Cari amici di Duc in altum, l’ingegner Lorenzo Ricciardi Celsi, esperto di intelligenza artificiale già autore di precedenti articoli per il blog, ci informa circa gli ultimissimi sviluppi in materia: dai software che rimpiazzano i politici ai nuovi modelli di intelligenza artificiale, passando per la ricerca automatica dei migliori profili professionali.

***

di Lorenzo Ricciardi Celsi

Democratic AI: potrà mai un software sostituire la politica?

Una delle difficoltà maggiori al momento è quella di costruire un’intelligenza artificiale che si allinei ai valori umani. Di fatto il problema dell’allineamento è irrisolto. A questo proposito, i ricercatori di Google DeepMind hanno sviluppato un procedimento informatico, chiamato Democratic AI, in cui l’apprendimento per rinforzo viene utilizzato per progettare un meccanismo sociale che gli esseri umani preferiscono a maggioranza.

Il software Democratic AI è stato addestrato sui dati di un cospicuo gruppo di partecipanti ad un gioco di investimenti online che prevedeva la possibilità di scegliere se trattenere una dotazione monetaria ricevuta in partenza oppure se condividerla con altri per ottenere un beneficio collettivo.

Il gioco è strutturato in modo tale che le somme condivise sono restituite ai giocatori in base a due diversi meccanismi di ridistribuzione, il primo progettato dall’intelligenza artificiale e il secondo progettato dagli esseri umani.

L’intelligenza artificiale è riuscita a individuare un meccanismo di correzione dello squilibrio iniziale della ricchezza, sanzionando i free rider e ottenendo la maggioranza dei voti. Si tratta di uno dei primi esperimenti sulla costruzione di un’intelligenza artificiale che promuova politiche esplicitamente allineati a valori umani. I risultati dello studio sono stati pubblicati su Nature Human Behaviour.

La politica ideata dall’intelligenza artificiale ha ottenuto più voti da parte dei giocatori umani sia rispetto a un approccio egualitario che invece preveda la ridistribuzione dei fondi in modo uguale (indipendentemente dal contributo di ciascuno), sia rispetto a un approccio più libertario che distribuisca i fondi in base alla proporzione del contributo di ciascuno rispetto al piatto pubblico.

I ricercatori di Google DeepMind hanno specificato che il loro lavoro non propone una ricetta per instaurare un possibile governo dell’intelligenza artificiale. Il rischio è infatti che un’intelligenza artificiale così progettata, pur avendo appreso una politica che rifletta un misto di opinioni provenienti da tutto lo spettro politico, si concentri demagogicamente su un’idea ristretta di democrazia come sistema di soddisfazione delle preferenze per trovare le politiche più popolari. Eppure la democrazia non dovrebbe limitarsi a far sì che venga attuata la politica che più piace ma dovrebbe riuscire principalmente a creare processi durante i quali i cittadini possano incontrarsi e deliberare tra loro alla pari.

Big data e intelligenza artificiale a supporto dell’headhunting

La nascita di piattaforme digitali per lo sviluppo di contatti professionali e lavorativi ha portato a una evoluzione nelle operazioni di ricerca di un posto di lavoro. Come naturale conseguenza di questa evoluzione, l’ambito dei processi di human resources (HR), cavalcando l’onda della digital transformation, si è saputo rinnovare registrando grandi sviluppi. In particolare, se fino a poco tempo fa era più facile che l’headhunting e il recruiting si basassero su scelte pilotate dall’intuito degli addetti ai lavori o effettuate sulla base di credenziali dichiarate e non sempre perfettamente validate, oggi i processi di HR si basano su analisi attente e obiettive che consentono di valutare quantitativamente il potenziale dei candidati e di orientare i processi di crescita, tenendo anche conto dei trend del business e quindi delle competenze di cui l’azienda potrebbe avrebbe bisogno in futuro.

La pressante richiesta di soluzioni che automatizzino i processi di HR ha portato la ricerca scientifica verso lidi ancora inesplorati grazie all’applicazione e al perfezionamento degli algoritmi di Natural Language Processing (NLP) o “elaborazione del linguaggio naturale”.

L’NLP rappresenta quella branca dell’AI che riunisce le tecniche volte a fare in modo che una macchina possa interpretare, elaborare e comprendere il linguaggio umano (o linguaggio naturale), con il fine di riportare le informazioni scritte o dette a voce in una forma di dato ben strutturato e utile a successive analisi. Già da questa breve descrizione, si può capire come tale processo non sia affatto banale a causa delle molte regole nonché delle frequenti eccezioni e della continua mutevolezza del linguaggio. Per questo motivo, gli algoritmi di NLP che ad oggi garantiscono robustezza risultano molto articolati e con molti livelli paralleli di processamento delle informazioni.

Non è più pensabile gestire l’enorme mole di curricula vitae (CV) di cui le aziende dispongono in assenza di meccanismi che riescano ad automatizzare le operazioni di individuazione ed estrazione delle competenze. Nel caso delle attività di recruiting e di gestione del personale, il supporto dell’NLP è relativo proprio all’elaborazione delle informazioni scritte nei CV o nei profili personali.

L’impiego dell’NLP in questo contesto porta tre grandi benefici.

1. Supporto all’upskillinge al reskilling. Si parla spesso di continuous learning o lifelong learning ma la grande e variegata offerta formativa di cui le organizzazioni spesso dispongono è a volte difficile da valutare e suggerire in relazione al profilo professionale di ogni dipendente aziendale. Soluzioni basate sull’NLP possono abilitare la pianificazione sistematica di interventi formativi personalizzati. In altri termini, è possibile predisporre dei piani/corsi di formazione calibrati sul profilo specifico della persona.

1. Supporto alla creazione di team di lavoro ben bilanciati. Le soluzioni di intelligenza artificiale proposte possono abilitare l’ottimizzazione dei processi di staffing, rendendo questi ultimi adattivi in funzione delle esigenze dell’azienda, con conseguente aumento di efficienza ed efficacia nella fase di definizione del team di lavoro, le cui performance potranno in tal modo essere maggiormente rispondenti alle aspettative.
2. Consolidamento dell’assessment delle competenze della popolazione aziendale. L’estrazione automatica delle competenze dei dipendenti e/o di futuri collaboratori consente di velocizzare e oggettivare la rilevazione delle conoscenze, punti di forza e aree di miglioramento di ciascun dipendente, favorendo la job rotation, sia orizzontale (cioè la rotazione su ruoli di pari livello all’interno di uno specifico settore aziendale) sia verticale (in vista di promozione a ruoli di responsabilità crescente).

Artificial General Intelligence: verso l’intelligenza artificiale del futuro

Nel frattempo, Yann LeCun, scienziato a capo del laboratorio di intelligenza artificiale di Meta e uno dei ricercatori di intelligenza artificiale più influenti al mondo, ha cercato di equipaggiare le macchine con una comprensione di base del funzionamento del mondo, una sorta di buon senso, addestrando opportune reti neurali a prevedere cosa accadrà sulla base di voluminose sequenze di videoclip di eventi quotidiani. Tuttavia, indovinare i possibili fotogrammi futuri di un video pixel per pixel con la tecnologia attuale è risultato troppo complesso.

Dopo ulteriori mesi di lavoro, LeCun ha formulato, in un articolo condiviso tramite MIT Technology Review, una nuova visione per la prossima generazione di AI, come primo passo verso la costruzione di macchine con la capacità di ragionare e pianificare come gli esseri umani – ciò che molti chiamano Artificial General Intelligence (AGI). LeCun, senza riuscire a dare ancora una visione esaustiva, si allontana anche dalle attuali tendenze dell’apprendimento automatico, rispolverando vecchie idee passate di moda. Il punto interrogativo più grande, come sottolinea lo stesso LeCun, è che non sa ancora bene come costruire ciò che descrive.

Il fulcro del nuovo approccio è una rete neurale che impara a vedere il mondo a diversi livelli di dettaglio. Abbandonando la necessità di effettuare previsioni perfette con la risoluzione del singolo pixel, questa rete si concentrerebbe solo sulle caratteristiche di una scena che sono più rilevanti per il compito da svolgere. La rete neurale in questione potrebbe essere accoppiata con un’altra, un configuratore adattivo, che determina il livello di dettaglio richiesto e modifica il sistema complessivo di conseguenza.

Per LeCun, l’AGI farà parte del modo in cui interagiremo con la tecnologia del futuro. Tra 10-15 anni le persone non porteranno in tasca gli smartphone, ma occhiali a realtà aumentata dotati di assistenti virtuali che guideranno gli esseri umani durante la loro giornata, non solo nel metaverso di realtà virtuale proposto da Meta, ma anche e soprattutto nel mondo reale.