A gennaio, ChatGPT ha toccato i 100 milioni di utenti e l’interesse per l’intelligenza artificiale non è mai stato così alto: ci siamo fatti aiutare da DataPizza per spiegare le parole più diffuse.
Sommario
Il successo di ChatGPT
Per raggiungere il primo milione di utenti erano bastati solo 5 giorni, per arrivare a quota 100 sono serviti circa 2 mesi: sono i numeri incredibili di ChatGPT, la chatbot di OpenAI che, secondo quanto scritto da Business Insider, potrebbe essere l’app consumer “con la crescita più veloce di tutti i tempi”.
La diffusione così veloce e massiccia di ChatGPT, tra le altre cose, ha monopolizzato il dibattito all’interno del mondo tech, e non solo. Basta dare un’occhiata ai trend di Google, che raccontano che mai, negli ultimi 5 anni, le persone avevano cercato così tante informazioni sulle IA. Numeri confermati anche su TikTok, dove l’hashtag dedicato è arrivato a quota 78 milioni di visualizzazioni.
In effetti, e proprio a partire da ChatGPT, l’intelligenza artificiale sembra uscita dai confini del mondo della tecnologia per entrare definitivamente nel dibattito pubblico, tra l’impatto sulla scuola e i timori per l’automatizzazione dei posti di lavoro.
Intelligenza artificiale
Partiamo dalle basi e quindi da un’espressione di cui ormai sentiamo parlare ogni giorno: “Il termine si riferisce a quella branca della scienza che studia come le macchine possano imitare l’intelligenza umana per eseguire determinati compiti” – ci hanno spiegato Alessandro Risaro e Pierpaolo D’Odorico, fondatori di DataPizza – “È una formula ombrello, che contiene all’interno i concetti di machine learning e di deep learning. Il primo è un sottoinsieme dell’IA, e a sua volta il deep learning è un sottoinsieme del machine learning”.
In altre parole, usare i 3 termini come sinonimi non è del tutto corretto: “Tutte le tecnologie che sentiamo spesso nominate come IA, come ChatGPT, sono in realtà basate sul machine learning, ma non tutti i sistemi di machine learning sono basati sul deep learning”.
Machine learning
Il machine learning è una tecnologia che si basa sull’utilizzo di algoritmi per far sì che una macchina possa “imparare” da sola. Si tratta di una tecnologia che si basa sull’utilizzo di dati e statistiche, e che aiuta i sistemi a prendere decisioni o a svolgere compiti senza essere programmati esplicitamente per farlo. Ad esempio, la tecnologia di raccomandazione presente su molte piattaforme come Netflix o Spotify è basata sul machine learning.
Deep learning
Il deep learning, a sua volta, è una tecnologia di machine learning che utilizza reti neurali artificiali molto complesse, ispirate a come funziona il cervello umano. Queste reti neurali sono in grado di elaborare enormi quantità di dati e di apprendere da essi, identificando schemi e relazioni nascoste. Il deep learning è utilizzato in molte applicazioni avanzate, come la traduzione automatica, la diagnostica medica e la riconoscenza delle immagini.
In sintesi, l’intelligenza artificiale è un’espressione generica che comprende molte tecnologie, tra cui il machine learning e il deep learning. Tuttavia, non tutti i sistemi di machine learning sono basati sul deep learning, e non tutte le tecnologie che vengono definite come IA sono basate sul deep learning. È importante comprendere queste differenze per avere una comprensione più precisa di ciò che sta accadendo nel mondo dell’IA.
Intelligenza artificiale generativa
L’intelligenza artificiale non è propriamente qualcosa di nuovo, ma la nuova ondata riguarda la cosiddetta IA generativa. Questa “si concentra sulla creazione di contenuti artificiali, come immagini, suoni, video, testo o persino codice”. Tutto parte sempre dai dati: “Questi modelli sono addestrati su grandi quantità di input e utilizzano queste informazioni per generare nuovi dati che sembrano realistici e coerenti. Alcuni esempi di IA generativa sono GPT-3 per la creazione di testo e Stable Diffusion o Dall-E 2 per la generazione di immagini”.
Large Language Model
All’interno del mondo dell’IA generativa, gli ultimi due mesi sono stati monopolizzati da ChatGPT, che è un Large Language Model (LLM). Questo sistema “riesce a comprendere il linguaggio in un senso matematico, cioè capisce la distribuzione di probabilità di una sequenza di parole”. Data una sequenza di parole, un LLM riesce a prevedere quale sarà la parola che più probabilmente verrà dopo, dipendentemente dalla tipologia di dati utilizzati per allenare il modello di linguaggio.
Data science
Alla base di tutti i sistemi di IA ci sono i dati. La data science è un campo trasversale che si basa sullo sfruttare tecniche di IA per estrarre significato e informazioni dai dati. Secondo gli esperti di DataPizza, “l’intelligenza artificiale è la punta dell’iceberg di un progetto di data science: in primis bisogna acquisire i dati, ripulirli, aggregarli, capirli e solo dopo si possono implementare gli ultimi modelli di machine learning o deep learning”.
Conclusione
In sintesi, l’IA, il machine learning e il deep learning sono tutti termini legati all’analisi dei dati e all’apprendimento automatico. L’IA generativa si concentra sulla creazione di contenuti artificiali, mentre il machine learning e il deep learning si concentrano sull’utilizzo di algoritmi per analizzare i dati e prendere decisioni o fare previsioni. La data science è un campo trasversale che comprende tutti questi concetti e si concentra sull’estrazione di significato e informazioni dai dati. Grazie all’enorme successo di ChatGPT, l’interesse per questi temi è in continuo aumento e sarà importante continuare a comprenderli per poterli utilizzare al meglio in futuro.