Mentre le aziende investono sempre di più nella ricerca di intelligenza artificiale (IA) per migliorare la tecnologia, sembra che gli scienziati abbiano fatto una scoperta che potrebbe mettere in discussione le capacità dell'IA generativa. Questa nuova tecnica basata su rete neurale, denominata "Meta-learning for Compositionality" (MLC), potrebbe lavorare sul linguaggio a un livello talmente elevato da poter sfidare l'IA convenzione e avvicinarsi a noi umani nell'uso di nuove parole a seconda dei contesti per cui vengo applicate.
Secondo un rapporto pubblicato su Nature, i ricercatori hanno infatti messo alla prova MLC e ChatGPT. Il risultato? MLC ha ottenuto risultati migliori rispetto a ChatGPT. Nonostante i chatbot siano in grado di interagire in modo simile all'essere umano e svolgere il ruolo di assistenti basati sull'IA, sembra che MLC possa raggiungere livelli di comprensione del linguaggio decisamente più avanzati.
Una rete neurale è un tipo di intelligenza artificiale in grado di apprendere nuove parole e utilizzarle in contesti diversi, in modo simile agli esseri umani. Tuttavia, la rete neurale richiede un addestramento rigoroso per padroneggiare il significato delle parole e imparare come usarle. In questo studio, i ricercatori hanno esposto sia persone che una rete neurale dinanzi a nuove parole e hanno misurato la loro capacità di utilizzare le stesse in diversi contesti. Gli esseri umani hanno ottenuto un'ottima comprensione, riuscendo a collegare le nuove parole a specifici colori.
La rete neurale, invece, è stata allenata in modo diverso: configurandola per apprendere dai propri errori e riprodurre errori simili a quelli commessi dagli umani. Questo approccio ha permesso alla rete neurale di rispondere a nuove domande in modo simile alle persone.
In confronto, GPT-4, ha impiegato molto tempo per comprendere i compiti a lui assegnati e ha ottenuto risultati deludenti rispetto sia alle persone sia alla rete neurale. Questo è dovuto al fatto che i modelli di IA generativa replicano la sintassi in modo complesso ma non dimostrano una comprensione reale del contesto, il che può portare a risultati inaccurati. Da questo punto di vista noi e le reti neurali sembriamo essere più capaci di correggere tali problematiche.
Non bisogna fraintendere, ovviamente l'IA generativa ha dimostrato un incredibile potenziale, ma ci sono comunque delle questioni da risolvere. Queste includono costi elevati per esempio, nonché perdite di precisione e calo dell'utenza per le IA chatbot come ChatGPT. La tecnologia Bing Chat di Microsoft ha anche registrato una stagnazione nella sua quota di mercato nonostante i notevoli investimenti.
C'è comunque da sottolineare che il futuro dell'IA generativa rimane promettente, ma la scoperta di MLC e le potenziali applicazioni delle reti neurali sollevano nuove opportunità per lo sviluppo dell'IA. Sarà interessante vedere come queste scoperte influenzeranno il futuro dell'IA e come cambieranno la comprensione e l'applicazione dell'IA in contesti reali.
