Intelligenza artificiale: miti, realtà, sfide, limiti

Ormai parte integrante delle nostre vite, l’intelligenza artificiale (IA) non è più appannaggio dei laboratori di ricerca e dei romanzi di fantascienza e genera nel pubblico un misto di fantasie, fascino e timori. Secondo l’International Data Corporation (IDC), l’IA rappresenta un mercato globale colossale di 350 miliardi di dollari di ricavi nel 2021, in crescita media del 18,8% l’anno. PWC stima che l’IA aggiungerà 15.700 miliardi di dollari all’economia globale dal 2030. È in gioco anche la supremazia globale tra le grandi potenze. Si mette spesso in luce la rivalità tra Cina e Stati Uniti in una sorta di guerra fredda. La realtà è diversa: gli Stati Uniti sono decisamente più avanti e l’Europa ha un ruolo tutt’altro che trascurabile, quale terzo attore del settore.

Decifrare l’intelligenza artificiale

Per molti di noi, l’IA rimane un settore misterioso, in qualche modo magico, nel quale la macchina andrebbe gradualmente ad avere la meglio sul cervello umano. In effetti si tratta di un campo di ricerca sicuramente non nuovo, emerso già dagli anni ’50. Inizialmente è stata l’IA simbolica (logica formale e rappresentazione della conoscenza) a lanciare la disciplina, ma i recenti progressi sono legati all’IA digitale (statistica e manipolazione di dati di massa). È quest’ultima che ha il vento in poppa, con l’89% dei 55.000 brevetti depositati nel settore dell’IA nel 2017, in particolare grazie ai notevoli sviluppi delle capacità di calcolo e all’elaborazione di volumi giganteschi. Secondo Francois Chollet, responsabile dello sviluppo IA di Google, “avremo ben presto addestrato i modelli linguistici su tutti i testi umanamente disponibili”.

Per risolvere un problema, il cervello umano si avvale di due modalità di funzionamento, vale a dire l’intuizione e il ragionamento logico, che agiscono in combinazione tra loro. Sorprendentemente, l’IA eccelle nel campo dell’intuizione, ma la sue prestazioni per quanto riguarda il ragionamento lasciano a desiderare. Tutto ciò che un essere umano realizza immediatamente e “senza pensarci” potrebbe essere sostituito dall’IA: guidare in una situazione ordinaria, produrre linguaggio, riconoscere oggetti. L’IA è già molto impressionante in campo medico, ad esempio, essendo in grado di rilevare un tumore su una radiografia in modo molto più efficace dell’occhio umano.

Una forza bruta con i suoi limiti

Queste incredibili abilità creano una fantasia di onnipotenza davanti alla quale nessun problema resisterebbe; ci sono però dei limiti… La ricerca degli attori dell’intelligenza artificiale è la Human Level Artificial Intelligence (HLAI), ma “non abbiamo un paradigma di apprendimento che consenta alle macchine di imparare come funziona il mondo”, secondo Yann Le Cun. Mancano concetti fondamentali che la sola forza del calcolo non può risolvere. Inoltre, l’apprendimento automatico presenta pregiudizi problematici legati al suo apprendimento: iniziando una frase con la parola “musulmano”, il completamento automatico del linguaggio generato dal modello IA GPT-3 di OpenAI contiene un linguaggio violento nel 60% dei casi, rispetto a meno del 20% se “musulmano” viene sostituito da “buddista”. I contenuti generati automaticamente riproducono naturalmente i pregiudizi dei milioni di testi utilizzati per il loro apprendimento.

Quali applicazioni nel mondo della finanza? 

Comprendere il modo di operare e i limiti dell’IA permette di immaginarne le applicazioni in finanza. La lotta contro il riciclaggio di denaro, a condizione di essere alimentata con un volume di dati sufficiente, è chiaramente un’area di predilezione per l’IA. Il rilevamento di frodi nel mezzo di milioni di transazioni da parte di un sistema di apprendimento automatico educato da precedenti frodi si rivelerà estremamente efficace. Le aree che richiedono l’analisi di grandi volumi di dati sono ottimi candidati; per esempio, la sicurezza informatica, l’analisi del credito o il calcolo del rischio.

Immaginare un’IA in grado di prevedere l’evoluzione dei mercati è invece un’utopia. Certo, alcune startup attive nello high frequency trading vantano le prestazioni dei propri modelli di IA, ma a lungo termine resta da dimostrarne l’efficacia. I ragionamenti da fare, gli eventi contestuali particolarmente imprevedibili e le emozioni intrinseche agli attori del mercato sono tutti ostacoli all’applicazione efficiente di un modello di IA in questo campo.

L’IA sta già plasmando alcune aree della finanza e chiaramente i cambiamenti più significativi sono davanti a noi. Le banche devono già misurarne gli impatti, capirne le tecnologie e integrare l’IA sin da oggi nelle proprie strategie, per essere pronte per le sfide di domani.