Dopo aver imparato a scrivere, l’intelligenza artificiale ora sta imparando a programmare. L’anno scorso abbiamo visto la nascita di GitHub Copilot, un sistema AI basato sul modello linguistico GPT-3 di OpenAI. Qualche settimana fa l’inglese DeepMind ha rilasciato AlphaCode, un altro modello AI in grado di scrivere codice, riuscendo a posizionarsi a metà classifica in una competizione per programmatori. Quale sarò il futuro di questi sistemi? Oggi ancora non riescono a rimpiazzare gli sviluppatori in carne e ossa, ma la strada sembra tracciata e nei prossimi anni potremmo assistere a problemi di impiego anche per quella che ancora oggi viene considerata la professione del futuro.

I problemi dei grandi modelli linguistici

I grandi modelli linguistici (LLM, large language models) come GPT-3 stanno rivoluzionando l’interazione fra esseri umani e macchine, consentendo a queste ultime di comprendere gli ordini e le intenzioni delle persone. Gli esempi sono molti e li abbiamo già affrontati in numerosi articoli su questo sito, basterebbe pensare ai chatbot o ai comandi vocali impartiti agli assistenti digitali.

Uno dei problemi di molti LLM, tuttavia, è quello di restituire con precisione risultati esatti di una certa operazione, come possiamo vedere nei seguenti esempi creati appositamente per questo articolo (le risposte del LLM sono evidenziate in verde).

Nonostante GPT-3 abbia compreso l’operazione e si sia avvicinato al risultato, non ha restituito il numero esatto (-7.7639320225002103035908263312687).

Qui il LLM ha deciso arbitrariamente di integrare la nostra domanda aggiungendoci “del duemila”, cosa che noi non avevamo chiesto. Ma anche così il risultato non è stato soddisfacente, poiché ha generato i primi venti anni del duemila anziché l’istruzione richiesta.

Nonostante i problemi, è evidente che ci sono molti presupposti per poter creare uno strumento adatto a compiere operazioni precise, bisogna solo trovare il modo per evitare che i LLM escano fuori dal seminato. Alcune squadre di ricercatori negli ultimi tempi si sono concentrate nel creare LLM che siano in grado di programmare software. Come ci si può ben immaginare, realizzare codice è un compito dove è richiesta estrema precisione e attenzione: un solo carattere sbagliato potrebbe causare il malfunzionamento di tutto il programma. LLM che restituiscono numeri errati o risposte completamente sbagliate non potrebbero mai essere dei buoni sviluppatori di codice.

2021: GitHub Copilot

L’anno scorso OpenAI, l’azienda di San Francisco che ha sviluppato GPT-3, ha lanciato un prodotto chiamato GitHub Copilot. Sviluppato in collaborazione con GitHub (Microsoft, proprietaria di GitHub, nel 2019 investì un miliardo di dollari in OpenAI), Copilot si può considerare come una versione di GPT-3 addestrata su miliardi di righe di codice pubblico disponibile sulla piattaforma di Microsoft, usata da oltre settanta milioni di sviluppatori in tutto il mondo.

Copilot, in sostanza, genera suggerimenti per il file che si sta modificando, basandosi sia sui commenti all’interno del file, sia sul codice scritto in precedenza. A volte è sufficiente il nome della funzione o anche di parte della funzione per generare il resto del codice.

Ma Copilot, come suggerisce il nome, non mira a rimpiazzare lo sviluppatore umano, bensì ad assisterlo come un fedele co-pilota. Il modello AI non è in grado di scrivere programmi interamente da solo, non quando la qualità del codice o semplicemente il corretto funzionamento del programma sono fattori importanti. Inoltre, poiché il modello AI è stato addestrato con repository pubblici, potrebbe suggerire frammenti di codice provenienti da vecchi moduli o da vecchie librerie, rischiando così di inserire codice obsoleto nel programma. Tuttavia, le sue funzioni sono utili per aiutare gli sviluppatori a superare passaggi tediosi o per suggerire soluzioni a cui non avevano pensato.

2022: AlphaCode

Qualche settimana fa anche DeepMind (che, lo ricordiamo, fa parte della galassia Google) è scesa in campo con il suo LLM in grado di scrivere codice. Lo ha fatto in perfetto stile DeepMind, ovvero

Imminent, il centro di ricerca di Translated, azienda pioniera nell’uso dell’intelligenza artificiale a supporto di traduttori professionisti, presenterà il 5 aprile i migliori progetti di ricerca nel campo della lingua selezionati attraverso il proprio Research Grant Program. Durante l’evento verranno illustrati progetti che affrontano diverse tematiche, dal neural language processing (NLP) all’interazione uomo-macchina.

Durante l’evento verranno assegnati 5 grant di ricerca dal valore complessivo di 100.000 euro nelle seguenti categorie:

• Machine learning algorithms for translation
• Linguistic data
• Human-computer interaction
• The neuroscience of language
• Language economics

Si tratta di un’occasione unica per scoprire le nuove frontiere della ricerca in campo linguistico a 360° gradi. La Research Grants Ceremony si svolgerà presso il prestigioso Centro di ricerca Enrico Fermi di Roma il 5 aprile alle ore 5 PM e verrà trasmesso online su Zoom. La partecipazione è gratuita, ma l’evento ha una capienza limitata. Per partecipare occorre registrarsi al seguente link: go.translated.com/Imminent-Research-Grants-Ceremony

Amazon usa l’intelligenza artificiale per monitorare la qualità dello streaming su Prime Video, inclusi gli eventi dal vivo. L’algoritmo rileva 18 tipi distinti di difetti, tra cui blocchi video, problemi di sincronizzazione audio-video, fotogrammi troppo scuri, problemi di qualità dei sottotitoli, artefatti audio, ecc.

L’intelligenza artificiale multimodale (come scrivevo già qualche tempo fa) sarà sempre più rilevante per il futuro del settore. Recentemente Meta ha pubblicato un post elencando i vari ambiti di ricerca su cui sono attivi per quanto riguarda l’AI multimodale.