Buonasera a tutti Scusatemi il leggero ritardo ma fuori c'era veramente c'erano veramente tantissime persone in coda Quindi mi hanno anche fermato lamentandosi del fatto che non riuscivano a partecipare sempre devo dire un gran piacere vedere San Barnaba così gremito di è un'occasione quella dei pomeriggi in San Barnaba nel quale la fondazione Clementina calzari trebeschi devo dire sottolinea la propria capacità di mettere a disposizione degli della città dei momenti di riflessione l'opportunità di affrontare temi con grande competenza Scientifica con rigore capaci di appassionare e soprattutto temi che sono sempre o all'ordine del giorno o lo anticipano lo abbiamo visto in passato con gli appuntamenti dedicati al tema della Terra del cambiamento climatico abbiamo anticipato riflessioni sui fascismi sui temi dei diritti civili Si è parlato anche di matematica si è spaziato in ambiti anche molto molto diversi questa volta ci offrono la possibilità attraverso il ciclo di incontri di approfondire il tema della intelligenza artificiale quindi un tema di grandissima attualità Un tema che certamente trasformerà il nostro modo di vivere Ho avuto occasione in queste settimane di confrontarmi di incontrare Chi si occupa di innovazione e tratta questi temi mi sono anche preoccupata di dire da amministratore comunale Quindi da sindaca quali strumenti posso mettere a disposizione della mia città per affrontare questi temi e la cosa che mi è stata raccomandata da chi li vive è quella di dare tutti gli strumenti possibili alla cittadinanza ai nostri concittadini per non aver paura delle grandi trasformazioni e delle rapide trasformazioni in ato credo che in questo la fondazione calzari trebeschi ci dia la possibilità lo dicevo con competenza con rigore con un linguaggio semp dice parlando di cose difficile di affrontare anche il futuro con più conoscenza e un po' meno preoccupazione Grazie devo anche dire che per l'occasione dell'apertura del ciclo di incontri video proiezioni luce Abbiamo fatto anche un lavoro importante di rimessa in attività di questo spazio graziee grazie grazie Allora La scienza è comprensione del mondo ma è anche intervento sul mondo attraverso la tecnologia così si esprimeva Giulio giorello alcuni anni fa in effetti la tecnologia dell'intelligenza artificiale è un esempio di intervento forte sul mondo talmente forte da essere identificato con il termine di Rione e perché si parla di rivoluzione diciamo per diversi motivi ne accennerò accennerò un paio Allora non è solo l'utilizzo dell'intelligenza artificiale a essere rivoluzionaria in quanto tale non ha solo un valore strumentale diciamo nel senso che se fosse utilizzo strumentale Allora vuol dire che il suo valore sarebbe limitato Cioè sarebbe utilizzato soltanto per svolgere alcuni compiti in maniera più veloce e più rapida più rapida più veloce quindi anche in maniera più efficace di come stiamo facendo il punto è che non si tratta solo di una innovazione di natura tecnologica e la sua influenza su tutta la sfera dell'umano è sostanziale nel senso che è complessiva è sociale e culturale non cambieranno solo le il modo con cui faremo le cose ma cambierà il nostro modo di vedere le cose e questo è testimoniato anche dalle domande Qualche volta anche inquietanti anche se legittime che le applicazioni dell'intelligenza artificiale inducono solleva perché l'intelligenza artificiale porta con sé speranze vantaggi ma anche rischi e preoccupazioni la domanda diciamo più ultima forse che Uno potrebbe farsi è proprio quella di capire qual è il senso di essere uomini in una realtà in un mondo in cui le macchine pensano hanno un'intelligenza come la nostra o addirittura superiore alla nostra e c'è però anche un'altra ragione per cui si parla di rivoluzione ed è una una ragione che attiene in maniera più specifica alla scienza al metodo scientifico l'intelligenza artificiale generativa Per dirla con Thomas kuh porta un cambiamento di paradigma nella scienza e nell'informatica in particolare e un cambiamento di paradigma soprattutto nel metodo cioè al ragionamento logico formale si sostituisce l'apprendimento automatico in cui la macchina grazie Al linguaggio della probabilità e della statistica riesce a ad avere dalle dai molti dati con cui viene Diciamo che gli vengono assegnati riesce a ricavare delle risposte molto attendibili ai problemi posti si tratta di un metodo importante che quando sarà studiato dagli scienziati ci porterà a delle grosse novità credo forse anche inattese C'è però una ultima osservazione da fare e cioè che tutto questo discorso che rende rivoluzionaria la cosa viene avvalorato dal fatto che allo stato attuale Gli scienziati non sono in grado di capire in maniera compiuta Perché queste macchine funzionano così infatti l'intelligenza artificiale è una tecnologia pres scientifica Nel senso che precede la scienza i principi teorici che poi la spiegano succede un po' il contrario di quello che succede solitamente di solito Prima c'è il principio teorico poi l'applicazione tecnologica qui è il contrario è la tecnologia che è origine di scienza e quindi quando gli scienziati riusciranno a spiegarci non solo come le macchine funzionano ma perché funzionano così credo che sarà un grosso contributo alla ricerca e un grosso passo in avanti questa modalità non è la prima volta che succede nella storia della scienza almeno un'altra volta importante accaduta con le prime macchine termiche e per spiegare le quali poi è nata la termodinamica quindi noi ci aspettiamo dagli scienziati la nuova termodinamica della apprendimento automatico a parlarci a iniziare questo ciclo di conferenze e parlarci di questa di questa rivoluzione diciamo sarà il professor Nello cristianini Eh informatico di fama mondiale un fisico di formazione che ha manifestato sin da studente sin da studente la sua passione per l'intelligenza artificiale questa passione l'ha condotto dall'Italia prima a Londra e poi in svariati altre parti del mondo è iniziata infatti una carriera prestigiosa che l'ha portato dall'Europa alla California Boston poi di nuovo in Europa nel Regno Unito a attualmente è professore di intelligenza artificiale a Bat nel Regno Unito il suo contributo allo studio di queste di queste di queste tecnologie è stato molto importante e fondamentale e ciò è testimoniato dalla numerosa produzione scientifica attraverso articoli libri che sono stati addirittura tradotti in giapponese cinese coreano e e poi c'è un altro elemento che testimonia il suo ruolo nella storia del machine Learning ed è il fatto che è stato inserito per ben due volte nell'elenco degli scienziati più influenti del mondo in questo settore e si occupa anche di divulgazione e in questi due ultimi anni ha pubblicato per il mulino due libri la scorciatoia e macchina Sapiens che trovate disponib per l'acquisto fuori da questa sala e il professore è pure disponibile a un firmacopie alla fine del della conferenza Questi libri offrono panorama di tutto quello che un cittadino dovrebbe sapere sulla intelligenza artificiale e il discorso affrontato non è puramente di natura tecnica Sì c'è questa componente Ma la valica i confini dello specifico e del tecnico e lambisce anche aspetti relativi alla biologia alle scienze sociali Alla filosofia e anche all'etica il tutto è proposto con uno stile molto apprezzabile asciutto essenziale rigoroso e anche accessibile ad un lettore che non ha competenze in materia e poi c'è un ultimo aspetto e così chiudo che mi ha colpito in questi il professorini in qualità di scienziato è sicuramente scettico però è molto ottimista il suo è l'ottimismo l'ottimismo della ragione che l'ottimismo di chi anche di fronte a interrogativi inquietanti crede che e Cito la peggior paura è la paura dell'ignoto e la cura dell'ansia derivante da questa paura è la conoscenza stasera siamo qui per iniziare a curarci quest'ansia le per l'intelligenza artificiale con la sua lezione Grazie [Applauso] Grazie quanto tempo abbiamo Buonasera eh no lo faccio breve perché secondo me poi vi stancate però sono le domande se avete domande Eh grazie per l'invito che bello vedere la sala piena Grazie signora per l'invito facciam la semplice parliamo di intelligenza artificiale ehm fate domande è giusto domandarsi perché la paura passa così chiedere le cose che vengono in mente altrimenti non si capisce nel 2025 siamo in febbraio e sembra strano a dirsi possiamo dire esistono macchine intelligenti nel mondo le incontriamo tutti i giorni le abbiamo nel telefono in tasca Eh io ci ho parlato due ore fa con grande con grande profitto C sembra strano dirsi l'avessi detto a me stesso 20 anni fa non ci avrei creduto che posso dialogare con una macchina e imparare qualcosa che non sapevo ma l'ho fatto due ore fa allora che succede cosa sta succedendo da qualche tempo c'è stata un'accelerazione nella tecnologia E siamo oggi in grado di costruire macchine che imparano dagli esempi E questo ci ha consentito di fare una serie di altre cose oggi cerchiamo di raccontare questa storia come siamo arrivati a questo punto qui Va bene allora la prima cosa da dire è che noi non siamo l'unico esempio di intelligenza al mondo noi esseri umani qui presenti abbiamo esistiamo da 200.000 anni come specie l'ultimo antenato in comune con lo scimpanzé sarà stato 3 milioni di anni fa so chi è scusi un attimo prima cosa c'era nei tempi nei nelle centinaia di miliardi di milioni di di anni precedenti c'erano animali e l'antenato comune me mio gatto risale a 80 milioni di anni fa e prima chi c'era c'è sempre stata intelligenza su questo pianeta noi troviamo fossili con con cervelli troviamo fossili di animali con cervelli e con sensi sappiamo che comunicavano sappiamo che che cacciavano in branco sappiamo che dei piccoli mammiferi grandi come un topo erano in grado di rubare l'uovo dal nido di rettili enormi l'intelligenza c'è stata sul fondo degli oceani predatori e prede che si inseguono e si nascondono Ben prima di noi e questo ci dovrebbe far capire che non siamo noi l'esempio di cosa vuol dire essere intelligenti e che il linguaggio non è necessario e l'autocoscienza probabilmente non c'entrano o l'arte Ecco l'intelligenza è una cosa estremamente comune in questo pianeta e mi aspetto se trover vita su altri pianeti sarà comune anche là ed è l'abilità di di risolvere problemi una lumaca un gatto una medusa Ognuno ha modo suo ha dei problemi da risolvere sempre un po' diversi mai esattamente lo stesso problema la lumaca troverà il giardino ogni volta un po' diverso io sposto le piante anche per evitarla ci sono i predatori deve trovare il basilico riuscire a risolvere problemi sempre un po' diversi Questo è lo scopo Ecco anche le anche le macchine anche le piante forse ma anche le macchine in questo senso possono essere intelligenti in quel senso lì eh quando voi Aprite YouTube YouTube deve cercare di trovare qualche video che voi guarderete il suo obiettivo dichiarato è C cercare di capire cosa ciascuno di voi di voi vuole vedere e trovargli Elo e la gente cambia gusto la macchina Dev imparare modificarsi e adeguarsi se vuole ottenere il suo obiettivo da circa 25 anni siamo veramente bravi a fare macchine che imparano Infatti da molti anni Abbiamo smesso di programmare certi compiti Nei computer non è facile per per me spiegare a un computer Come si riconosce la lettera a dalla lettera B manoscritte la calligrafia della gente cambia io però anche il postino vede la busta legge l'indirizzo e non non incontra non conta di chi è la mano il postino capisce l'indirizzo ma ogni lettera a è diversa ogni lettera B è diversa è unica programmarlo non è facile ma mostrare molti esempi a un computer e farlo imparare Si può ed è così che i computer hanno imparato a leggere i caratteri a riconoscere lettere intendo a riconoscere le parole a tradurre a tradurre io c'ho lavorato per molti anni in passato si prendevano i gli atti le trascrizioni del Parlamento Europeo dove ogni discorso è tradotto in tutte le lingue possibili dell'Europa e si davano al computer come esemp questa frase va tradotta in questo modo e sono milioni ed è così che i computer hanno imparato a tradurre quindi c'è una scienza che adesso non discuto che si chiama la scienza dell'apprendimento dei computer machine Learning che studia a fondo Come si fa una macchina che impara come si deve fino a prima noi cercavamo giustamente comprensibilmente ma sbagliando di fare macchine intelligenti seguendo un metodo interamente diverso per tutti gli anni 50 60 70 80 e 90 per un'intera generazione o due di Scienziati si è provato a a seguire il metodo tradizionale questo voleva dire se vuoi costruire un computer che comprende il linguaggio e traduce insegnagli la grammatica questa era l'idea così come se vuoi insegnare a un computer qualcos'altro a progettare un ponte insegnagli la fisica no bene quel metodo lì scientifico tradizionale di partire dalla grammatica e insegnare al computer a comprendere le fasi non ha funzionato abbiamo speso miliardi abbiamo speso carriere e carriere generazioni di Scienziati non funziona quello che ha cambiato tutto è stato quando abbiamo rinunciato fine anni 80 inizio 90 e abbiamo detto Vabbè pazienza facciamo quello che possiamo con quello che abbiamo forse la macchina non capirà tutto ma almeno riuscirà a bloccare i messaggi di spam almeno riuscirà a raccomandare i libri su Amazon almeno riuscirà a tradurre delle parole semplici quel metodo lì quel quel ripiego si può fare mostrando alla macchina tanti documenti tanti dati e chiedendole di guardare statisticamente a riconoscere i messaggi per esempio di spam quelli che non vogliamo leggere dgli altri dando tanti esempi e calcolando statisticamente delle cose molto semplici la macchina riesce a filtrare la posta o raccomandare le notizie ho trovare un video che vi interessa o un buon libro se avete letto Harry Potter 1 e 2 e 3 forse leggerete anche il libro di Harry Potter 4 statisticamente perché la maggioranza della gente ha fatto così quella cosa lì ha cambiato tutto è stata la prima scorciatoia che ci ha portato in un posto utile dopo tanti anni di di paralisi togliere la teoria e sostituirla con la statistica appena si si inizia a fare statistica c'è bisogno di dati la statistica si St studiando i dati e produrre dati è difficile non si può andare a cercare una legione di maestre elementari chiedendole di di di scrivere gli esercizi per la macchina che sta imparando a fare un minimo di di italiano si vanno a prendere i dati dove si trovano ovvero sui giornali sui libri e su internet ed è così che abbiamo fatto la seconda scorciatoia abbiamo preso miliardi di documenti dall'internet proprio rastrellati raschiati dall'internet e Messi in un computer in grado di imparare ed è così che si è imparato a riconoscere a tradurre a rispondere ad alcune domande e poi c'era il problema di capire cosa vuole la gente di fronte allo schermo e invece che chiedere loro che tipo di film vorresti vedere si guarda quello che loro cliccano e si cerca di capire statisticamente questa persona cosa cliccherà tre scorciatoie ci hanno portato fino a 10 anni fa statistica dati trovati in natura si dice e osservare la gente YouTube fa così osserva la gente raccoglie i dati di 2 miliardi di utenti 2 miliardi e riesce in qualche modo a predire cosa Cuno di noi Vorrà guardare così fanno gli altri così si traduce e questo ci porta fino a al 2000 e 15 A quel punto lì si è iniziato anche a fare metodi che fanno riconoscono le immagini fanno diagnosi delle mammografie ad altissimo livello riconoscono i volti negli aeroporti sempre usando lo stesso metodo ma su scala sempre più grande la quarta grandissima scorciatoia è questa fare le stesse cose su scala grandissima intendo scala grandissima quello che stanno costruendo adesso in America a Memphis il nuovo centro di calcolo di elon musk quello ha 100.000 computer dentro è una vecchia fabbrica della Elettrolux riconvertita per tenere dentro 100.000 computer modernismi la scala è enorme consuma tanta energia quanto una città ma le stesse idee applicate su scale enorme cambiano quello che si può fare Eccoli qua 3 4 C scorciatoie la quinta arriverà tra poco e nel frattempo la teoria di come si fanno algoritmi che impar non so cosa dire Mi dispiace nel frattempo la teoria degli algoritmi che imparano è migliorata bene questa era la parte noiosa resto è più interessante se mi avete seguito questa era la parte noiosa è finita abbiamo dei metodi che imparano dei dati abbiamo i dati e abbiamo le macchine tutto è arrivato a convergere qualche anno fa e qualche anno fa è successa una cosa in più che è stato una un momento importantissimo e ve lo racconto perché era il 2017 questo mondo già esisteva c'era tutto quello ma a quel punto lì ha una conferenza di reti neurali che è un tipo di algoritmo che si usa in in questi casi qualcuno un ricerc un gruppo di ricercatori di Google ha pubblicato un articolo che descrive un metodo un po' più efficiente un po' più veloce un po' più intelligente per tradurre imparando dai documenti l'idea è sempre quella si mostrano i documenti la macchina impara a capire come funziona il linguaggio ma quel metodo è così efficiente e così veloce che poteva usare tanti documenti più degli altri e questo era la sua ambizione L'anno dopo una piccola azienda di San Francisco ha preso questo algoritmo che si chiama il Transformer e lo ha applicato a un a un problema interamente diverso che sembra uno scherzo il problema che hanno risolto Era il seguente se ti do un testo una pagina di un libro da cui cancello delle parole scelte a caso puoi indovinare la parola cancellata leggendo il contesto Questo nella nostra lingua molti di noi possono farlo Infatti Poco fa si è rotto il microfono e le parole mancanti tutto sommato le avete Indovinate dal contesto coi libri si fa Ma se io Vessi un documento scritto in lingua Uz becca e cancellassi delle parole non riuscireste a capire le parole mancanti in italiano Sì la comprensione è necessaria per fare questa cosa qui bene Si prende un computer enorme una rete neurale quella che ho detto il Transformer e le si dice che parola Secondo te ho nascosto questa Guarda il documento e indovina se fa uno sbaglio la correggiamo le mostriamo la risposta giusta e si ricomincia e si ripete Fate questo con miliardi di pagine e dopo due mesi quel computer diventa bravissimo a indovinare le parole mancanti leggendo il resto vedete che Che spreco di energia sapevo già l'ho cancellate io non è utile predire parole che io ho cancellato ma vedete per riuscire a fare questa cosa abbiamo obbligato il computer la rete neurale a comprendere il contesto altrimenti non potrebbe fare quella cosa lì da qualche parte al suo interno questo algoritmo ha dovuto rappresentare il significato di quella pagina l'unico modo due mesi di calcolo miliardi di pagine lo stesso gioco ripetuto all'infinito la macchina impara a comprendere qualcosa di utile su quella pagina lì a quel punto questi di Open ai nel 20181 volevano usare sta cosa per fare delle cose utili loro pensavano trare messaggi spam o rispondere a domande semplici come Siri a cui si chiede Dov'è la pizzeria si sono accorti che sta macchina già così sapeva molte cose sapeva per esempio completare dei piccoli sillogismi se se il gatto ha quattro zampe e la mia gattina è un gatto quindi anche lei ha quattro zampe quel tipo di cose lì venivano fuori bene decidono di investire e farne un'altra 10 volte più grande siccome questo è un Transformer l'algoritmo che descritto ed è pre addestrato per Du mesi prima di essere usato e genera parole genera testi l'hanno chiamato il Transformer pread estrato generativo ovvero generative pretrained Transformer ovvero GPT hanno fatto GPT hanno fatto il secondo GPT GPT 2 che era 10 volte più grande e questo cominciava a conoscere le parole in italiano e in inglese o a completare delle rispondere a domande il fiume più lungo d'Italia è e Questo rispondeva ne fanno un altro Questo ormai l'inizio della pandemia 2020 quasi 10 volte ancora ormai questa è una storia in cui ogni Progresso richiede una un ordine di ogni Progresso è 10 volte di più ed è una cosa che ormai tutti hanno accettato non è più una volta Era incredibile fare una cosa 10 volte più grande si fa Ecco perché si fanno centri di calcolo sempre più grandi perché anche il prossimo passo che faremo il prossimo anno non sappiamo quale sarà ma sappiamo che richiederà un altro fattore 10 per essere conquistato bene gpt3 aveva 100 100 miliardi miliardi di parametri ora vi dico qua sono i parametri sta macchina per riuscire a funzionare ha bisogno che noi accordiamo o sintonizziamo come la radio dei tempi andati quando si girava la manopola e si cercava il canale sintonizzo il canale quel verbo lì in inglese Quello è il verbo Sintonizzare oppure accordare il pianoforte in inglese è lo stesso verbo accordare il pianoforte o accordare la radio è uguale in inglese ma bisogna accordare o Sintonizzare 200 miliardi di numeri diversi immaginate una tabella come quelle di Excel grande 1 km quad come tutta la piazza e cambiando alcuni numeri qua e là la macchina fa degli sbagli dimentica delle cose non funziona più Ma se avete tutti i numeri messi Giusti funziona ecco per trovare i valori giusti ci vogliono due mesi di computazione un centro di calcolo enorme e tanti documenti di testo da cui imparare l'algoritmo alla base di tutto questo esiste dagli anni 80 l'ha inventato un signore inglese che si chiama Jeff hinton che quest'anno ha vinto il premio Nobel per la fisica per quell' invenzione lì l'algoritmo si chiama back propagation tenere in equilibrio sta cosa richiede un centro di calcolo enorme ma l'algoritmo è molto semp semplice bene utilizzando quel metodo e quei dati che ho detto si ottiene quella tabella di risultati 200 miliardi numeri che sono perfettamente allineati in modo da funzionare quello era gpt3 ed è quello che hanno messo dentro a questo chat Bot questa cosa che conversa che abbiamo chiamato chat GPT nel novembre del 22 Sì era il 22 Sì mettono fuori sto invecchiando mettono fuori chat GPT e improvvisamente C il mondo cambia nel giro di una settimana il mondo cambia la gente incomincia a parlare con un computer che risponde correttamente passa Natale e tutto il 2023 lo scorso anno e il 24 poi sono segnati da questa presenza ecco questa è la storia di come abbiamo creato sta macchina e di quello che è successo dopo e di quello che succederà fra poco Tenete presente una cosa che l'intero campo dell'intelligenza artificiale come campo della Scienza nasce nel 50 e nel 50 nasce con uno specifico articolo scritto da Alan turing il fondatore stesso dell'informatica e questo articolo che si intitolava macchine calcolatrici e intelligenza computing machinery and intelligence questo libro questo articolo qua Lancia una sfida lui dice Secondo me se una macchina per riuscire a decidere se una macchina intelligente perché non conversiamo facciamo una macchina che conversa è una sfida è una provocazione se la macchina riesce a conversare con me Mod talmente perfetto che non c'è nessun modo di di distinguerla da una persona e non c'è argomento e non c'è frase non c'è indovinello che non possa rispondere chiamiamola intelligente questa era la sua sfida deve imitare le persone e lo chiamava lui il gioco dell'imitazione Noi l'abbiamo preso l'abbiamo chiamato il test di turing ed è rimasto per 70 anni l'obiettivo il Sacro Gral dell'informatica una macchina che possa conversare con noi senza essere smaschera competizioni premi in denaro carriere intere sprecate nessuno ciè mai riuscito e poi nel 2022 come vi ho detto hanno acceso chat GPT e tutti parlano con GPT che risponde e si comincia nel 23 a fare dei test Ma la gente riesce a riconoscerlo dalle persone o no diversi gruppi fanno il test il primo test di cui si sa qualcosa è nell'agosto del fatto in Israele fatto in modo molto intelligente il 40% della gente che incontra GPT non lo riconosce non è abbastanza perché se io ho dietro quella porta un computer e dietro quella porta una persona Però potrebbero scambiarsi io la probabilità di azzec carci è il 50% se ti indovinare ecco quando si raggiunge il livello del 50% di indovinare correttamente se c'è un computer o no lì è il momento in cui abbiamo raggiunto quel punto lì in cui non siamo in grado quel momento lì sembra che sia arrivato nel 2024 dove c'è un gruppo a San Diego che ha fatto questo test con 300 studenti e il 49.8% non riusciva a capire quale fosse GPT quale fosse persona più o meno bene o male o è successo O ieri o l'altro ieri ma alla fine siamo al punto in cui questa macchina riesce a parlare ma la cosa interessante è questa per farla parlare Ha dovuto leggere di tutto tutto l'internet tutto Wikipedia e mi sembra all'inizio fossero 7.000 poi 10.000 libri li digerisce subito li collega risponde ogni tanto fa degli sbagli ma quello che emerge da questo processo è molto interessante per esempio GPT 4 l'ultimo precedente il penultimo gli si possono dare esami universitari in particolare esami di ammissione all'università e poi si prende il risultato lo si fa correggere in moltissime materie prende i voti tra i migliori della classe c'è una c'è un'intera scienza adesso che è la scienza di come fare gli esami alle macchine ed è questa la seconda cosa che devo dirvi ma controllo il tempo bene si usano gli esami degli esseri umani su Scalea enorme esami di matematica esami di fisica di chimica e si nota una cosa interessante negli esami di storia di letteratura di giurisprudenza è più facile che la macchina prenda voti alti chimica fisica e matematica Fino allo scorso anno era indietro la macchina era brava a memorizzare a parlare ma non tanto brava a pensarci su ragionarci su una buona domanda di chimica o di fisica richiede un po' di ragionamento e quello era l'ultimo pezzo mancante nel settembre di quest'anno Open ai ha pubblicato l'ultimo modello che hanno chiamato o1 o One Adesso vi risparmio i dettagli ma è stato costruito apposta per completare un ragionamento partendo da una premessa facendo una serie di passi e derivando una conclusione da quel momento in poi anche i voti in fisica e matematica e chimica sono saliti Ecco non è più un uno scherzo abbiamo delle macchine enormi costosissime che consumano molta energia ma che possono leggere migliaia e migliaia di libri collegarli pensarci su e rispondere alle domande questo è Dove siamo oggi ste cose qui non hanno valore di intrattenimento noi conversiamo per intrattenimento ma l'ambizione delle aziende è cambiata le aziende principali in questo campo hanno dichiarato nella loro missione che il loro obiettivo si chiama intelligenza artificiale generale con questo termine loro Indicano un concetto ancora più ambizioso che ancora non esiste una macchina ipotetica che non c'è in grado di eguagliarlo Ora dico intellettuali per chiarire che non si parla di autocoscienza non si parla di sentimenti non si parla di emozioni o di spirito o di anima o di niente Si parla di capacità intellettuale ovvero tradurre un documento riassumere un documento fare una diagnosi guidare un automobile risolvere un'equazione fare la denuncia delle tasse queste cose qui compiti puramente intellettuali di questo si parla Quindi cerchiamo di non farci prendere dall'ansia Ma questi sono comunque lavori che noi facciamo questo tipo di lavori qui sono l'obiettivo ufficiale dell'intelligenza artificiale generale si parla di macchine in grado di prendere e il posto umano in quei lavori lì in quel tipo di lavori lì oggi Tra gli esperti non c'è più nessuno che che ride o che pensa che sia una fantascienza si sa che non c'è oggi ma la strada sembra chiara una delle cose da fare è aumentare la scala dei centri di calcolo e dei dati ancora un po' poi ancora un po' E infatti la settimana scorsa in America hanno annunciato questo progetto che si chiama Stargate che è un progetto di un centro di calcolo in realtà una rete di centri di calcolo per il valore di 500 miliardi di dollari Ecco perché poi tutti hanno avuto un attacco di panico quando in Cina la settimana scorsa hanno messo fuori un modello equivalente quasi che l'han fatto con 5 milioni di dollari immaginate e sono crollate le borse Ma questo per spiegare la situazione di oggi cosa possiamo aspettarci domani ecco al momento abbiamo 5inque o sei grandi aziende tutte seguono la stessa ricetta prendono i dati prendono il Transformer prendono un centro di calcolo addestrano il Transformer col gioco che ho detto e poi fanno quel pezzo in più del ragionamento che non vi ho spiegato e sono Open ai meta Che vuol dire Facebook antropic che ha un prodotto che si chiama Cloud o Cloud ehm Ce ne sono un paio di altre Google ovviamente che ha un prodotto che si chiama Gemini e poi ce n'è un paio in altri paesi e tutte fanno la stessa cosa e tutte riportano gli stessi risultati sugli stessi test che è incoraggiante non dobbiamo Essere sorpresi che in Cina i nostri colleghi sono esattamente competenti tanto quanto i colleghi americani hanno gli stessi dati hanno le stesse macchine leggono gli stessi articoli hanno fatto la stessa cosa e poi la gara adesso è chi la fa più veloce più efficiente più economica e questa è una competizione tecnologica ma perché siamo in competizione perché c'è una serie di di premi lungo la strada un premio particolarmente importante è l'idea di una macchina che possa programmare i computer veramente bene non è così distante da quando da settembre abbiamo o che è competente nel ragionamento matematico questo meccanismo è anche competente nella programmazione perché il modo di pensare lo stesso è già oggi possibile all'interno di queste aziende usare i sistemi intelligenti di oggi per aiutarli come assistenti per sviluppare la prossima generazione già c'è qualcuno che pensa al giorno lontano in cui una macchina così potrà crearne un'altra migliore questo non c'è ma di questo si parla automatizzare parti sempre più più importanti della Scienza questo è importante e questo devo dirlo perché ha un valore economico l'altro Premio Nobel di quest'anno Assieme a quello della fisica vinto da Jeff hinton per l'algoritmo che vi ho detto l'altro quello per la chimica l'ha vinto un informatico inglese che si chiama Demis hassabis che è il il capo dell'azienda Deep Mind il fondatore Deep Mind adesso appartiene a Google ma è l'azienda che ha fatto queste cose da per prima ha fatto quel programma che gioca a scacchi e a go che si chiama Alpago e che ha battuto il campione umano Deep Mind Si è data una sfida importantissima alcuni anni fa se non voglio annoiarvi con dettagli di chimica In due parole e anche se non capite Non importa in biologia un ruolo centrale ce lo hanno le proteine le proteine sono delle grosse molecole dentro il nostro corpo che fanno funzioni importanti in biochimica la forma delle proteine è importantissima Non è facile capire che forma ha una proteina solamente guardando il gene che la che la specifica nel nostro genoma abbiamo geni per 20.000 proteine abbiamo la sequenza del Gene passare dalla sequenza di aminoacidi alla forma è sempre stato un problema insolubile c'era la gara fa i biochimici che si chiamava che si chiama casp ogni du anni i migliori chimici si riuniscono e cercano di competere data un insieme di sequenze genetiche cercare di indovinare Quale forma prenderà sta proteina ha un valore economico enorme ma la fisica che conosciamo noi la matematica non è sufficiente e quindi si va a naso e infatti non funzionava bene l'azienda Deep Mind si mette di impegno vuole fare un sistema intelligente che riesca automaticamente a fare questo passo ci investe un sacco di soldi ci passa molti anni esce fuori con un ritmo che si chiama Deep Fold entra nella competizione bi annuale quella di ogni du anni e vince L'anno dopo due anni dopo fanno Alpha Fold 2 entra nella competizione Sbaraglia tutti Problema risolto generosamente con i suoi soldi prende tutte le sequenze di aminoacidi in tutti i genomi Di ogni specie animale e vegetale e funghi e batteri e virus tutti i genomi esistenti e di ogni singola proteina computa la forma 20 milioni e le mette gratis su un computer tutti i Biologi del mondo Scusate uno di questi era tipicamente una carriera un dottorato un assegno di ricerca di 5 anni ciascuna loro ne fanno 20 milioni le mettono nel computer e da lì si parte oggi nessuno vuole ripetere quel processo si parte da lì gratis Premio Nobel per la chimica quest'anno Questo è un esempio di quello che c'è in palio la capacità di automatizzare pezzi enormi di programmazione di matematica e di scienza Il che vuol dire un vantaggio economico strategico scientifico tecnico sugli altri Se uno pensa in termini di competizione fra aziende o fra Stati che non è magari di buon gusto ma ci si deve pensare Ecco perché si investe molto c'è questa gara a essere il primo il primo avrà il vantaggio di usare il meccanismo per fare un meccanismo migliore Ecco perché adesso i governi se ne occupano e anche è una questione anche delicata strategica diventata ma immaginate per un secondo Cosa vuol dire avere una macchina che abbia letto tutta la letteratura scientifica gli articoli scientifici in ogni lingua di ogni epoca di ogni scienza qualcosa che possa collegare insieme scoperte di chimica con scoperte di matematica con scoperte di geologia capite il Premio Nobel per la medicina 10 anni fa lo vinse una signora cinese brillante scienziata per la scoperta dell'artemisia che è una un farmaco che cura la malaria questa signora qua ha fatto un lavoro di pazienza perché ha provato tantissimi farmaci finché questo funzionava ma i candidati che ha provato dove li ha trovati Li ha trovati nella letteratura questo particolare candidato quello che ha funzionato l'artemis lo ha trovato perché c'era un antico testo di medicina tradizionale cinese che diceva in caso di malaria si fa una tisana di quest'erba qui e la tisana si fa a freddo e non a caldo Perché senò non funziona lei prende questo questa ricetta studia il fatto che deve essere fredda e non calda capisce che c'è qualcosa in quel dettaglio isola la molecola la riproduce la prova su se stessa e su altri funziona Oggi si usa ancora e vince il primio Nobel bene immaginate quante cose potrebbero esistere collegando testi antichi articoli moderni metodi nuovi non si sa Ecco questo è in palio una macchina che organizzi colleghi le conoscenze Voi direte Ma questo non è una cosa che un essere umano può fare e in effetti questo è la vera sfida se voi calcolate quanto tempo vivete facciamo io perché voi avrete non voglio avrete più fortuna di me ma facciamo che io vivo 100 anni E voi di più e in 100 anni ho 300 giorni per farla per fare come come conto come conto nei fisici 300 giorni all'anno per 100 anni sono 30.000 giorni in una vita un libro al giorno 30.000 libri Quante lingue parlo due o tre Ok 30.000 libri tre lingue più o quattro lingue dai ma questo è quello che io posso leggere e se uno leggesse 300 milioni di libri o 3 3 miliardi questo non esiste abbiam calcolato ho calcolato ho chiesto in giro Ho chiesto a colleghi che fanno sto lavoro sembra che il numero totale di libri mai scritti nella storia del mondo sia 120 milioni non è mica tanto ma già arrivare a 3 milioni È completamente al di fuori di un essere umano 30 milioni È impensabile Ecco si parla non c'è oggi non voglio farvi chiedere che c'è ma il metodo se scalato industrialmente Come si tenta di fare diventerà rapidamente capace di digerire 10 milioni di libri esistono già 20 25 milioni di libri digitalizzati oggi in forma già pronti gli editori tutti hanno ricevuto telefonate da da queste aziende i giornali lo stesso perché vogliono le aziende i cataloghi e gli archivi Ecco questo è quello che c'è in al per il primo che arriva Adesso controllo abbiamo fatto 40 minuti faccio ancora 10 e poi facciamo domande però capite dove siamo sembra un discorso un po' assurdo che che non mi vergogno quasi a fare ma Credetemi nel 2025 ci sono macchine che possono leggere milioni di libri e capire qualcosa ora Cosa vuol dire capire Non sono il tipo di comprensione che abbiamo noi Noi siamo un tipo di intelligenza pieno di sentimenti di emozioni di di di problemi di siamo una miscela noi di di di intelligenze diverse ovviamente ma le abilità intellettuali quelle linguistiche prima quelle logiche matematiche e le altre solo quelle cognitive di quelle stiamo parlando e quelle cose lì hanno un valore economico Allora le aziende Open ai e Deep Mind in particolare hanno messo a punto tutto quello che loro chiamano la mappa la road map I passi che secondo loro dovremo compiere per arrivare all'obiettivo che loro chiamano intelligenza generale e la mappa che si usa ha cinque stadi Questa è quella di Open ai il primo livello i conversatori chat GPT conversa il secondo i ragionatore il modello o1 ragiona il terzo passo sono gli agenti meccanismi in grado di agire sul mondo per esempio un agente potrebbe fare questo Prenotami una cena in un ristorante di Brescia questo può fare la telefonata al ristorante capire se c'è il tavolo libero prendere l'appuntamento e metterlo nel calendario Questo è un agente siamo a pochi mesi Credo che entro quest'anno questi agenti sono già pronti non sono messi in commercio e c'è un motivo pratico ma esistono il motivo pratico è che c'è una responsabilità legale molto alta se io do al mio agente la carta di credito e questo va in giro a fare lo shopping per me chi mi garantisce che qualche furbetto dall'altra parte non ha fatto un sito per ingannare la gente e rubarmi le carta di credito C'è un problema di di assicurazione Ma la macchina che fa ste cose C'è conversatori ragionatore agenti poi si parla di Inn atori questo ancora non c'è un meccanismo in grado di produrre innovazioni idee nuove e poi l'ultimo incredibile lo chiamano organizzazioni vuol dire l'equivalente di un gruppo di persone che lavora non c'è se ne parla molto si aspetta 23 anni L'idea sarebbe se avessi un intero studio legale dentro nella scatola e gli dessi un caso e questo lo risolve manda le lettere manda le intimazioni gli sfr o se avessi un commercialista questo fa le denunce dei redditi Ecco quanto si risparmia Quanto si guadagna quanto si perde ormai si lavora in quel senso lì e poi c'è il lato intelligence dei governi che hanno bisogno di organizzare le informazioni su Scalea enorme e non è neanche l'inizio Però adesso vi state annoiando Probabilmente qualcuno si annoia posso fare domande Se volete Sen no vado avanti io Eh ancora un pezzo però poi fate segni perché la cosa peggiore è farvi andare via annoiate no allora vi dico un pezzo in più finora ho parlato di testo ma l'ho fatto solamente per semplificare la narrazione esistono modelli che vedono le immagini e anche vedono i testi e li collegano e li chiamano modelli multimodali perché ogni modalità di sensoriale è un modo diverso il parlato le immagini i testi immaginate di togliere il testo togliamo il linguaggio si può fare una macchina che impara solamente dalle immagini dal parlato o magari senza il parlato le immagini e altre misurazioni una macchina come la Tesla che ha gli occhi alle orecchie ai sonar genera dei dati può questa macchina capire il mondo a modo suo diverso dal mio oppure un edificio come questo con le telecamere i microfoni i sensori i termometri perché non lui sviluppare una sua comprensione del suo ambiente che lo aiuti a predire cosa capiterà dopo perché alla fine l'intelligenza è questo non è leggere i versi di Carducci anche se ci sembra la verità è che l'intelligenza serve alla gallina per attraversare la strada senza essere schiacciata dal camion Cosa vuol dire anticipare cosa farà il mondo vuol dire guardare il mondo farne un modello interno abbastanza approssimativamente decente che io posso anticipare cosa capiterà se vado di qua o se vado di là predire il futuro un pochino Questo è lo scopo dell'intelligenza tirare avanti non morire Questo era il dinosauro deve riuscire a mangiare cosa farà la sua preda se la inseguo di qua se la inseguo di là questo le automobili lo faranno tra breve gli edifici probabilmente senza bisogno di linguaggio quindi non facciamoci ingannare del fatto che il linguaggio in questo momento è così centrale il metodo è più generale E quindi si parla di macchine che si guardano YouTube e cercano di capire come funziona il mondo uno dei progetti di Deep Mind lo chiamano adesso massive World Models enormi modelli del mondo l'idea Allora è questa che se abbiamo un modello del mondo buono che possa emulare la fisica del mondo Questo può essere usato per fare i video i filmati o per addestrare una macchina che guida senza bisogno di mandarla per la strada usando questo modello la macchina è un simulatore del mondo ma a quel punto anche i robot possono essere addestrati dal simulatore senza andare nel mondo ed è questo il progetto dopo no una macchina che sia in grado di fisicamente Abitare il mondo e quindi insomma Qualcosa è cambiato e quando si apre una porta si Esplora abbiamo aperto delle porte non abbiamo finito di esplorare c'è ancora da fare della strada prima di trovare il prossimo ostacolo senza dubbio salterà fuori un altro impedimento ma in questo momento qui c'è una porta aperta si va dentro tutti di corsa si cerca di capire quanto spazio c'è ed è un momento che molti hanno atteso tutta la vita molti hanno paura È la prima volta che incontriamo un altra entità diversa da noi che possa parlare con noi non si parla con gli animali si parla con le persone da 2 anni si parla con questa cosa qui non eravamo pronti e allora questo signore l'ingegnere americano Blake Leman incaricato da Google di collaudare la primissima versione del loro modello che era uno che in teoria dovrebbe sapere ste cose anche lui si convince che la macchina è autocosciente perde la testa Chiama i manager chiama la stampa questa macchina è viva c'è un Poverino in Belgio che lo scorso anno due anni fa si è innamorato del suo chat Bot era uno con problemi Un po' mentali si è innamorato ha perso la testa era già depresso Si è confidato con lui dei suoi propositi malsani autolesionistici la macchina lo ha incoraggiato lui si è tolto la vita poi la moglie ha scoperto tutto leggendo il computer questo incontro fra noi e loro è andato in mille modi diversi C'è una macchina che ha diffamato delle persone si è inventata notizie false su un povero avvocato americano dicendo che era un molestatore di studenti quando non era vero Si è inventata le prove Si è immaginata le prove le chiamiamo oggi allucinazioni la macchina si era convinta di avere letto un articolo di cui sapeva il titolo la data l'autore la pagina il giornale tutto e tutto questo non esisteva Infatti un problema molto grosso adesso è bloccare le allucinazioni tante volte la macchina si inventa delle cose il libro che avete fuori Se volete vederlo è pieno di casi è un libro fatto di entrambi i libri libri son fatti di storie di gente perché la teoria è noiosa Ho raccolto le storie di sta gente e quindi ho molte storie di allucinazioni e si deve controllare è vero sto articolo esiste e fino a pochi mesi fa io andavo da uno dei Bot parlavo di scienza questo mi dava un articolo come lo sfidavo pui dimostrarmi chi l'ha detto questo diev Ah S è scritto in questo articolo qua io Poi andavo con la grande pazienza su Google a cercare sto articolo certe volte esisteva certe volte non esisteva poi ho preso l'abitudine di chiedere a un altro Bot che ne pensi questo esiste o non esiste e questo diceva ma non l'ho mai visto poi va a sapere chi ha ragione due settimane fa ho avuto una sorpresa incredibile Perché questo nuovo modello o1 ragiona e non mi ero accorto Cosa vuol dire ragionare ho detto ma questo articolo qua in questo giornale con questo titolo e data ti sembra vero e uno ho detto l'articolo del 2022 e Quella rivista ha cessato di funzionare nel 2010 quindi non è possibile questo non vuol dire che ha reperito o non ha reperito questo Ha ragionato Ecco è un esempio di come anche un'abilità semplice Come ragionare possa essere usata poi per controllare i fatti e migliorare tutto il resto ogni cosa che miglioriamo migliora il resto Ecco basta così non preoccupatevi [Applauso] Grazie se ci sono delle domande però una raccomandazione doverosa siano brevi in modo da lasciare a tutti la possibilità di intervenire se lo vol Eco Sì questo questo domande brevi e non non dichiarazioni C vogliamo un punto di domanda se se alzate la mano vengo da voi c'è signora qua è sempre bello cominciare con la signora qui là ah ci vuo il microfono ci ho pensato grazie No eh mi sì sì No io volevo fare una domanda che riguarda la tempistica cioè i tempi di elaborazione del computer sono diversi uguali o inferiori a quelli delle sinapsi cerebrali nostra dei neuroni le sinapsi sono più lente però eh al momento l'ostacolo è quanto grande possiamo fare sta macchina ma se vuole sapere i tempi con cui il segnale si propaga nervo umano o in un cavo di di di metà è Chiar più lento nervo umano senza dubbio di molto nel primo film Blade Runner c'è un tentativo di capire se il i vari robot che sono arrivati sulla terra sono esseri diciamo così viventi o se sono robot quegli studenti che hanno capito che eh quella quel quel computer era un computer e non un essere vivente Che tipo di come dire come sono arrivati a capire questa cosa sì Non lo so non ho visto le trascrizioni però Tenga presente che se c'è un 50% probabilmente vuol dire che non son nessuno Nessuno ha capito niente E han tirato indovinare e mi aspetto esattamente il 50% Cioè non è detto che abbiano trovato una domanda e lei Prima diceva che ogni salto generazionale richiede un incremento di un ordine di grandezza Se ho capito bene ma è un incremento di ordine di grandezza solo verso l'alto nel senso mi serve una macchina 10 volte più potente o può essere un incremento di efficienza quindi a parità di hardware Sì questa si chiama l'ipotesi della Scala the scaling hypothesis cioè l'ipotesi che è la congettura Che continuando ad aumentare le dimensione di cosa le prestazioni continueranno a migliorare finora è così ma non è detto che continui ha ragione Non c'è bisogno di c'è bisogno di aumentare la capacità di calcolo Quindi anche se non facciamo niente l'evoluzione del della tecnologia è tale che basta aspettare un po' di anni E comunque la macchina migliora da sola al momento la competizione è tale che si cerca di fare macchine più grandi perché non vogliamo aspettare quei 56 anni Ma se aspettassimo 6 anni avremmo le stesse postazioni ma saremmo indietro rispetto agli altri di 6 anni Buonasera e si può dire che il limite di questa ovulazione può andare di pari passo con la quantità di informazioni che noi riusciamo a dare cioè lei dava dei numeri sui libri Se a un certo punto i nostri libri finiscono questa evoluzione può rallentare o fermarsi Sì è la più grande grazie È la più grande preoccupazione di questo in questo momento si chiama il muro dei dati the data Wall è come un treno che va a sbattere contro il muro dei dati e quando non ci sono più dati cosa facciamo sembrava ci sono ancora dei libri che non ha letto ma uno pensa al futuro prima o poi il tasso con cui produciamo contenuti noi è più lento del Tasso con cui le macchine li consumano Quindi prima e poi non c'è più niente magari sarà 6 anni 7 anni 8 anni Ma prima poi non c'è più niente non siamo in grado di scrivere così velocemente come la macchina cresce però uno ci sono altre modalità già adesso si sta raschiando il fondo del Barile perché già adesso si stanno utilizzando Queste aziende qua stanno trascrivendo tutti i filmati di YouTube e le trascrizioni diventano testo per avere un po' di testo in più ma c'è la grande speranza uno di generare o sintetizzare contenuti sembra una stupidaggine ma si sta faccendo e questo consente di eliminare le cose che non vogliamo alla fonte perché le le le sintetizziamo cioè un modello di questa generazione può generare testi credibili per addestrarla un altro Questo processo non volevo annoiarvi ma me l'ha chiesto questo processo di un modello che impara da un altro modello si chiama la distillazione fra le 1000 teorie della cospirazione che girano non sono così campate in aria fa le 1000 spiegazioni possibili per questo grande successo cinese dello scarso settimana una teoria che sento dire a molti colleghi la distillazione c'è un modello che ha fatto domande all'altro modello quello americano Quindi in teoria si può aggirare il muro dei dati sintetizzando generando dati sintetici in altro modo non solo coi modelli o descrivendo immagini trascrivendo testi ma prima o poi i dati sembrano essere la risorsa limitante assieme all'energia e la capacità di calcolo Grazie Prego le Buonasera le conoscenze le competenze acquisite attraverso questo sistema sono da noi confutabili oppure ci dovremo affidare ovviamente allo stesso sistema per confutarlo all all'esempio della proteina e noi partiamo da lì dal dato che è stato acquisito dalla dalla macchina diciamo perché non siamo in grado di arrivarci con le nostre competenze e quindi ci dovremmo affidare ad un'altra macchina eventualmente che ci dirà che quel dato è errato oppure noi stessi potremmo arrivarci o ci stiamo impegnando per arrivare cioè abbandoniamo la strada poi della conoscenza una volta arrivati al risultato oppure ci affidiamo totalmente alla macchina è un fatto di costi e di tempi perché ciascuna proteina si può sempre risolvere con metodi si chiamano cristallografici cioè si fa un cristallo e lo si guarda coi raggi x e si fa la c'è un metodo la forma si può osservare ma passa dei mesi e degli anni come si verificano 20 milioni si prende un campione si ci si ci si rassicura che sto campione è corretto in tutti i casi che abbiamo preso e gli altri ecco quindi questo è un problema interessante da ma ci sono altri casi in cui è costoso trovare la soluzione ma una volta trovata si verifica facilmente allora lì è facile controllare In altri casi bisognerà mettere dei soldi nel tempo e verificare è una buona domanda ma Fidarsi non è mai una buona idea Bisogna sempre avere dei sistemi di di di controllo e quindi si insiste adesso che la macchina dichiari le fonti e che R da esplicito il ragionamento che ha seguito siamo all'inizio Buonasera proprio seguendo questo non trova che mentire e saper mentire sia un'altra delle caratteristiche di un'intelligenza E se sì Riguardo a questo Asimov si inventò le tre lei della robotica per costruire la sua storia sui robot prima che i robot esistessero esiste Gli scienziati stanno ragionando in termini di controllo contenimento regole insomma per queste macchine e per queste intelligenze Ah Eco L'ho trovato finalmente cio Benissimo dunque Giusto per essere Pignolo poi rispondo mentire è una caratteristica solamente di un singolo tipo di intelligenza che siamo noi perché noi parliamo e quindi possiamo anche dire cose false tutte le altre forme di intelligenza non hanno quel problema Lì però noi facciamo ste cose qua Ma non è che la cavalletta adesso dice le bugie alle altre cavallette dobbiamo cercare sempre di tenere in mente noi siamo un caso la distinzione fra menzogna e sbaglio è tutta da capire negli intenti se esiste un senso di intento No è molto complessa Ma esiste un'industria enorme e importantissima che sta nascendo sul contenimento e la sicurezza di ste cose non c'è alcun dubbio i modelli che sono sul mercato adesso sono vecchi di un anno perché quest'ultimo anno l'han passato facendo una serie di controlli i controlli sono molto forti perché nessuna azienda vuole essere sul giornale o essere in prigione o essere responsabile per un disastro ed è un'industria che dovrà crescere ancora moltissimo il contenimento sono dei test che si fanno si cerca di indurre la macchina in tentazione gli si creano tutte le condizioni perfette per fargli fare una cosa contraria ai ai Principi e quando la fa scatta l'allarme si blocca tutto è successo pochi giorni fa si è cercato di vedere se la macchina è in grado di replicare se stessa ma glian proprio creata tutto cioè gliel'ha proprio servita pronta e sta macchina alla fine ha copiato se stessa e giornali no esiste costantemente sia queste cose qua un po' un po' un po' teatrali ma sia anche il vero metodo che è il metodo della squadra rossa quando si facevano le esercitazioni militari al tempo della guerra fredda c'erano due squadre gli americani o la nato e gli altri gli altri erano i rossi the red team e da quella volta è nata questa espressione che per riuscire a fare manovre fare esercizio Ci vuole sempre un Red team e le aziende hanno un Red team di gente bravissima pagata bene con la taglia Se riesci a rompermi il modello Questa è la taglia e questi fanno tutto quello che possono per indurre la macchina a dire stupidaggini a sbagliare a fare commettere dei reati è meglio scoprirlo in casa con il Red Team che dopo sul mercato lo fanno costantemente una una domanda Facciamo l'ultima Facciamo l'ultima meno meno tecnica a livello geopolitico in questo momento abbiamo due grossi attori Stati Uniti da una parte C dall'altra che si contendono la la la bontà dei modelli l'Europa in questo scenario A parte gli aspetti regolatori su cui ho l'impressione che si stia muovendo dal punto di vista dello svil de modelli come è messa vado veloce perché vedo che tutti si stanno alzando non è colpa sua Eh colpa mia Gli scienziati Sono bravissimi io la conferenza ultima visto c'erano 9800 scienziati di ogni paese tutti pubblicano tutto insieme in inglese il codice è trasparente si sa quello che si fa la gente lavora insieme il talento è uguale Eppure è vero che da da generazioni ormai le grandi le grandi prodotti innovazioni vengono più facilmente dall'America che non dall'Europa Non è un fatto di questa tecnologia qui è un fatto molto più antico E c'è gente che ci studia chi fa i corsi di di business MBA È una domanda che studiano scientificamente perché nella serie con Valley sì e a Brescia No è una buona domanda io non so la risposta sembra che questa cosa delle ai stia seguendo esattamente la stessa cosa del resto delle informatica le grandi innovazioni vengono fuori dalla California o dal Canada in questo momento ma non c'è motivo per cui noi non possiamo provare il fatto che in in Cina pare abbiano fatto sta cosa qua in pochi mesi con 2000 processori perché hanno un embargo loro loro in Cina non possono comperare i processori buoni Noi sì Io non vorrei sembrare polemico Ma appunto cosa aspettiamo Grazie