Intelligenza Artificiale e mondo del lavoro: miti e verità
di Stefano Ceravolo
Ultimamente si sente sempre più parlare di intelligenza artificiale, e di come questa stravolgerà le nostre esistenze. Alcuni effetti sono ben presenti nell’immaginario collettivo (“Hey Alexa, apri le tende!“), altri sono più nascosti (avete mai provato a cercare lo stesso biglietto aereo da due dispositivi diversi?), ma si tratta indubbiamente di una rivoluzione che cambierà sempre di più le nostre vite.
Leggi anche:
Alla scoperta di Mercurio: la video-intervista ad Andrea Acomazzo, capo missione dell’ESA
Visto il grande impatto emotivo, si tende però a fare molta confusione sulle possibili applicazioni nel mondo del lavoro, sia per motivi di poca conoscenza di una tecnologia relativamente nuova, sia per motivi molto più pragmatici di sensazionalismo mediatico, che porta titoli acchiappa-click come “I computer presto saranno i veri medici” oppure “Google archivia il progetto Due robot, stavano imparando troppo parlando fra loro”.
Per fare un po’ di chiarezza, bisogna innanzitutto imparare a distinguere come il concetto di intelligenza si applichi su un organismo biologico e su una macchina. A dirla proprio tutta, il mero concetto d’intelligenza è alquanto sfuggevole: oggetto di studi per secoli, non esiste una definizione che metta d’accordo tutti. Aprendo Wikipedia alla voce “Intelligenza”, si può coglierne l’ambiguità già dal primo rigo:
“Benché i ricercatori nel campo non ne abbiano ancora dato una definizione ufficiale (considerabile come universalmente condivisa dalla comunità scientifica), alcuni identificano l’intelligenza (in questo caso l’intelligenza pratica) come la capacità di un agente di affrontare e risolvere con successo situazioni e problemi nuovi o sconosciuti”
Senza quindi dilungarci in possibili considerazioni sui diversi tipi d’intelligenza, soffermiamoci sul concetto di risoluzione di problemi, rimanendo ben consci di come tuttavia l’intelligenza umana abbia orizzonti molto più ampi e difficili da catturare in una singola definizione. Persino in questo ambito ristretto, vedremo come le performance di un uomo e di una macchina differiscano in base a parametri non intuitivamente immediati.
Il problema del contesto
Introduciamo quindi il concetto di contesto, e lo faremo attraverso tre esempi. Partiamo da un problema matematico, una “semplice” moltiplicazione come la seguente:
743×55
Provate a risolverla.
Il risultato è 40.865. Io ho barato, l’ho calcolato sul mio cellulare. Tuttavia, con un paio di minuti ed un foglio di carta avrei probabilmente risolto il problema. Per il mio cellulare si è trattato di millisecondi. Per altro, non è neanche l’ultimo modello. Non c’è storia, macchina batte cervello biologico dieci a zero.
Ora proviamo a risolvere un altro problema:
2×2
Facile vero? Beh, l’ho fatto calcolare anche stavolta al mio cellulare. Il risultato è ovviamente 4 ed ovviamente il cellulare ha impiegato anche in questo caso pochi millisecondi per risolverlo.
Tuttavia, qui troviamo la prima differenza degna di nota: non ci crederete, ma il vostro cervello è molto più rapido di un computer nel formulare la risposta. Questo perché per un computer si tratta sempre dello stesso problema, e fa poca differenza se si tratta di fare 2×2 o una qualsiasi altra moltiplicazione. Per il nostro cervello biologico, si tratta di due operazioni radicalmente diverse. La prima operazione viene eseguita dalla corteccia cerebrale, la parte più evoluta, moderna e logica del nostro cervello. La seconda operazione invece va a pescare nella nostra memoria il risultato, negli angoli più primordiali del nostro cervello. Noi sappiamo che 2×2 fa 4.
Leggi anche:
Denis “Jaromil” Roio, hacker etico: come evitare di essere manipolati dalla tecnologia
Numerosi studi dimostrano che anche le persone con capacità fenomenali di calcolo, spesso ospiti di quiz in TV, in realtà utilizzino parti del cervello relative alla memoria più che al calcolo per eseguire i loro prodigi. In pratica, più che calcolare la radice quadrata di 1865, la ricordano. Il nostro cervello dunque performa molto male – comparato con un’intelligenza artificiale – nel calcolo di operazioni complesse, mentre performa molto bene quando si tratta di fare collegamenti in base al contesto. Entriamo nel terzo esempio per capirlo meglio. Prendete il seguente problema:
Consideriamo il nome della pandemia che ha stravolto il mondo quest’anno (che non nominerò). Prendiamo il numero all’interno del nome, e sommiamo a tale numero il numero di capitali che solitamente fanno parte di uno stato.
Dopo una breve riflessione, si giunge facilmente alla conclusione che il risultato è 20 (19+1).
Beh, ora prendete tutti i supercomputer del mondo, fondeteli in un unico super computer tale da far concorrenza al mitico “Pensiero Profondo” di letteraria memoria, e sottoponete ad esso tale problema. La risposta non avrà alcun senso. Questo perché i computer non hanno la nostra stessa percezione del contesto. “Contesto” è dunque la parola chiave, ossia la capacità di fare collegamenti semantici tra aree virtualmente diverse. Un cervello biologico sa che la pandemia è stata originata da un virus chiamato COVID 19. Inoltre, sa che 19 è parte del nome del virus ed un numero allo stesso tempo. Allo stesso modo, sappiamo che ogni stato ha una ed una sola capitale. Un altro numero. Sommando i due, si ottiene 20, ma abbiamo già capito che la somma è la parte facile del problema.
Si tratta di un sistema di connessione dati incredibilmente efficiente. I moderni computer avrebbero bisogno di una quantità inimmaginabile ed ingestibile di dati per fare collegamenti del genere a tale velocità. Il nostro cervello lo fa con un quantitativo di energia necessario ad accendere una lampadina. Questa abilità di risolvere problemi in base al contesto è quello che ci differenzia dalle macchine. Più ampio è il contesto, più difficile sarà per una macchina risolvere un problema.
Dopo questa digressione, possiamo quindi cominciare a valutare il nocciolo della questione: quali saranno i lavori “usurpati” dalle macchine nel prossimo futuro?
Una nuova interazione tra uomo e macchina
Il terzo esempio del paragrafo precedente è volutamente complicato (per una macchina!) ed estremizzato. Macchine in grado di eseguire moltiplicazioni esistevano già a metà del secolo scorso, mentre macchine in grado di risolvere problemi alla stregua di esseri umani senza limitazioni di scopo (che potremmo quasi definire senzienti) sono invece lontane decenni se non secoli in termini di progresso tecnologico, sempre che siano possibili. In altre parole, Terminator non vedrà realisticamente luce in un futuro prossimo, se mai accadrà.
Tuttavia, l’intelligenza artificiale si sta rapidamente sviluppando per coprire la distanza che la separa da quella umana e per risolvere problemi sempre più ampi in termini di contesto. Come questo avvenga, meriterebbe un articolo a parte che copriremo magari in futuro. Per ora ci basti sapere che le intelligenze artificiali, per quanto rimangano ancora anni luce distanti, si stanno avvicinando sempre più a quelle biologiche nell’approccio a problemi complessi.
Questo ci permette di mettere certe professioni “in sequenza”, per capire quali sono quelle più a rischio. Nella vasta letteratura al riguardo, una delle voci più autorevoli è quella di Kai Fu Lee, autore del besteller “AI superpowers”, che raccomando a tutti coloro interessati ad approfondire l’argomento. Kai Fu Lee divide le professioni in due grandi categorie: lavori “manuali” e “colletti bianchi”. Per ciascuna delle due categorie, traccia quattro quadranti in cui collocare le diverse professioni ed identificare quelle più a rischio.
I due assi di riferimento includono sulla parte orizzontale quello della creatività, ossia il concetto di contesto che abbiamo introdotto prima. Mentre sull’asse verticale troviamo quanto un lavoro sia “social”, ossia richieda interazione tra persone per essere eseguito propriamente. Il quadrante in alto a destra rappresenta quello delle professioni relativamente al sicuro, denominata appunto “Safe Zone“. Si tratta di lavori dal contesto molto ampio, che necessitano spesso di contatti sociali e creatività. Il quadrante in basso a sinistra è anch’esso di facile interpretazione, si tratta di una “Danger Zone“, un’area a rischio nell’immediato futuro. “Slow creep” sono lavori che nell’immediato non sono a rischio, ma potrebbero esserlo nel medio-lungo periodo. Il quadrante “Human Veneer” (traducibile come “patina d’umanità”) rappresenta invece quei lavori che potranno sì essere sostituiti da macchinari, ma che necessiteranno in ogni caso di un’interazione umana per poter essere eseguiti a pieno.
Osserviamo quindi le previsioni di Kai Fu Lee sulle professioni da “colletti bianchi”, per vedere alcuni esempi.
Passando in rassegna alcuni degli esempi nei quattro quadranti, si può risalire ai problemi di contesto di cui abbiamo parlato prima. Il tecnico radiologo è una classica istanza di compito difficile per un umano (richiede anni di studio) ma tutto sommato abbastanza semplice per un’intelligenza artificiale. Senza entrare nel dettaglio di tecniche di Machine Learning, ciò è dovuto al fatto che si tratta di un compito le cui possibili soluzioni sono molto ristrette (una malattia confermata o negata), ed i possibili input pure (la radiografia è sempre della stessa forma). In questo modo un modello matematico che consideri migliaia di radiografie precedenti può offrire un risultato realistico anche su dati nuovi.
È molto importante ricordare però che la macchina non sa cos’è una malattia, si limita ad effettuare una diagnosi. Qui entra in gioco il concetto di Human veneer del quadrante in alto a sinistra. L’assunzione di base è che il tecnico radiologo non abbia interazione col paziente, mentre il medico sì. Tale è quindi la ragione per cui il medico generalista si trova in quel quadrante: il medico ha cognizione di causa sul significato della malattia (ricordiamo la diagnosi l’ha fatta la macchina) e sugli impatti fisici ed emotivi per il paziente. Lo stesso autore Kai Fu Lee ricorda come nel momento in cui gli fu diagnosticato un cancro, la presenza umana del medico fosse altrettanto importante come le medicine.
Di contro, lavori ad alta creatività sono più al sicuro. Nel lungo periodo, qualora questi richiedano interazioni sociali costanti (per esempio psichiatra o CEO), nel medio-breve periodo qualora si tratti di lavori più solitari.
Esiste anche una simile divisione per i lavori manuali. La distinzione sull’asse verticale rimane la stessa, mentre sull’asse orizzontale avviene per incrementale “destrezza” ed ambiente “destrutturato”, in altre parole per quanto sia ampio lo spazio di possibili movimenti-soluzioni.
Qui il tema si fa più complesso, e meriterebbe un lungo, ulteriore approfondimento. Mentre per i lavori da scrivania il computer dovrebbe solamente sostituire il cervello umano, nei lavori manuali l’intelligenza artificiale dovrebbe coprire l’oneroso compito di sostituire mente e corpo.
In conclusione – dobbiamo preoccuparci dell’intelligenza artificiale?
In questo articolo abbiamo fatto un’introduzione molto sintetica dell’argomento dell’Intelligenza Artificiale. Rimangono molte considerazioni aperte sulla tecnologia, sul business e sulle implicazioni geopolitiche e sociali.
L’unica vera certezza è che il progresso tecnologico, costante di tutta la storia umana, stravolgerà le nostre vite come ha sempre fatto finora. Più che un cupo scenario alla Terminator, esso rappresenta una tela bianca che starà a noi dipingere, dove le opportunità supereranno i rischi. Tuttavia è fondamentale capire quali sono le professioni veramente a rischio, così da intervenire per tempo con i dovuti ammortizzatori sociali. Permettere che il progresso “schiacci” determinate categorie di lavoratori non è solo ingiusto, ma anche pericoloso per la stabilità sociale comune.
Starà a noi decidere se utilizzare computer e robot per migliorare la vita del prossimo, destinando sempre più servizi con sempre maggior qualità a sempre più persone. Persino intrattenendo, come i robot della Boston Dynamics in questo video con cui chiudiamo l’articolo. Impossibile che non vi strappi un sorriso.
L’autore:
Sefano Ceravolo è laureato in Ingegneria Gestionale a Roma, e con MBA presso l’istituto INSEAD di Fontainebleau/Singapore. ha sempre lavorato nel campo delle tecnologie, prima come consulente e project manager, ed in seguito come manager presso un’azienda nel settore dell’Intelligenza Artificiale. Da sempre appassionato di scrittura e narrativa, ha collaborato con diversi blog in varie lingue, e tenuto programmi in Webradio durante gli anni universitari. Il suo interesse principale riguarda l’intersezione tra tecnologia ed economia, ed in particolare sugli impatti della prima sulla seconda. Trasferitosi a Francoforte nel Marzo 2020, è alle prese con l’esplorazione di questa affascinante cultura. Nel tempo libero, è anche appassionato di musica, viaggi e cucina.
