Come funzionano i software di intelligenza artificiale

Alcuni giorni fa vi ho parlato di come l’intelligenza artificiale generativa possa portare importanti benefici ad alcune funzioni aziendali, come il marketing e le vendite, contribuendo a far svolgere alcune attività in modo più rapido ed efficace.

Abbiamo visto, ad esempio, che uno strumento come ChatGPT può fornire un aiuto importante nella costruzione delle buyer personas di una attività di noleggio.

Poiché nel trattare questo tema abbiamo dato per scontati alcuni concetti di base sull’intelligenza artificiale generativa, oggi vorrei riprendere in mano l’argomento e fornirvi alcuni elementi utili a comprendere meglio questi fenomeni.

Non vi preoccupate: cercherò essere il meno “tecnico” possibile, ma vorrei comunque darvi alcuni strumenti per valutare ChatGPT e soci in modo più critico.

Sistemi intelligenti e molto comuni

L’ambito di studio precursore dei sistemi generativi come ChatGPT, Midjourney e soci è quello dell’intelligenza artificiale (IA in italiano o AI in inglese).

Le applicazioni sviluppate in questo ambito sono numerosissime e già diffuse da diversi anni presso il grande pubblico. Fanno parte dell’AI, ad esempio, i sistemi di machine learning che su smartphone, tablet e computer consentono di dettare il testo dei messaggi o di correggerne gli errori. Oppure i sistemi di lettura delle targhe di alcuni impianti di videosorveglianza nelle città.

Questi strumenti di machine learning altro non sono che sistemi estremamente sofisticati di analisi statistica che analizzano e interpretano le informazioni loro fornite.

Ad esempio, nel caso delle targhe, le immagini delle videocamere stradali vengono divise in migliaia di frammenti (pixel) che vengono analizzati nella loro disposizione sulla griglia di punti. Il sistema di machine learning che legge le targhe è infatti composto da diversi livelli “addestrati” a fare ognuno un pezzo del lavoro necessario. Ad esempio:

• un primo livello riconosce come sono fatte una linea dritta e una curva, un tratto orizzontale, uno verticale e uno obliquo, e così via;
• un secondo livello riceve le informazioni dal primo e riconosce come diversi tratti corti compongono tratti più lunghi e articolati;
• un terzo livello usa le informazioni del secondo per riconoscere ciascuna lettera o numero sulla griglia dei pixel.

Questo addestramento si svolge fornendo al sistema milioni di immagini opportunamente “etichettate” con tutte le lettere dell’alfabeto e i numeri che si possono incontrare, in varie situazioni e dimensioni (ad esempio, con luce scarsa, riprese di fianco, viste dall’alto, e così via).

AI ed AI generativa

Analogamente, dando in pasto ai sistemi di AI milioni di immagini di gatti e cani, questi possono essere addestrati a riconoscere questi animali in altre foto. Quindi la prossima volta che un sito, per verificare la vostra identità, vi mostra delle foto e vi chiede di indicare quali presentano semafori o autobus, sappiate che state aiutando qualcuno a etichettare quelle immagini per addestrare un sistema di intelligenza artificiale.

Tutto molto interessante, direte voi, ma che cosa c’entra con ChatGPT e soci?

C’entra, perché il passaggio successivo al riconoscimento della foto di un gatto (o del testo di una targa) è la sua creazione da zero. Ma come funziona?

Il punto di partenza è lo stesso: milioni di immagini o di testi (o di musiche, nel caso dello strumento MusicLM di Google) analizzati ed etichettati da un’armata di analisti “umani”.

Ad esempio, se prendiamo una foto di Ernest Hemingway che scrive al tavolo, le possiamo associare i tag “Ernest Hemingway”, “Tavolo”, “Legno”, “Uomo”, “Uomo con la barba”, “Scrittura”, “Penna”, “Carta”, “Autore” e così via. Questo procedimento viene ripetuto, come detto, per milioni e milioni di immagini, in genere trovate su Internet.

L’altro pezzo del puzzle è un “seme” (seed), ossia un testo o una immagine di partenza, che può essere in alcuni strumenti fornita dall’utente, oppure scelta in modo totalmente casuale: in questo secondo caso immaginatevi una nebbia complessissima di punti, come i disturbi dell’immagine che si vedono sui televisori senza segnale dell’antenna.

La generazione di immagini

A questo punto, se lo si guarda da un punto di vista generale, il funzionamento di Dall-E e soci è relativamente semplice:

1. quando inseriamo il nostro testo con l’immagine che vogliamo creare (il cosiddetto prompt), il software sottopone il testo a un sistema di decodifica che lo analizza e lo scompone nei suoi elementi di base (parole, sillabe, fonemi);
2. un secondo modello, connesso al primo, trasforma gli elementi di base nei concetti da rappresentare;
3. i concetti così trovati vengono passati a un modello diffusivo (diffusion model) che analizza dal punto di vista statistico quale può essere l’immagine che si abbina meglio ai concetti forniti;
4. da ultimo, un modello di decodifica di immagini, partendo dalla “nebbia” casuale indicata in precedenza, genera l’immagine finale, facendo tanti passaggi a ripetizione in cui essa emerge, appunto, dalla nebbia. In ognuno di essi, il modello confronta l’immagine che sta nascendo con quelle presenti nel suo database, scegliendo quella più simile al risultato desiderato.

Negli ultimi passaggi entrano in gioco i milioni di immagini con cui il sistema è stato addestrato. Nel quarto entra in gioco la casualità, che garantisce che ogni prompt di testo, pur essendo analizzato sempre nello stesso modo, generi ogni volta un’immagine diversa.

La generazione di testi

Il funzionamento dell’AI generativa in campo testuale segue più o meno lo stesso percorso indicato in precedenza, con la sola differenza che non si creano immagini.

Quando poniamo un quesito a ChatGPT, il software per prima cosa scompone il prompt nei suoi lemmi di base (parole, sillabe, lettere). Dopodiché li analizza con modelli statistici che ne definiscono le probabilità di trovarsi insieme in determinati contesti e quali sono i loro significati.

Quindi, dà in pasto i risultati di questi modelli a una serie di algoritmi che individuano le parole più importanti dal punto di vista statistico e le altre parole che hanno maggiore probabilità di associarsi a esse.

Una differenza significativa tra i generatori di immagini e ChatGPT è che mentre i primi sono stati, come detto, addestrati con milioni di immagini, a ChatGPT sono stati dati in pasto alcuni testi, ma poi è stata data maggiore libertà di imparare in autonomia come interpretarli.

Inoltre, sono stati aggiunti particolari moduli dedicati a compiti specifici, come le traduzioni o i dialoghi. Ad esempio, nella versione 3.5 di ChatGPT, i tecnici che lo hanno addestrato gli hanno sottoposto dialoghi in cui hanno interpretato sia l’utente che il chatbot, in modo da insegnargli come acquisire uno stile di risposta naturale e realistico.

Nella stragrande maggioranza dei casi, questi sistemi di AI poi attingono a una mole sempre più vasta di contenuti che trovano online, oppure imparano dall’interazione con gli utenti, ad esempio chiedendo di valutare le immagini e i testi che producono e dando più peso a quelli riusciti meglio secondo gli utenti.

Un risultato “magico”…fino a un certo punto

L’enorme complessità dei modelli statistici alla base di questi strumenti, che ho certamente super-semplificato nei paragrafi precedenti, fa sì che quando interagiamo con loro siamo portati a pensare di parlare con un’intelligenza senziente. Da questo punto di vista, anche il fatto di chattare scrivendo in un campo di testo ci può portare a confondere queste piattaforme con una chat come WhatsApp.

Tuttavia, è fondamentale sottolineare che questi strumenti non hanno assolutamente alcuna personalità, ma al contrario si basano sull’analisi statistica di miliardi di dati, e quindi tutto quanto ci dicono dipende dalla bontà della materia prima che elaborano: se i dati di partenza sono incompleti o di scarsa qualità, anche le risposte saranno scadenti.

Sto parlando del fenomeno delle cosiddette “allucinazioni”, che avvengono quando ChatGPT cita dati sbagliati o completamente inventati a un determinato tema.

Come detto nell’articolo precedente, è quindi importantissimo superare da subito l’istinto a considerare come “geniali” questi strumenti, e acquisire tutte le informazioni che ci forniscono con molta attenzione, usandole più come punti di partenza per una nostra ulteriore analisi critica che non come il risultato finale del nostro lavoro.

Saranno comunque utilissimi per accelerare la nostra produttività.

Un corso dedicato

Proprio per scoprire insieme a voi come usare al meglio gli strumenti dell’AI generativa abbiamo creato un corso di Rental Academy intitolato “Vendere il noleggio sfruttando l’intelligenza artificiale generativa”.

Il corso si svolgerà online giovedì 16 novembre dalle 15.00 alle 18.00.

Oltre a vedere insieme quali sono le principali piattaforme per generare testi e immagini, faremo insieme delle esercitazioni pratiche per capire come utilizzarli nel modo più efficace possibile.

Potete trovare tutti i dettagli cliccando qui.

Se siete interessati, potete iscrivervi inviando una mail a manager@rentalconsulting.it oppure telefonando al 333 9880094.