La fine del 2022 non ha portato solo dati sulle vendite natalizie. Ha portato un terremoto digitale.
ChatGPT è esploso sulla scena. Nessuna implementazione graduale. Nessun sussurro di beta testing. Un giorno era una nota a piè di pagina nei blog tecnologici; il successivo, stava parlando con tutti.
La reazione è stata immediata e polarizzata. I media non potevano smettere di meravigliarsi delle conversazioni fluide. Ha scritto articoli. Ha raccolto idee. Ha anche immerso le dita dei piedi nella narrativa creativa. Ma accanto allo stupore si aggiungeva un’ansia profonda e inquietante. Le persone hanno capito che questo strumento non si limitava a rispondere alle domande. Ha invaso l’unica cosa di cui gli esseri umani vanno fieri: la capacità intellettuale.
La scommessa da un miliardo di dollari
Per capire il bot, devi guardare i soldi dietro di esso.
OpenAI è stata fondata nel dicembre 2015 con un obiettivo unico e aggressivo: spingere l’intelligenza artificiale il più lontano possibile. Il volto di questa missione è Sam Altman. Potresti conoscere il nome da altre uscite. Ha co-fondato Airbnb. Ha contribuito a finanziare giganti come Reddit, Twitch e Dropbox tramite Y Combinator.
Altman inizialmente ha collaborato con Elon Musk per lanciare OpenAI. Dal primo giorno, il piatto è stato enorme. La startup si è assicurata un round di finanziamento da 1 miliardo di dollari.
Ma Microsoft ha visto la scritta sul muro. Si sono uniti come investitori nel 2019. Poi, nel gennaio 2023, hanno dato il massimo. Microsoft ha investito diversi miliardi in più in OpenAI.
Perché? Per controllare Google.
Entrambi i giganti della tecnologia stavano gareggiando per il dominio nell’intelligenza artificiale. La massiccia iniezione di Microsoft non è stata solo supporto. È stato un attacco strategico per contrastare la ricerca avanzata di Google.
Questo finanziamento non è servito solo all’acquisto di server. Ha comprato risultati. La ricerca di OpenAI aveva già prodotto DALL-E, lo strumento di generazione di immagini che ha fatto scalpore nella primavera del 2022 con il rilascio della versione 2. ChatGPT è stato il passo logico successivo. Il generatore di testo. Il conversatore.
Il motore sotto il cofano
ChatGPT non è magico. È matematica. Matematica pesante.
La tecnologia di base si basa sul Large Language Modeling (LLM). L’obiettivo è semplice sulla carta: comprendere la struttura del linguaggio umano. L’esecuzione è terribilmente complessa. Il compito principale dell’algoritmo è prevedere la parola successiva in una frase. Concatenando queste previsioni, genera un testo coerente.
Ma non puoi semplicemente inserire uno script in un server e sperare per il meglio. Hai bisogno di formazione. Enormi quantità di esso.
ChatGPT ha importato un set di dati di 500 miliardi di documenti. Stiamo parlando dell’intero Web fino al 2021. Oltre a centinaia di migliaia di libri. Articoli scientifici. Qualunque cosa.
Doveva imparare a soppesare l’importanza di ogni termine in una frase per estrarne il concetto centrale.
La scala è difficile da visualizzare.
- 500 miliardi di documenti analizzati.
- 175 miliardi di parametri nel modello.
- 2 milioni di dollari in costi di formazione (in euro).
- $ 100.000 al giorno in costi operativi solo per mantenerlo in funzione.
Ci voleva un prototipo di ChatGPT-3 per mostrare al mondo cosa era possibile fare. Lanciato il 30 novembre 2022.
La risposta ha fatto impazzire Internet.
Un milione di registrazioni di utenti in cinque giorni.
Non è solo una barra di ricerca
La gente voleva sapere cosa poteva fare.
Fondamentalmente, ChatGPT è un’interfaccia conversazionale. Ma si comporta meno come un database e più come un instancabile assistente di ricerca che è un po’ troppo ansioso di compiacere.
L’abbiamo testato. Ci abbiamo messo di tutto.
Fatti enciclopedici? Gestito.
Ricette di cucina? Ordinato.
Filmografie? Ordinato.
La qualità della sintesi era generalmente alta. Quando è stato chiesto di spiegare la sfumatura tra due argomenti complessi, ha funzionato sorprendentemente bene.
Ma è qui che le cose diventano complicate.
ChatGPT non si limita a recuperare i dati. Si improvvisa. Ogni volta che fai una domanda, genera una nuova risposta basata sulla probabilità. Non si tratta di tirare fuori una risposta statica da uno scaffale. Sta costruendo la risposta in tempo reale.
E ricorda.
Tiene traccia del contesto della conversazione. Ascolta.
Durante i test, abbiamo posto una domanda di geografia di base.
“Qual è il fiume più lungo del mondo?”
ChatGPT ha risposto: “Il Nilo.”
Abbiamo respinto.
“Il Rio delle Amazzoni non è più lungo del Nilo?”
Il bot si è corretto immediatamente.
“Mi scuso. Ho commesso un errore nella mia risposta precedente. Il Rio delle Amazzoni è davvero il fiume più lungo del mondo.”
Questa capacità di autocorrezione all’interno di una finestra di contesto è ciò che separa i moderni LLM dai vecchi algoritmi di ricerca. Non si tratta solo di cercare fatti. Sta mantenendo un dialogo.
Ma questo lo rende più intelligente? O semplicemente più bravo a simulare la conversazione?
Questa è la domanda che incombe su ogni lavoratore tecnologico, studente e utente curioso che cerca di capire se sta guardando uno strumento o un rivale.
Funzionalità di generazione di contenuti
L’utilità va oltre le semplici domande e risposte. Abbiamo testato il sistema con istruzioni specifiche e leggermente caotiche. Una richiesta era semplice: generare esempi di commenti su un articolo controverso, completi di emoji. Il risultato era la tariffa Internet standard. Una generica espressione di shock abbinata ad una faccia triste. Tipico.
Ma ci siamo spinti oltre. Il modello ha generato post su Facebook. Ha redatto proposte di negoziazione per le auto usate. Ha suggerito un software di editing delle immagini. La gamma era ampia. Volevamo vedere il soffitto, quindi abbiamo chiesto uno schema di trama per un romanzo poliziesco. Il risultato è stato sorprendentemente coerente. Ha tracciato un mistero con una struttura reale.
Ci sono dei limiti, però. I compiti di scrittura creativa vacillarono. Abbiamo chiesto una canzone rap sul 2023. Il risultato è stato vuoto. Una poesia d’amore non è andata meglio. Il ritmo era spento. Mancava l’emozione. Sembrava meccanico.
Il modello è meno ispirato quando cerca di catturare emozioni umane crude o sfumature culturali.
Questa incoerenza potrebbe essere confortante. Dimostra che l’intelligenza artificiale non è onnipotente nei settori artistici. Eppure la domanda persiste. Quel conforto è temporaneo. Il divario tra una trama logica e un verso sentito probabilmente si colmerà. Ma non ancora.
Quando l’intelligenza artificiale scrive per te
Il riepilogo è una di quelle funzionalità che rendono ChatGPT veramente utile piuttosto che un semplice trucco per le feste. L’ho testato alimentandolo con un lungo articolo sui generatori di immagini AI di Futura Sciences. L’output non era solo accurato; è stato conciso.
L’articolo discute l’uso dell’intelligenza artificiale per generare immagini dal testo. Diverse applicazioni utilizzano questa funzionalità, come Dall-e 2, Stable Diffusion e MidJourney. Il loro funzionamento consiste nell’inserire del testo e generare un’immagine corrispondente, con un alto livello di qualità artistica. L’articolo cita anche OpenAI, un’organizzazione no-profit che ha creato Dall-e 2 e mira a spingere i confini dell’IA con un’etica che preservi la sicurezza umana.
Ha catturato l’essenza di Dall-e 2, Stable Diffusion e MidJourney senza impantanarsi nel gergo tecnico. Ha anche identificato correttamente lo status no-profit di OpenAI e i suoi obiettivi etici dichiarati. Si tratta di un salto significativo rispetto ai primi modelli di intelligenza artificiale che spesso creavano allucinazioni nel contesto o perdevano la foresta per gli alberi.
Generazione del codice come scorciatoia
Se il riepilogo è la vittoria rapida, la codifica è il punto in cui l’utilità aumenta. ChatGPT può generare frammenti di codice funzionale che puoi effettivamente copiare e incollare in un progetto. Gli ho chiesto di creare un modulo di contatto. Il risultato sono stati HTML e CSS validi, pronti per la distribuzione.
Ma ecco la cosa interessante: può anche generare codice appositamente studiato per WordPress. Per gli sviluppatori e i proprietari di siti che non scrivono PHP da zero ogni giorno, questo riduce significativamente i tempi di sviluppo. Non ti fornisce solo la sintassi; comprende il contesto di un ambiente CMS.
Il lato oscuro: frode accademica e dei contenuti
Naturalmente non tutti lo vedono come un aiuto utile. Alcuni lo vedono come uno strumento per scorciatoie che minano l’integrità. Gli insegnanti hanno già notato che gli studenti lo utilizzano per scrivere saggi.
Consideriamo la domanda posta da un professore dell’Università di Lione: In che misura l’eroe è responsabile delle proprie azioni?
Ho fornito esattamente lo stesso messaggio a ChatGPT. La risposta è stata filosofica, strutturata e del tutto plausibile:
L’eroe è responsabile delle proprie azioni perché è consapevole di ciò che sta facendo e ne assume le conseguenze. Sono in grado di prendere decisioni e attuarle, sia positivamente che negativamente. Sono anche responsabili delle loro azioni perché devono rispondere alle autorità e alla società e sono in grado di riconoscere e pentirsi dei propri errori. Infine, l’eroe è responsabile delle proprie azioni perché è un individuo libero e autonomo che deve rispondere a se stesso e ai propri cari.
Quando ho proseguito, chiedendo un saggio di 500 parole su quel tema, ChatGPT ha risposto. Il tono era accademico. La struttura era sana. Passerebbe come una presentazione da parte di uno studente competente. È qui che la promessa del “codice utilizzabile” si trasforma in un motore di frode.
Dove inciampa l’intelligenza artificiale
Nonostante la sua raffinatezza, ChatGPT non è infallibile. Ha allucinazioni. Ancora più importante, sbaglia i fatti, a volte in modo eclatante.
Prendi René Cartesio. All’inizio di gennaio, se chiedevi a ChatGPT dove viveva il filosofo, ti rispondeva che aveva trascorso del tempo in Sud America. Questo è storicamente falso. Cartesio morì in Svezia e visse principalmente in Francia e nei Paesi Bassi. Un mese dopo, il modello si è corretto. Alla domanda specifica sul Sud America, ha negato.
Sembra che il modello impari o aggiusti i suoi pesi nel tempo, ma non c’è trasparenza su come corregge questi errori. A differenza di Wikipedia, che cita le sue fonti, ChatGPT ti dà una risposta senza traccia di citazione. Se lo usi per la ricerca, ti stai affidando a una scatola nera. Se si vuole verificare un fatto bisogna comunque risalire alle fonti primarie.
Il problema della previsione
Cerchiamo di essere chiari: ChatGPT non pretende di avere una sfera di cristallo. Quando si parla delle elezioni presidenziali francesi del 2027, il modello devia. Alla domanda su una data specifica in cui gli esseri umani metteranno piede su Marte, si rifiuta di indovinare. Abbiamo variato il fraseggio. Abbiamo oltrepassato il confine. Non si muoverebbe.
In parte questo è strutturale. ChatGPT 3 è costruito su un serbatoio di dati che si bloccherà nel 2021. Tutto ciò che verrà dopo gli sarà invisibile. Ma il silenzio va ben oltre i dati mancanti.
Rifiutarsi di prendere posizione
Abbiamo chiesto pareri. Molti di loro. Le risposte sono arrivate esattamente nel regno della correttezza politica. Ogni risposta sembrava un comunicato stampa attentamente calibrato.
Prendiamo il confronto tra Joe Biden e Donald Trump. Il modello nota che hanno posizioni diverse. Si afferma che determinare chi è “migliore” dipende da criteri individuali. Non sceglie un vincitore.
Chiedersi se l’energia nucleare è ecologica. Il modello elenca gli argomenti a favore e contro. Si siede sul recinto.
Ma c’è un’eccezione. Una linea dura.
La linea rossa sul clima
Ogni volta che emerge il tema degli “scettici del clima”, il tono cambia. Il modello diventa fermo. Rifiuta opzioni alternative. Non c’è alcuna sfumatura offerta quando si parla di riscaldamento globale.
Ciò solleva una domanda fastidiosa. I programmatori hanno programmato i propri pregiudizi nel codice?
Non dovremmo ignorare la possibilità che gli sviluppatori abbiano influenzato il modello su argomenti a cui tenevano profondamente.
Vale la pena chiedersi se questa rigidità sia una caratteristica dei dati di addestramento o un guardrail intenzionale. Il modello non specula. Rafforza semplicemente il consenso.
Perché le battute falliscono
L’umorismo è un punto cieco. Quando è stato chiesto di creare uno scherzo, il modello non ha prodotto nulla di interessante. Non è solo che fossero cattivi; erano strutturalmente incoerenti o dolorosamente ovvi. L’intelligenza artificiale non ha il salto intuitivo richiesto per l’arguzia. Simula la forma di una battuta finale senza comprenderne il tempo o il sottotesto.
La stampella dei luoghi comuni
C’è anche una tendenza al riempitivo. L’output spesso si trascina, imbottito di frasi prolisse che dicono molto poco. Ottieni frasi lunghe e tortuose che potrebbero essere tagliate a metà senza perdere significato. Quel che è peggio, si basa fortemente su frasi fatte. Le stesse transizioni appaiono ripetutamente, con solo piccoli scambi di parole. È uno schema di esitazione mascherato da prosa. Quando il modello non conosce la risposta, non si ferma. Parla semplicemente di più.
