Una selezione dei principali highlight dal mondo dell’intelligenza artificiale, analizzati dai nostri esperti ogni settimana
Il processo di sviluppo dell’intelligenza artificiale raggiunge nuovi traguardi e risultati non senza che affiorino però importanti criticità. Come mette in luce il nuovo Artificial Intelligence Index Report (AI Index), giunto alla sua quinta edizione, la crescita del settore AI, testimoniata dal boom di investimenti privati, implica anche l’emergere di nuove sfide in campo etico che sono sempre più motivo di discussione e materia di approfondimento nell’ambito della ricerca.
Investimenti in AI raddoppiati in un anno
I sistemi AI iniziano a essere utilizzati in modo diffuso mentre gli investimenti privati aumentano in maniera consistente. E l’integrazione dell’AI nell’economia produce effetti globali su diversi piani.
Stando ai dati contenuti nell’ultimo Artificial Intelligence Index Report, elaborato dall’Institute for Human-Centered AI (HAI) della Stanford University, tende, inoltre, a diminuire il numero di nuove start-up AI.
Secondo gli autori del testo, un gruppo qualificato di esperti e accademici provenienti dal mondo produttivo e universitario, gli investimenti privati ammontano nel 2021 a 93,5 miliardi di dollari, più del doppio della somma registrata nel 2020 (46 miliardi di dollari).
Contemporaneamente, il numero di aziende AI di nuova costituzione si riduce: nel 2019 erano 1051, nel 2020 erano 762, e nel 2021 ancora meno, diminuendo fino alla cifra di 746. Nondimeno, i round di finanziamento di più di 500 milioni di dollari nel 2021 sono aumentati notevolmente raggiungendo quota 15 (erano soltanto 4 nel 2020).
Più in dettaglio, le aziende AI sono in grado di attrarre investimenti maggiori nel 2021 e sia i round di finanziamento tra 100-500 milioni di dollari sia quelli tra 50-100 milioni di dollari sono nel 2021 più che raddoppiati rispetto al 2020.
Come indica l’AI Index, i comparti start-up che ricevono nel 2021 più risorse sono data management, processing e cloud (12,2 miliardi di dollari), seguiti dai settori medicale e fintech.
Complessivamente, diventa più facile e meno dispendioso l’accesso alla tecnologia AI, le cui prestazioni migliorano sempre più. Il costo di addestramento un modello di classificazione delle immagini è diminuito di quasi tre volte, mentre decrescono i tempi per il training dei modelli AI più maturi.
AI e occupazione
Quanto all’occupazione collegata all’ascesa dell’economia AI, le regioni e i paesi in cui viene riscontrato l’incremento più elevato di assunzioni sono Nuova Zelanda, Hong Kong, Irlanda, Lussemburgo e Svezia (2016- 2021). L’offerta di lavoro AI, calcolata sugli annunci specifici di settore in rapporto alla totalità del job posting, è particolarmente elevata a Singapore, tallonata da Stati Uniti, Canada e Gran Bretagna. Più nello specifico, negli Usa le skill più ricercate sono quelli legate alla specializzazione nel machine learning, reti neurali ed elaborazione del linguaggio naturale.
Stati Uniti e Cina, paesi leader nell’AI
Gli Stati Uniti rappresentano il paese leader a livello globale sia negli investimenti privati sia nel numero di start-up di nuovo conio, con cifre rispettivamente tre e due volte superiori a quelle della Cina, che risulta seconda nella classifica generale. Tuttavia, la Cina supera gli Usa nella quantità di pubblicazioni, conferenze e repository AI, con un vantaggio percentuale di più 62,3%.
Il primato cinese si realizza anche e soprattutto nelle richieste di brevetto (più del 50%, 87.343, sul totale delle domande avanzate a livello internazionale nel 2021), benché i brevetti ottenuti siano di gran lunga inferiori (1.407). Giova sottolineare che la domanda di brevetti AI su scala mondiale è cresciuta a tassi record risultando nel 2021 30 volte superiore al 2015.
Stati Uniti e Cina registrano, peraltro, il maggior numero di collaborazioni internazionali nelle pubblicazioni AI nel periodo 2010-2021, aumentato di cinque volte dal 2010. Entrambi i paesi, nonostante la concorrenza, hanno instaurato una proficua partnership che porta a pubblicare ricerche in comune con un grado di collaborazione superiore a quello intercorso tra le altre nazioni.
Etica e governance
Ai problemi dell’etica AI, AI Index dedica un intero capitolo. Negli ultimi anni i sistemi AI sono stati introdotti e sperimentati e si è cominciato ad affrontare più direttamente i loro aspetti più controversi e dannosi. A partire dal 2014, i temi della trasparenza e dell’equità nei modelli AI sono stati sempre più messi al centro nella ricerca. Specialmente quella finanziata dall’industria ha contribuito in modo significativo all’aumento di pubblicazioni su questi argomenti (+ 71%), anche organizzando più conferenze incentrate sull’etica AI.
In ambiti come il riconoscimento facciale sono state evidenziate distorsioni di discriminazione razziale, nello screening curriculare pregiudizi di genere, e negli algoritmi AI usati in campo sanitario deviazioni che pregiudicano gli interessi di gruppi socio-economici e razziali.
Di conseguenza, la ricerca ha operato per correggere i bias umani che i modelli AI finiscono per riflettere e, per certi versi, amplificare. Per raggiungere questo obiettivo, sono state introdotte varie metriche che nell’AI Index vengono messe in risalto ed esaminate per valutarne l’efficacia in una prospettiva etica e di equità.
Benchmark e strumenti di ricerca
Nel documento si passano in rassegna i principali strumenti e benchmark di cui la ricerca si avvale. Tra quelli citati ci sono Perspective Api, sviluppato da Jigsaw, società di Google, o RealToxicityPrompts che vengono utilizzati per misurare la tossicità di un linguaggio.
Crows-Pairs e StereoSet, applicato per la valutazione dei modelli BERT, GPT-2, RoBERTa, e XLNet, sono impiegati per identificare stereotipi e pregiudizi di tipo razziale, religioso, professionale, e di genere. Winogender e WinoBias si occupano specificamente di rintracciare i bias di genere in ambito lavorativo, mentre WinoMT analizza i pregiudizi di genere nei sistemi di traduzione automatica che, come messo in luce, rispecchiano quelli dei dataset sottostanti.
Mentre organizzazioni come OpenAI sostengono di aver compiuto progressi nella riduzione di pregiudizi i ricercatori di AI Index sottolineano che più i modelli AI diventano evoluti e di grandi dimensioni (LLM – Large Language Model) più sono esposti a maggiori rischi di bias. Gopher, il sistema da 280 miliardi di parametri sviluppato da DeepMind è un esempio di questa stretta correlazione che porta a un surplus di tossicità (+ 29%) rispetto a modelli con un minor numero di parametri. La stessa società controllata da Alphabet (Google), consapevole del rischio, ha riconosciuto la necessità di analizzare più a fondo le implicazioni etiche associate alla costruzione di LLM.
D’altro canto, anche i sistemi multi-modali non si sottraggono al manifestarsi di stereotipi e pregiudizi che ne pregiudicano il valore, postulando l’esigenza di metriche più consone, in grado di fornire dati più dettagliati in merito.
Per ciò che riguarda la governance AI, si riscontra un interesse crescente di governi e organismi legislativi a regolare il settore. AI Index mette sotto scrutinio 25 paesi nei quali si registra un forte incremento di progetti di legge (soprattutto negli Usa) e nuove normative approvate (18 nel 2021 contro 1 del 2016) per promuovere lo sviluppo dell’intelligenza artificiale e finanziare l’innovazione AI, fondata sulla centralità dei valori umani.
Conclusioni
Tirando le somme, il 2021, secondo Jack Clark, responsabile, insieme a Ray Perrault, del programma AI Index, rappresenta un anno di svolta nel quale l’AI passa dalla fase di tecnologia emergente a una fase di maturità: non si tratta più di un settore relegato al ristretto ambito della ricerca scientifica ma diventa un fattore in grado di avere un impatto nel mondo reale, sia in un senso positivo che negativo.
