Dagli scenari estremi, come lo spazio o le profondità oceaniche per arrivare alla logistica e magazzini, questi gli ambiti in cui si muove la ricerca di Sara Bernardini, professoressa ordinaria di Intelligenza Artificiale (Ai) presso la Royal Holloway University di Londra e l’Università “La Sapienza” di Roma. Sara Bernardini è salita sul palco de Linkontro 2024 per parlare di Ai generativa illustrando lo stato dell’arte, i benefici del suo utilizzo ma anche le sfide che l’adozione di questi strumenti comporta, perché ci sono ambiti in cui è superiore all’intelligenza umana e altri in cui invece esiste ancora un gap da colmare.
L’Ai e gli algoritmi si possono applicare ai robot e negli scenari logistici, “Io sono partita da ambienti estremi -dice Sara Bernardini-, e ultimamente però ho applicato le mie tecniche anche alla logistica. Parliamo di robot che si muovono in uno spazio e devono farlo in modo altamente ottimizzato, perché ovviamente gli spazi per immagazzinare le merci hanno ampi costi in grandi città, come Londra o Milano e quindi, ottimizzare le operazioni è fondamentale, perché in spazi in cui si muovono centinaia di migliaia di robot, questi non devono urtarsi a vicenda e devono portare a compimento i loro compito in modo efficace”.
Il ragionamento la sfida della ricerca
“L'intelligenza artificiale ha fatto passi da gigante nella generazione di linguaggio, immagini e video -spiega Bernardini-. Ma rimane indietro rispetto all’essere umano su aspetti come il ragionamento flessibile, quando si tratta di portare informazioni da un ambito all'altro o nel ragionamento astratto, quando si tratta di utilizzare informazioni che si hanno in un campo nuovo. Ma anche applicare rapporti di causa effetto o nella pianificazione a lungo periodo quindi quando bisogna concatenare una serie di azioni che hanno una causa ed effetto per partire da uno stato iniziale e arrivare a uno stato finale”.
Tra le sfide che si devono affrontare per l’adozione dell’Ai generativa, “si deve fare attenzione alla generazione di contenuti falsi o Ai che danno delle informazioni fattualmente sbagliate. Abbiamo problemi legati alla trasparenza e all'equità, perché questi sistemi imparano da dati rastrellati sul web e quindi imparano anche tutta una serie di stereotipi, di pregiudizi che poi tendono a replicare nelle loro risposte, per non dimenticare i problemi legati alla privacy e sulla trasparenza dei dati immagazzinati”. Una serie di problematiche da risolvere per rendere l’Ai più affidabile.
Sulla recente introduzione di una regolamentazione come l'Ai Act europeo, “Penso che sia giusto da una parte regolamentare l’Ai perché sicuramente ci sono applicazioni critiche come le macchine a guida autonoma o applicazioni mediche possono avere un impatto catastrofico sulla vita delle persone se non vanno nel verso giusto. Quindi bene regolamentarli, ma al contempo bisogna stare attenti che la regolamentazione non impatti negativamente l'originalità della ricerca”.
