Cose che ho inviato alla mailing list dei Copernicani (più qualcosina extra) in merito alla supposta intelligenza artificiale. Iniziano ad aprirsi le botole in cui finisce l’eccesso di entusiasmo.

Una calcolatrice può operare mille somme esatte e sbagliarne una per un errore di arrotondamento. I circuiti sono sempre quelli ma l’esito è diverso da quello prevedibile, dovuto a limiti insuperabili della logica interna; un chatbot passa mille informazioni esatte e una sbagliata lavorando sempre esattamente nello stesso modo. Non c’è un errore nell’esecuzione dell’algoritmo, non c’è un limite intrinseco interno. Un chatbot produce sempre il proprio esito prevedibile.

Alcuni aggiornamenti in tema.

Llion Jones, coautore del paper Attention is all you need da cui è partito tutto e creatore del termine transformer (la tecnologia principale dietro agli LLM), ha tenuto un intervento TED in cui si dichiara assolutamente stufo dei transformer:

All’inizio di quest’anno ho deciso di ridurre drasticamente il tempo dedicato ai transformer. Sto esplorando e cercando il prossimo grande nuovo progresso.

Un paper intitolato Perché i transformer non imparano a moltiplicare?. Sono passati due anni e mezzo dal loro debutto, eh. Moltiplicare.

Un software designer di rango si chiede Dov’è il rinascimento del design promosso dalla AI? Dopo due anni e mezzo di hype fuori di testa, non c’è stata nessuna rivoluzione.

È ora di smettere di parlare di intelligenze e trattarli come strumenti che possono aiutare, con i loro pregi e i loro limiti.

Bonus: recentemente i capi di Amazon hanno presentato una relazione su come la loro Q Code Transformation AI abbia fatto risparmiare quattromila anni-sviluppatore di lavoro e duecentosessanta milioni di dollari. Nel video era scritto Jave al posto di Java.

Doppio bonus sempre allo stesso link: una analisi del traffico di taxi a New York ha affidato alla cosa artificiale un grafico sui dieci itinerari più lunghi e costosi. Qualcosa, per intenderci, fattibile volendolo anche a mano. Il risultato è stato un grafico completamente sbagliato nei dati così come nella visualizzazione.

Gli LLM continuano a essere maggiormente utili per le persone che meno ne hanno bisogno.

Brace for winter.