SANITÀ, CLIMA, RICERCA L’AI CI DÀ UN VANTAGGIO
Per essere competitivi le grandi aziende europee devono fare gioco di squadra con startup, università e centri di supercalcolo. Tra i campi in cui l’intelligenza artificiale generativa può portare più benefici c’è l’analisi del genoma umano
L’intelligenza artificiale generativa è in grado di fare tante cose. Alcune, innegabilmente, possono essere davvero pericolose. Durante le primarie nel New Hampshire, usando degli audio di Joe Biden, è stato diffuso in Rete un invito agli elettori di quello Stato a starsene a casa e non andare a votare. Immagini false e sconvenienti di personaggi più o meno famosi circolano in rete. Negli Stati Uniti o nel Regno Unito si stanno chiedendo cosa fare per arginare questo fenomeno. Come noto, l’europa ha varato per prima al mondo le regole racchiuse nell’ai Act, che obbliga le aziende che sviluppano Ai generativa a identificare chiaramente i contenuti generati (wartermarking).
È importante tramite le regole prevenire i rischi dell’ai per promuoverne l’adozione. Una narrativa troppo incline a evidenziare i pericoli, e molto poco le opportunità, rischia di farci perdere l’occasione come Europa e come Italia di fare un salto competitivo che ci metta al pari, se non davanti, ad altre aree del mondo. Con un doppio binario basato su buona regolazione e promozione dell’innovazione si vuole fare in modo che questa svolta tecnologica possa vedere l’europa protagonista, di nuovo, sia dal punto di vista normativo, sia dal punto di vista di mercato. E cioè con società e aziende nate sul nostro territorio che possano dire la loro nella competizione globale. A questo proposito, si deve prima fare un passo indietro. O meglio, focalizzarsi su alcuni elementi chiave che caratterizzano questa nuova tecnologia: l’ai generativa. Elementi come l’imitazione e la generazione. L’uomo è da sempre un grande imitatore della natura. La osserva affascinato e la sua forza è stata quella di comprenderne le regole: questo spiega intuiziote ni come replicare il fuoco o la ruota. Eppure, la più grande sfida per l’umanità è sempre stata tentare di replicare il cervello umano. Che ha un’espressione evidente a tutti e che si concretizza nel linguaggio.
Imitazione e generazione
La questione della comprensione del linguaggio parte da lontano. È molto simile alla sfida della crittografia che aveva di fronte Alan Turing quando doveva decrittare le comunicazioni delle truppe tedesche durante la Seconda guerra mondiale. La domanda è: dato un insieme di simboli e parole, qual è la semantica e qual è la sintassi che regola il processo? Esiste una sequenza più probabile di un’altra che rappresenta in maniera ragionevole il risultato atteso? Un esempio banale è la parola «Re», che può essere seguita più probabilmente da un’altra parola come «nobile», piuttosto che «a pallini». Il secondo accostamento non ha significato. Mentre il primo sì. Mettendo assieme miliardi e miliardi di associazioni, grazie alla potenza dei supercomputer, si comprende come sia possibile generare linguaggio, proprio a partire dalla sua imitazione. È la meraviglia che proviamo davanti a Chatgpt e i suoi fratelli. Gli algoritmi generativi comprendono la semantica e la sintassi del linguaggio, ma non perché ne afferrano il significato profondo, quanto perché ne capiscono le regole che, attraverso miliardi di miliardi di combinazioni, arrivano a generare linguaggio. La potenza di calcolo è fondamentale. Infatti, se non ci fosse la rete europea di supercomputer — come il bolognese Leonardo, il Lumi finlandese o il Mare Nostrum di Barcellona — a disposizione delle aziende italiane, francesi o tedesche, ben difficilmente queste potrebbero sperimentare la nuova tecnologia. Siamo di fronte a complessi algoritmi, estremamente sofisticati, che hanno questa capacità straordinaria di imitare. Ma imitare è restrittivo. Sono in grado di generare secondo le regole della sintassi e della grammatica o le regole dell’osservazione di immagini. Tutto questo avviene attraverso l’imitazione di regole che discendono da miliardi e miliardi di combinazioni di singoli minuscoli fattori: ancora una volta, l’uomo cerca di imitare l’elaborazione del cervello (e, in questo caso, dell’occhio) attraverso le macchine. Ma perché l’intelligenza artificiale generativa è un cambiamento così radicale e perché l’europa ha varato il progetto GENAI4EU, che è sostanzialmenper l’applicazione dell’intelligenza artificiale generativa in tanti settori, dove la stessa Europa è tradizionalmente forte (medicina, biotecnologie, auto, robotica, aerospaziale)?
Il tema è che più addestri un algoritmo più l’algoritmo avrà valore. Se si permette ad altri algoritmi— di chiunque essi siano — di addestrarsi sui nostri dati, avviene quello che gli esperti chiamano un trasferimento di valore. È importante che le aziende, soprattutto le più grandi, attive nei vari settori cruciali della nostra economia comprendano come in questo particolare momento è difficile essere competitivi nel campo dell’intelligenza artificiale singolarmente. Il gioco di squadra classico che vede le grandi aziende affidare alle startup il ruolo di lepre, di sperimentatrici d’innovazione, va completato con l’utilizzo dei centri di supercalcolo. Oltre che delle università per quanto riguarda specificatamente la ricerca.
Dna e alfabeto
In quali campi l’intelligenza artificiale generativa potrà essere più efficace? Se pensiamo ancora al linguaggio, ebbene quello che affascina di più i ricercatori è il genoma umano. La genomica è una lingua, anzi la lingua della vita. Il Dna è l’alfabeto. Ha una complessità estrema molto più sviluppata della lingua che parliamo, per cui abbiamo avuto sempre difficoltà, per esempio, a effettuare un sequenziamento completo. A comprendere tutte le possibili generazioni, anomalie, combinazioni genetiche e la loro correlazione con quello che siamo, con quello che mangiamo. Ci sono, quindi, regole e strutture da comprendere per aprire orizzonti incredibili nella sintesi, esempio, di nuove molecole. Di testarle. Di simulare milioni di test. In quel percorso che non nega l’umano ma, anzi, lo assiste. Gli algoritmi che sono sicuramente più efficienti e anche meno costosi non devono, come accade oggi, restringere il ventaglio di scelte, ma allargarlo. Ai professionisti della cura come i medici, o gli ingegneri o i giornalisti. Ma anche ai cittadini, affinché la transizione digitale sia innanzitutto equa. Ora potenzialmente abbiamo, dunque, un’arma in più che è il generatore di linguaggio genomico. A un sistema di intelligenza artificiale generativa possiamo chiederne di generarne in continuazione. Questi dati possono poi essere usati per addestrare i sistemi di intelligenza artificiale a riconoscere, per esempio, le anomalie genetiche o le mutazioni. L’AI generativa assiste nella generazione di nuove molecole alla base di nuovi farmaci oppure anticorpi. Pensiamo quanto questo sarà utile in una delle più grandi sfide che ci attendono, la resistenza agli antibiotici. La radiologia è un altro campo dove grazie alla infinita generazione di immagini sintetiche si possono addestrare sistemi che riconoscano patologie o anomalie benigne. Tramite questo processo si possono migliorare le immagini reali, aiutare le correlazioni e la refertazione. Pensate alle enormi potenzialità e applicazioni nel campo della medicina preventiva.
L’europa ha un progetto enorme per mettere a fattor comune i dati sulle immagini relative al cancro, lo European Cancer Imaging. Un progetto che prevede una sorta di federazione tra gli ospedali europei: si parte con 170 tra i più avanzati per poi allargare la rete a tantissimi altri. A quel punto si possono generare immagini utili per addestrare gli algoritmi che possono coadiuvare i medici nella diagnosi ricercando in un database di miliardi di immagini. Un altro campo sterminato di applicazione è quello relativo alle molecole nutrizionali. E pensiamo al mondo che sarà con 10 miliardi di abitanti. Si dovrà pensare a come alimentare questa popolazione in un pianeta sempre più caldo, dove scarseggia l’acqua.
Se vogliamo evitare catastrofi ambientali ed emigrazioni di massa ben più importanti di quelle che stiamo vedendo in questi anni, avremo per forza bisogno di un approccio all’agronomia e alla nutrizione diverse, integrate con L’AI generativa. Ma si tratta di agire oggi affinché quel futuro possa essere modellato secondo i valori che l’europa si è data.