Google DeepMind non è solo un altro laboratorio. È il risultato di una fusione tra Google Brain, il centro di intelligenza artificiale interno di Google, e DeepMind, la startup britannica che notoriamente ha battuto i migliori giocatori di Go del mondo. Ora è una filiale di Alphabet, la società madre che detiene le varie scommesse di Google. La missione è ambiziosa. L’obiettivo è l’intelligenza generale artificiale. Ciò significa costruire sistemi in grado di apprendere e applicare la conoscenza in un’ampia gamma di compiti, non solo in una funzione ristretta.
Con sede a Londra, l’organizzazione opera con respiro internazionale. Non funziona nel vuoto. La sua tecnologia alimenta direttamente l’ecosistema di Google. Dalla ricerca al cloud computing, l’impatto è ampio.
La spinta per l’AGI
Perché puntare sull’AGI? Perché l’intelligenza artificiale ristretta ha dei limiti. Un modello che consiglia solo film o filtra lo spam è utile, ma non ragiona. Non si adatta. DeepMind vuole cambiare la situazione. Mira a creare un’intelligenza artificiale in grado di affrontare problemi per cui non è stata esplicitamente programmata. Ciò richiede un cambiamento fondamentale nel modo in cui le macchine apprendono. Invece di fare affidamento su enormi set di dati per risultati specifici, questi sistemi avrebbero bisogno di flessibilità. Avrebbero bisogno di generalizzare.
Questo non è solo teorico. I ricercatori di DeepMind stanno già intravedendo scorci di questo potenziale. AlphaFold, ad esempio, ha risolto una grande sfida di 50 anni in biologia prevedendo le strutture delle proteine con incredibile precisione. Non è solo uno strumento. È un salto verso la comprensione dei sistemi complessi. Mostra cosa succede quando l’intelligenza artificiale va oltre il pattern match e si dedica alla vera risoluzione dei problemi.
Da Londra alla scena globale
La sede di Londra funge da hub, ma il talento è distribuito. Scienziati di tutto il mondo contribuiscono a progetti che abbracciano diverse discipline. Fisica. Biologia. Informatica. Le linee si confondono. Questo approccio interdisciplinare è necessario. I problemi del mondo reale non rientrano in categorie ordinate. Un sistema progettato per ottimizzare le reti energetiche potrebbe anche migliorare il flusso del traffico. Un modello addestrato per la scoperta di farmaci potrebbe aiutare nella scienza dei materiali.
L’integrazione con i prodotti Google è sia una risorsa che una responsabilità. L’accesso a grandi quantità di dati e potenza di calcolo accelera la ricerca. Ma solleva anche interrogativi. Come garantite che questi sistemi siano sicuri? Come si prevengono i pregiudizi? Come mantieni la trasparenza? Questi non sono ripensamenti. Sono centrali nel processo di sviluppo.
I compromessi
Costruire l’AGI non è privo di costi. I requisiti computazionali sono sconcertanti. L’addestramento di modelli di grandi dimensioni consuma immense energie e risorse. C’è anche la questione del controllo. Man mano che i sistemi diventano più autonomi, aumenta il rischio di conseguenze indesiderate. DeepMind lo riconosce. Investe molto nella ricerca sulla sicurezza. Funziona sui problemi di allineamento. L’idea è garantire che i sistemi di intelligenza artificiale agiscano in conformità con i valori umani.
Ma l’allineamento è difficile. I valori umani sono complessi e spesso contraddittori. Definirli con precisione per una macchina è una sfida. Richiede il contributo di esperti di etica, politici e pubblico. Non è solo un problema tecnico. È sociale.
Perché è importante adesso
La corsa per l’AGI si intensifica. I concorrenti stanno emergendo. Le implicazioni sono profonde. In caso di successo, potrebbe rivoluzionare le industrie. Potrebbe risolvere le malattie. Potrebbe ottimizzare i sistemi globali. Ma potrebbe anche perturbare i mercati del lavoro. Potrebbe concentrare il potere. La posta in gioco è alta.
Il lavoro di DeepMind è un caso di prova. Mostra ciò che è possibile. Esso
