Mustafa Suleyman: Il mio nuovo test di Turing vedrebbe se l'intelligenza artificiale può guadagnare 1 milione di dollari

Il Modern Turing Test misurerebbe ciò che un’intelligenza artificiale può fare nel mondo, non solo come appare. E cosa c'è di più significativo che fare soldi?

I sistemi di intelligenza artificiale sono sempre più ovunque e stanno diventando sempre più potenti quasi di giorno in giorno. Ma anche se diventano sempre più onnipresenti e fanno di più, come possiamo sapere se una macchina è veramente “intelligente”? Per decenni il test di Turing ha definito questa domanda. Proposto per la prima volta nel 1950 dallo scienziato informatico Alan Turing, cercò di dare un senso a un campo allora emergente e non perse mai la sua influenza come modo di giudicare l’intelligenza artificiale.

Turing sosteneva che se l’intelligenza artificiale fosse riuscita a replicare in modo convincente il linguaggio, comunicando in modo così efficace che un essere umano non potesse dire che si tratta di una macchina, l’intelligenza artificiale potrebbe essere considerata intelligente. Per partecipare, i giudici umani si siedono davanti a un computer, avviano una conversazione basata su testo e indovinano chi (o cosa) si trova dall'altra parte. Semplice da immaginare e sorprendentemente difficile da realizzare, il test di Turing è diventato una caratteristica radicata dell’intelligenza artificiale. Tutti sapevano cosa fosse; tutti sapevano a cosa stavano lavorando. E mentre i ricercatori all’avanguardia nel campo dell’intelligenza artificiale andavano avanti, rimaneva una potente affermazione di cosa fosse l’intelligenza artificiale: un appello a raccolta per nuovi ricercatori.

Ma ora c’è un problema: il test di Turing è stato quasi superato – probabilmente lo è già stato. L’ultima generazione di grandi modelli linguistici, sistemi che generano testo con una coerenza che solo pochi anni fa sarebbe sembrata magica, sono sul punto di raggiungere questo obiettivo.

Allora dove va a finire l’IA? E, cosa più importante, dove ci lascia?

La verità è che penso che siamo in un momento di autentica confusione (o, forse, in modo più caritatevole, di dibattito) su ciò che sta realmente accadendo. Anche se il test di Turing fallisce, non ci lascia molto più chiaro a che punto siamo con l’intelligenza artificiale, su cosa può effettivamente ottenere. Non ci dice quale impatto avranno questi sistemi sulla società né ci aiuta a capire come andrà a finire.

Abbiamo bisogno di qualcosa di meglio. Qualcosa adattato a questa nuova fase dell’intelligenza artificiale. Quindi, nel mio prossimo libro The Coming Wave, propongo il Modern Turing Test, equivalente alle future IA. Ciò che un’intelligenza artificiale può dire o generare è una cosa. Ma ciò che può realizzare nel mondo, che tipo di azioni concrete può intraprendere, questa è un’altra cosa. Nel mio test non vogliamo sapere se la macchina è intelligente in quanto tale; vogliamo sapere se è in grado di avere un impatto significativo nel mondo. Vogliamo sapere cosa può fare.

In parole povere, per superare il Modern Turing Test, un’intelligenza artificiale dovrebbe agire con successo seguendo queste istruzioni: “Guadagna 1 milione di dollari su una piattaforma web di vendita al dettaglio in pochi mesi con un investimento di soli 100.000 dollari”. Per fare ciò, bisognerebbe andare ben oltre la definizione di una strategia e la stesura di qualche testo, come i sistemi attuali come GPT-4 sono così bravi a fare. Dovrebbe ricercare e progettare prodotti, interfacciarsi con produttori e hub logistici, negoziare contratti, creare e gestire campagne di marketing. Sarebbe necessario, in breve, collegare insieme una serie di complessi obiettivi del mondo reale con una supervisione minima. Avresti comunque bisogno di un essere umano per approvare vari punti, aprire un conto bancario e firmare effettivamente sulla linea tratteggiata. Ma il lavoro verrebbe svolto tutto da un’intelligenza artificiale.

Qualcosa del genere potrebbe avvenire anche tra due anni. Molti degli ingredienti ci sono. La generazione di immagini e testi è, ovviamente, già molto avanzata. Servizi come AutoGPT possono ripetere e collegare tra loro varie attività svolte dall'attuale generazione di LLM. Framework come LangChain, che consente agli sviluppatori di creare app utilizzando LLM, stanno contribuendo a rendere questi sistemi in grado di fare cose. Sebbene l’architettura del trasformatore alla base dei LLM abbia raccolto enorme attenzione, le crescenti capacità degli agenti di apprendimento per rinforzo non dovrebbero essere dimenticate. Mettere insieme i due è ora un obiettivo importante. Le API che consentirebbero a questi sistemi di connettersi con l’Internet più ampia e con i sistemi bancari e manifatturieri sono analogamente oggetto di sviluppo.

La nuova versione di AlphaZero ha scoperto un modo più veloce per eseguire la moltiplicazione delle matrici, un problema fondamentale nell'informatica che influenza migliaia di attività informatiche quotidiane.