Sono passati più di 20 anni da quando Clayton Christensen ci ha illuminato sui rischi di “riposare sugli allori” mentre gli incumbent hanno perseverato fino a… riposare sugli allori. E così.
Qualcosa di interessante del fenomeno descritto da Clayton è la ricorrenza argomentativa insita nella natura dello sviluppo scientifico, che sembra estraneo all’accettazione di sé dovuta ai bisogni umani: Maslow è presente e abbatte i giganti.
ChatGPT (Chat Generative Trasformatore pre-addestrato) è una chat “generativa” pre-addestrata da un metodo chiamato “Transformer”. Vediamo.
Una chat si riferisce a un’interfaccia tra i computer e l’utente interessato a ottenere un nuovo prodotto da determinate specifiche o semplici domande o domande. Il nuovo prodotto può essere un testo, una risposta o una spiegazione, ma può anche essere un’immagine o un’illustrazione.
Le risposte generate sono il risultato dell’implementazione del metodo “Transformer” da cui derivano gli algoritmi che vengono successivamente programmati nel/i computer con cui l’utente comunica, generalmente – e per ora – tramite testo o riferimento a altri oggetti digitalizzati.
Il “Transformer” è composto da elementi di apprendimento (profondo) che consuma i miliardi di dati correlati (e disponibili su Internet) sugli elementi più significativi forniti dall’utente nelle sue domande o esigenze. Se l’utente chiede a ChatGPT di scrivere una poesia sulla luce, ChatGPT cercherà ed evidenzierà nella sua risposta elementi che sono stati efficaci nelle query precedenti o con esempi corrispondenti su nomi o aggettivi che consentono una delicatezza nella risposta.
Altri strumenti generano nuove immagini sulla base di requisiti specifici: “disegnami un elefante che balla in un film di Buñuel” è qualcosa che si può chiedere DALL-E.
La recente discussione sul successo pubblicitario di questi strumenti si concentra sul vero valore (o minacce) che possono generare nella società e, in particolare, in ambito accademico ed eventualmente legale.
Gli strumenti utilizzati esistono da molti anni e si sono sicuramente evoluti. Lo slancio che stiamo vivendo ora risiede principalmente nella grande mole di informazioni che questi sistemi possono ingerire ed elaborare (imparare) per dare risultati per molti sorprendenti. È vero che questi strumenti non avevano offerto i meccanismi in modo che chiunque avesse uno smartphone potesse fare esperimenti e rimanere sorpreso, quindi, i consumatori decideranno e pondereranno il successo o il fallimento dei prodotti che abbiamo a portata di mano.
Una delle questioni rilevanti sembra essere se questi sistemi siano intelligenti o meno, ma quel dibattito è molto lontano dal mondo delle applicazioni e del loro utilizzo. Non è certo consigliabile dare per scontato – per ora – che nessuna delle due piattaforme sia ineludibile o che il loro consiglio sia perfetto: ci darà risposte corrispondenti con il suo database e le sue informazioni, ma difficilmente genererà qualcosa che non sia umanamente conclusivo con lo stesso database di dati. Accettare questi strumenti come la soluzione assoluta per comprendere l’intelligenza sembra essere ancora molto prematuro.
Le fasi successive di questi sistemi comportano la personalizzazione e la super-specializzazione, l’uso di strumenti e metodi matematici più avanzati e potenti la cui incorporazione può essere implementata molto più velocemente rispetto al modo tradizionale, la generazione di diagnosi forse più precise supportate da più informazioni.
Dalla fine del 2022 e per non parlare dell’inizio di quest’anno, abbiamo assistito a massicci licenziamenti proprio nelle aziende che guidano quasi direttamente queste tecnologie supportate da investimenti multimilionari. Gran parte del personale che è stato liquidato – lo so – ha esperienza e capacità per avventurarsi nello sviluppo di questo tipo di nuove aziende e prodotti. Ed è molto probabile che questi nuovi incumbent dimostrino ancora una volta la validità delle teorie di Clayton Christensen.
