LE TENDENZE IN AMBITO IA PER IL 2022

L'EVOLUZIONE DELL'IA

L’Intelligenza Artificiale sta diventando centrale per l’evoluzione dell’economia globale: secondo Gartner, entro il 2023, il 40% delle grandi aziende impiegherà l’IA nei suoi processi.

Inoltre, ormai più di 50 paesi, tra cui l’Italia, hanno presentato una propria Strategia Nazionale riguardo l’IA, per investire risorse nel settore e assicurarsi così di rimanere competitivi sul mercato mondiale.

Anche al di là della sfera economica, l’IA sta vivendo un momento di grande fermento: viene ormai applicata a innumerevoli settori, dalla medicina all’esplorazione spaziale e le novità di anno in anno si moltiplicano, con ramificazioni affascinanti.

Il 2021 è stato un anno particolarmente proficuo: basti pensare ai progressi fatti nell’ambito del Deep Learning e alle integrazioni tra modelli NLP e software IA generativi, che permettono di creare suoni, immagini o video a partire da input scritti.

Il 2022 si prospetta un anno di altre grandi innovazioni, ma quali saranno le evoluzioni più interessanti? Non è semplice dare una risposta univoca, ma, aggregando i trend rilevati dalle ricerche del settore e i pareri dei nostri ingegneri, abbiamo messo insieme quelle che probabilmente saranno le tendenze più importanti nel campo dell’Intelligenza Artificiale per il 2022.

Modelli NLP più efficienti

I modelli di Natural Language Processing (NLP) sono tra le applicazioni di Machine Learning più diffuse nel nostro quotidiano: dalla funzione di recupero informazioni dei motori di ricerca alle traduzioni automatiche, è praticamente impossibile non farne uso ogni volta che usiamo il nostro smartphone o computer.

Le implementazioni più sorprendenti sono state presentate nell’ultimo paio d’anni: grazie a modelli come GPT-3 o Bert, i modelli NLP infatti sono ormai in grado di generare testi indistinguibili da quelli composti da essere umani. Questi nuovi modelli possono generare copy per il marketing, analizzare o tradurre automaticamente documenti e assistere adeguatamente nella scelta all’acquisto i clienti online.

Finora i maggiori progressi sono avvenuti aumentando e accrescendo il numero di dati e parametri a disposizione dell’IA. L’ultimo modello di NLP presentato da Microsoft e NVIDIA a Ottobre, Megatron-Turing NLG 530B, è un colosso che si fonda su ben 530 miliardi di parametri.

Nel 2022 possiamo aspettarci modelli NLP ancora più titanici (OpenIA è già a lavoro su GPT-4, che dovrebbe avere 100.000 miliardi di parametri), ma, crediamo, vedremo profilarsi anche nuovi tipi di modelli, “distillati” e ottimizzati, che riescano a svolgere le stesse funzioni con architetture più snelle.

L’applicazione dell’IA nella Cybersecurity

Data la sempre maggior interconnessione dei nostri oggetti quotidiani alla rete, non sorprende scoprire che il numero di cyber-attacks è in continuo aumento da anni. Nel 2021 il World Economic Forum ha inserito i cyber-attacks tra i principali rischi a livello globale, insieme all’aumento delle disuguaglianze e i cambiamenti climatici.

Nel 2022 gli esperti si aspettano nuovi investimenti e attenzioni sull’IA come strumento di cybersecurity, per monitorare che i propri network siano al sicuro e garantire un nuovo grado di sicurezza nei modelli di IA.

L’IA Multimodale

Già nel 2021 abbiamo avuto modo di vedere Software IA capaci di integrare varie funzioni in un’unico strumento: come abbiamo visto, ad esempio, col caso di Dall-e, stanno emergendo nuovi applicativi in grado di unire funzioni di IA molto diverse.

Questo tipo di IA si dice multimodale ed è un’IA più avanzata, più “intelligente”, che sa elaborare dati di origine diversa per dare risposte più complesse e più coerenti agli stimoli che riceve dall’esterno. Usualmente richiede abilità nel processare il linguaggio naturale (NLP) e nell’elaborare le immagini, ma anche l’integrazione con vari tipi di sensori e sistemi IoT per interagire con il mondo reale. Le diverse capacità vengono combinate grazie ad architetture molto avanzate, composte da diversi strati di algoritmi IA con capacità diverse di processare i dati.

Grazie a questo complesso sistema l’IA multimodale riesce a generare risposte più efficaci rispetto ai Sistemi IA unimodali più diffusi oggi. Un’IA multimodale può ad esempio interpretare dati rilevati da diversi sensori per individuare eventuali problemi nella catena produttiva e quindi intervenire automaticamente grazie all’integrazione con sistemi robotici; può, altrimenti, ricevere messaggi e immagini da potenziali clienti per dare suggerimenti di acquisto in tempo reale, tenendo conto delle richieste dirette ma anche di eventuali input inconsapevoli contenuti nel tono del testo o nelle immagini inviate.

Sono tipologie di IA che, nel 2022, potrebbero trovare ampia applicazione nella robotica e nell’automazione industriale (come ad esempio nell’ambito della manutenzione preventiva), ma anche nel settore del marketing e delle vendite e in quello medico-sanitario. In questi contesti infatti l’IA multimodale potrebbe garantire un maggior grado di automazione ed efficacia, senza supervisione.

L’uso del Deep Learning per la ricerca scientifica

Dopo gli eccellenti risultati di Deep Mind nell’ambito della ricerca sul ripiegamento delle proteine e dopo i risultati ottenuti nella ricerca per nuovi medicinali contro la SARS-CoV-2, ci sono grandi aspettative per l’applicazione dei metodi più sofisticati di Deep Learning alla ricerca biomedica, nel 2022, ad esempio per la ricerca di terapie e vaccini basati sull’RNA.

Le soluzioni di Deep Learning probabilmente conosceranno nuove applicazioni anche in altri ambiti scientifici. Dalla matematica all’astrofisica, dalla scienza dei materiali alla climatologia, il sostegno che l’IA può dare ai ricercatori è enorme: può analizzare rapidamente una grande mole di dati empirici, trovare correlazioni impreviste tra elementi molto distanti tra loro e replicare modelli molto complessi per spiegare al meglio i fenomeni scientifici.

Un uso migliore dei dati

L’IA si basa sull’aggregazione, l’analisi e lo sfruttamento dei dati. Ad oggi, le modalità con cui raccogliamo e utilizziamo i dati però hanno alcuni limiti e pesano sull’evoluzione della tecnologia.

Da una parte infatti, diventa sempre più evidente l’esigenza di sviluppare IA che sappiano dare risultati anche in presenza di pochi dati, come nel contesto di piccole-medie imprese. Per rendere davvero alla portata di tutti le potenzialità di questa tecnologia è necessario immaginare un tipo diverso di IA, che sappia sostenersi su un volume ridotto di dati. Questo significherà elaborare nuove strategie di raccolta dati, per avere magari meno dati ma più accurati e funzionali, e inventare nuovi modelli di “apprendimento” per le macchine.

Dall’altra parte si ha il problema dell’eccesso di dati. La raccolta di miliardi di dati rischia di essere più di ostacolo che di sostegno allo sviluppo dell’Intelligenza Artificiale, se il metodo di raccolta è confuso e non si ha un criterio di selezione efficace o se non vi è una visione chiara del problema che si vuole andare a risolvere. Oggi molte aziende raccolgono grandi quantità di dati, spesso con grande dispendio di risorse ed energie, senza sapere cosa stanno cercando di ricavare dai dati.

Secondo vari esperti sarà essenziale sciogliere questi due nodi per far progredire al meglio la tecnologia e il 2022, sembra, sarà l’anno giusto per farlo. Nei prossimi dodici mesi dovremmo infatti vedere una maggiore diffusione di strategie come il Transfer, l’Active o l’One Shot Learning nel Machine Learning, lo sviluppo di Neural Networks in grado di competere tra di loro (definite Generative Adversarial Networks) e l’affermazione di un’IA sempre più data-centric.