umana che potrebbe anche essere che dipingano un Rembrandt in modo totalmente casuale producendo tutte le alternative possibili. E tu non saresti in grado di distinguere l'originale con dietro un'idea dalla copia con dietro solo la potenza di calcolo.

Inviato dal mio MAR-LX1A utilizzando Tapatalk

[Crasher]

Ma cosa imparano? A discernere meglio i dati. Non inventano mica nulla, non hanno alcuna abilità creativa umana.

Esistono già esempi di IA in grado di creare opere originali partendo da esempi già esistenti. Poi, se stai chiedendo se un'intelligenza artificiale creata per, chessò, classificare vari tipi di tumore, possa decidere di dipingere un quadro nel tempo libero... Beh questo fa entrare in ballo autocoscienza, libero arbitrio e altri argomenti che per quanto affascinanti rischiano di scivolare nel fantascientifico.
Di base le intelligenze artificiali sono pensate per portare a termine un compito.

[Lars_Rosenberg]

Esistono già esempi di IA in grado di creare opere originali partendo da esempi già esistenti.

In genere sono delle GAN, descritte sopra.
Perché una AI ti crei una immagine che sembra un quadro reale però deve vedere tanti quadri reali e imparare a riprodurli.
Quindi si tratta di una imitazione di ciò che il suo creatore (inteso come genere umano, non il data scientist che scrive il codice), deve già aver prodotto.
Una AI non sarebbe in grado di creare una nuova forma d'arte, perché sa solo imitare.
Però questi è comunque qualcosa di potentissimo, perché può arrivare a fare in pochi secondi quello che un umano realizza in ore o giorni.

[Crasher]

In genere sono delle GAN, descritte sopra.
Perché una AI ti crei una immagine che sembra un quadro reale però deve vedere tanti quadri reali e imparare a riprodurli.
Quindi si tratta di una imitazione di ciò che il suo creatore (inteso come genere umano, non il data scientist che scrive il codice), deve già aver prodotto.
Una AI non sarebbe in grado di creare una nuova forma d'arte, perché sa solo imitare.
Però questi è comunque qualcosa di potentissimo, perché può arrivare a fare in pochi secondi quello che un umano realizza in ore o giorni.

Sì infatti. Secondo me nella comunicazione non tecnica si punta troppo sul discorso di autocoscienza e dilemmi fantascientifici vari, quando la cosa strabiliante è quanto la IA possa essere veloce ad apprendere ed efficace nel raggiungere il risultato.

[Zhuge]

La potenza di calcolo è così più ampia di quella umana che potrebbe anche essere che dipingano un Rembrandt in modo totalmente casuale producendo tutte le alternative possibili. E tu non saresti in grado di distinguere l'originale con dietro un'idea dalla copia con dietro solo la potenza di calcolo.

Inviato dal mio MAR-LX1A utilizzando Tapatalk

Perché io sono limitato. Ma il fatto che compongano solo copiando dimostra ulteriormente che non capiscono cosa stanno facendo.

- - - Aggiornato - - -

Esistono già esempi di IA in grado di creare opere originali partendo da esempi già esistenti. Poi, se stai chiedendo se un'intelligenza artificiale creata per, chessò, classificare vari tipi di tumore, possa decidere di dipingere un quadro nel tempo libero... Beh questo fa entrare in ballo autocoscienza, libero arbitrio e altri argomenti che per quanto affascinanti rischiano di scivolare nel fantascientifico.
Di base le intelligenze artificiali sono pensate per portare a termine un compito.

Esattamente. Perciò il chiamarle intelligenze è già un notevole compromesso. Portano a termine compiti per cui sono state programmate, magari curano e sviluppano in autonomia le loro capacità, ma sempre per quel compito. Che non capiscono.

[gmork]

stiamo parlando di un campo in piena evoluzione. cio' che si fa oggi 20 anni fa era fantascienza. per non parlare tra qualche anno dell'accoppiata computer quantistici e i.a., allora sì che se ne vedranno delle belle.

[Lars_Rosenberg]

Perché io sono limitato. Ma il fatto che compongano solo copiando dimostra ulteriormente che non capiscono cosa stanno facendo.

Infatti il termina "intelligenza artificiale" è un po' fuorviante e deriva più che altro dalla fantascienza e dai media. E' sicuramente più di impatto rispetto a "machine learning", che però è più corretto come nome.
I modelli di machine learning (o AI se preferite) sono dei semplici automatismi. Non sono diversi dalle funzioni che studiavate a scuola tipo y = mx. Sono solamente molto più complessi.
Pensare che una AI possa "capire" cosa sta facendo, cioè che sia senziente, è pura follia.
Mi viene sempre da ridere quando escono le news clickbait su intelligenze aritificiali senzienti, come quella recente di Google
Chiunque abbia studiato un minimo la teoria alla base del machine learning sa che sono tutte cavolate acchiappaclick.

[Talismano]

Basta vedere gli algoritmi basati su machine learning in ambito di image processing, cose che si fanno ora in tempo reale solo 2 anni fa richiedevano ore e ore di elaborazioni.

Fra 10 anni ci saranno applicazioni che attualmente sono inimmaginabili.

Inviato dal mio MAR-LX1A utilizzando Tapatalk

[Bukkake girl]

https://www.reddit.com/r/dalle2/comm...on_with_dalle/

who needs textures?

[Bukkake girl]

https://twitter.com/pess_r/status/1557517982095626241

[Bukkake girl]

https://www.theverge.com/2022/8/11/2...erberg-dislike

[gmork]

video interessante