L'intelligenza artificiale (AI) è una delle forze più trasformative dei nostri tempi. Mentre potrebbe esserci un dibattito se l'IA trasformerà il nostro mondo in modi buoni o cattivi, qualcosa su cui siamo tutti d'accordo è che l'IA non sarebbe nulla senza i big data. I big data e l'intelligenza artificiale sono considerati due giganti. L'apprendimento automatico è considerato come una versione avanzata dell'IA attraverso la quale i computer intelligenti possono inviare o ricevere dati e apprendere nuovi concetti analizzando i dati senza l'assistenza umana. Il Large Hadron Collider, ad esempio, genererà circa 15 petabyte di dati all'anno. Non è niente in confronto a ciò che accade quando mappiamo un intero cervello, che coinvolgerà circa un milione di petabyte di dati. Astronomia, chimica, studi sul clima, genetica, legge, scienza dei materiali, neurobiologia, teoria delle reti o teoria delle particelle sono solo alcune delle aree già trasformate da grandi database. Ora questa rivoluzione sta arrivando alle discipline umanistiche. L'enorme programma per i libri di Google, che ha digitalizzato milioni di libri, ha creato un'applicazione che offre ai ricercatori l'accesso a un database di miliardi di parole in diversi set di lingue e due secoli: "dati grandi e lunghi". Il programma di Google - Ngram Viewer - fa molto di più che fornire uno sguardo unico alla storia delle parole. Promette di cambiare il modo in cui gli storici svolgono il loro lavoro e di cambiare la nostra immagine della storia stessa. Un nuovo tipo di ambito - i big data - cambierà le discipline umanistiche, trasformerà le scienze sociali e rinegozierà il rapporto tra il commercio mondiale e la “torre d'avorio. Parallelamente, l'architettura cognitiva gioca un ruolo fondamentale nel fornire progetti per la costruzione di sistemi intelligenti che supportano un'ampia gamma di capacità simili a quelle umane. L'architettura di rete neurale per l'apprendimento dei vettori di parole può addestrare più di 100 miliardi di parole in un giorno. Una traduzione automatica neurale (NMT) traduce tra più lingue e NMT può anche imparare a eseguire collegamenti impliciti tra coppie linguistiche mai viste esplicitamente durante l'addestramento, dimostrando che l'apprendimento del trasferimento e la traduzione zero-shot sono possibili per la traduzione neurale. Una nuova struttura di formazione - apprendimento di rinforzo profondo (RL) per apprendere end-to-end in un mondo sintetico completamente senza basi, in cui gli agenti comunicano tramite simboli senza significati pre-specificati - per agenti di dialogo con basi visive ha mostrato che due robot inventano il loro proprio protocollo di comunicazione senza alcuna supervisione umana (tabula rasa?). Gli agenti di RL non solo superano in modo significativo gli agenti di apprendimento supervisionati, ma imparano a giocare i reciproci punti di forza, pur rimanendo interpretabili da osservatori umani esterni. Bot-talk ricorda i discorsi di gemelli, il romanzo post-strutturalista o le lingue culturalmente vincolate. I linguaggi di intelligenza artificiale possono essere evoluti a partire da un linguaggio umano naturale, oppure possono essere creati ab initio.

Pedro R. García Barreno, MD, Ph.D., MBA.
della Royal Spanish Academy
dell'Accademia reale delle scienze di Spagna
del Comitato Scientifico di FIDE