A.I e Matematica: usi e riflessioni

0
359
Matematica e A.I.

La matematica è la più antica e moderna scienza, che permea costantemente la vita quotidiana. Essa si fonde e coniuga con molteplici discipline e ambiti. La scienza dei numeri è presente, ad esempio, in economia, fisica, chimica e, nell’era contemporanea, si riscontra nell’Intelligenza Artificiale o A.I. o Artificial Intelligence.

In più, oggi, si parla di A.I. predittiva. Quest’ultimo termine indica la capacità previsionale futuribile della A.I., stante l’elaborazione di modelli definiti mediante apprendimento automatico. A seguire, l’A.I. predittiva è la summa di programmi informatici. Contestualità matematiche ad hoc in cui convergono analisi statistiche, necessarie per caratterizzare precipui modelli e anticipare comportamenti e situazioni venture.

Una delle peculiarità della A.I. riguarda, nello specifico, la capacità di analizzare, in tempi pressocché reali, una grande quantità di dati. Anche se, talvolta, detta attitudine può non risultare del tutto soddisfacente. L’A.I. predittiva può rivelarsi, comunque, strumento previsionale di valore, sia nelle elaborazioni scientifiche di dati, sia nella contingenza dei vari settori lavorativi. Nello specifico, l’intelligenza Artificiale raggiunge esiti e conclusioni attendibili, processando un profluvio di dati. Tale elaborazione, in termini di umana comprensione, è assimilabile alla capacità di fare previsioni, stante la reiterata esperienza di un evento. In tal caso, l’A.I. predittiva è una delle funzioni che i computer posseggono per imitare la cognizione umana.

A.I. applicata alla Matematica

Secondo il prof. Giovanni Gallo, docente di informatica all’Ateneo catanese, “la realizzazione di modelli matematici, per la simulazione dei linguaggi umani, ha raggiunto di recente il grande pubblico”.
La capacità di sintetizzare, organizzare e replicare i “discorsi” umani, dopo una massiccia e costosa fase di “allenamento” di tali sistemi, appare oggi stupefacente. Essa conduce al “punto di singolarità”, che fa presumere come la capacità di intelligere e di pensare delle macchine supererà quella umana. Per l’appunto, questa tecnologia è stata appellata “Intelligenza Artificiale”.

prof. Giovanni Gallo
Prof.Giovanni Gallo

Tale denominazione “di mercato” – afferma il prof. Gallo – però non è corretta. Si tratta di strumenti di eccezionale potenza il cui utilizzo porta vantaggi importanti e numerose sfide. Tuttavia, la capacità umana di fare connessioni, creare pensieri e idee originali non è alla loro portata. Il succedersi di innovazioni concernenti i “Large Language Model” traccia una linea che evidenzia successi e limiti di tali strumenti.

A.I. e Matematica: i Large Language Model

A tal proposito, i Large Language Models o LLM rappresentano un modello linguistico di grandi dimensioni. Così, i LLM delineano una tecnologia di A.I. o Artificial Intelligence avanzata, incentrata su analisi e comprensione di testi. Inoltre, i LLM sono in grado di cogliere le complessità del linguaggio naturale, dunque, uno stadio più evoluto dei tradizionali algoritmi di apprendimento automatico.

Al fine di generare risposte significative e fornire informazioni richieste dall’utenza, i LLM devono elaborare una mole cospicua di dati. In tal caso, analizzano svariati testi, articoli, libri per apprendere diversi linguaggi settoriali. Ogni giorno, i LLM vengono utilizzati per effettuare ricerche, traduzioni e scrivere testi. È chiaro, che tali modelli linguistici, verranno sottoposti a ulteriori verifiche e perfezionamenti, tali da divenire più potenti e risolutivi.

I LLM sono diventati ricercati e di continuo utilizzo. Si è in un perpetuo work in progress, così i modelli linguistici diverranno maggiormente sofisticati. Si ragiona finanche su sintassi, ontologia e semantica, relative ai cosiddetti corpora del linguaggio umano. Tra i LLM più conosciuti, si menziona la serie di modelli GPT di OpenAI, ossia: GPT-3.5 e GPT-4, utilizzati, nello specifico in ChatGPT e Microsoft Copitol. O ancora si cita Chatbot, che elabora e simula i dialoghi umani, parlati e scritti. Il software consente l’interazione con dispositivi digitali, come se si stesse comunicando con un utente reale.

A.I. e Matematica

Ormai, volendo osare ancora, si può asserire di esser in presenza del Sacro Graal della modellazione matematica e computational science. Logiche teorico-applicative che vanno ben oltre alla medesima A.I. Esse si basano, invero, su leggi fondamentali della fisica e/o dell’ingegneria e conducono a sistemi di equazioni. Sono in grado, pertanto, di rappresentare tutte le variabili che caratterizzano il processo di individuazione e di estrazione di dati.

In conclusione, si vuole veicolare un messaggio: la macchina non ha spirito intuitivo e originalità. Essa ha solo la capacità di replicare ciò che acquisisce da informazioni immesse, tramite processo di machine learning.                                                                                                                         Infine, si rievoca una celebre frase del premio Nobel per la Fisica (1921) Albert Einstein. Lo scienziato, tramite un’illuminazione filosofica, fornisce momenti di riflessione sulla capacità di accogliere e adattarsi al cambiamento. Di certo, questa dote è in sé metro con cui confrontare le visioni del futuro e dell’intera umanità.

Einstein sostiene che, attraverso la capacità di adeguarsi ai mutamenti, si individua la plasticità evolutiva umana direzionata verso l’inconosciuto. In particolare, l’aforisma di Einstein recita che “La misura dell’intelligenza è data dalla capacità di cambiare quando è necessario”.
Si auspica, dunque, che la massima citata sia reale veicolo per comprendere come e quando evolvere. Riflettendo acquattati sui gradini della conoscenza, si possa discernere in maniera consapevole sul miglior futuro da adottare. E, affermare tout court principi di bene supremo. Il fine è progredire secondo i canoni dell’avvedutezza e “quando è necessario”.

Luisa Trovato

 

Print Friendly, PDF & Email