È un fenomeno psicologico comune: ripeti qualsiasi parola abbastanza volte, e alla fine perde ogni significato, disintegrandosi come tessuto molle nel nulla fonetico. Per molti di noi, la frase “intelligenza artificiale” è andata in pezzi in questo modo molto tempo fa. L’IA è ovunque nella tecnologia in questo momento, si dice che stia alimentando tutto, dal televisore allo spazzolino da denti, ma mai le parole stesse hanno significato meno.

Non dovrebbe essere così.

Mentre la frase “intelligenza artificiale” è indiscutibilmente, senza dubbio abusata, la tecnologia sta facendo più che mai – sia nel bene che nel male. Viene impiegata nell’assistenza sanitaria e nella guerra; sta aiutando le persone a fare musica e libri; sta scrutando il tuo curriculum, giudicando la tua affidabilità creditizia, e modificando le foto che fai con il tuo telefono. In breve, sta prendendo decisioni che influenzano la tua vita, che ti piaccia o no.

Può essere difficile far quadrare il tutto con il clamore e la spacconeria con cui l’IA viene discussa dalle aziende tecnologiche e dai pubblicitari. Prendete, per esempio, lo spazzolino Genius X di Oral-B, uno dei molti dispositivi presentati al CES di quest’anno che ha propagandato presunte capacità di “AI”. Ma scavate oltre la linea superiore del comunicato stampa, e tutto ciò significa che dà un feedback piuttosto semplice sul fatto che vi state lavando i denti per la giusta quantità di tempo e nei posti giusti. Ci sono alcuni sensori intelligenti coinvolti per capire in quale punto della bocca si trova lo spazzolino, ma chiamarla intelligenza artificiale è una sciocchezza, niente di più.

Quando non c’è hype coinvolto, c’è incomprensione. La copertura della stampa può esagerare la ricerca, attaccando l’immagine di un Terminator su qualsiasi storia vagamente AI. Spesso questo deriva dalla confusione su cosa sia l’intelligenza artificiale. Può essere un argomento difficile per i non esperti, e le persone spesso confondono erroneamente l’IA contemporanea con la versione con cui hanno più familiarità: una visione scientifica di un computer cosciente molte volte più intelligente di un umano. Gli esperti si riferiscono a questa specifica istanza di IA come intelligenza artificiale generale, e se mai creeremo qualcosa del genere, sarà probabilmente molto lontano nel futuro. Fino ad allora, nessuno è aiutato dall’esagerare l’intelligenza o le capacità dei sistemi AI.

È meglio, allora, parlare di “machine learning” piuttosto che di AI. Questo è un sottocampo dell’intelligenza artificiale, e uno che comprende praticamente tutti i metodi che hanno il maggiore impatto sul mondo in questo momento (compreso quello che viene chiamato deep learning). Come frase, non ha la mistica di “AI”, ma è più utile per spiegare cosa fa la tecnologia.

Come funziona l’apprendimento automatico? Negli ultimi anni, ho letto e visto decine di spiegazioni, e la distinzione che ho trovato più utile è proprio lì nel nome: l’apprendimento automatico consiste nel permettere ai computer di imparare da soli. Ma cosa questo significhi è una domanda molto più grande.

Iniziamo con un problema. Diciamo che si vuole creare un programma in grado di riconoscere i gatti. (Sono sempre gatti per qualche motivo). Si potrebbe provare a farlo alla vecchia maniera programmando regole esplicite come “i gatti hanno le orecchie a punta” e “i gatti sono pelosi”. Ma cosa farebbe il programma quando gli mostrate la foto di una tigre? Programmare ogni regola necessaria richiederebbe molto tempo, e si dovrebbe definire ogni sorta di concetti difficili lungo la strada, come “pelosità” e “appuntiti”. Meglio lasciare che la macchina impari da sola. Quindi gli si dà un’enorme collezione di foto di gatti, ed essa li esamina per trovare i propri modelli in ciò che vede. Collega i punti, all’inizio in modo piuttosto casuale, ma tu lo metti alla prova più e più volte, mantenendo le versioni migliori. E col tempo, diventa abbastanza bravo a dire cosa è e cosa non è un gatto.

Così lontano, così prevedibile. In effetti, probabilmente avete già letto una spiegazione come questa, e me ne dispiace. Ma ciò che è importante non è leggere la glossa, ma pensare davvero a ciò che quella glossa implica. Quali sono gli effetti collaterali di avere un sistema decisionale che impara in questo modo?

Beh, il più grande vantaggio di questo metodo è il più ovvio: non dovete mai programmarlo veramente. Certo, si fa un sacco di lavoro, migliorando il modo in cui il sistema elabora i dati e trovando modi più intelligenti di ingerire le informazioni, ma non gli si dice cosa cercare. Questo significa che può individuare schemi che gli umani potrebbero non notare o a cui non avrebbero mai pensato in primo luogo. E poiché tutto ciò di cui il programma ha bisogno sono dati – 1s e 0s – ci sono così tanti lavori su cui puoi addestrarlo perché il mondo moderno è semplicemente pieno di dati. Con un martello da machine learning in mano, il mondo digitale è pieno di chiodi pronti per essere piantati al loro posto.

Ma poi pensa anche agli svantaggi. Se non stai insegnando esplicitamente al computer, come fai a sapere come sta prendendo le sue decisioni? I sistemi di apprendimento automatico non possono spiegare il loro pensiero, e questo significa che il tuo algoritmo potrebbe funzionare bene per le ragioni sbagliate. Allo stesso modo, poiché tutto ciò che il computer conosce sono i dati che gli fornite, potrebbe raccogliere una visione distorta del mondo, o potrebbe essere bravo solo in compiti ristretti che sembrano simili ai dati che ha visto prima. Non ha il senso comune che ci si aspetta da un umano. Potreste costruire il miglior programma di riconoscimento di gatti del mondo e non vi direbbe mai che i gattini non dovrebbero guidare le moto o che è più probabile che un gatto si chiami “Tiddles” piuttosto che “Megalorth l’Eterno.”

Insegnare ai computer ad imparare da soli è una brillante scorciatoia. E come tutte le scorciatoie, implica tagliare gli angoli. C’è intelligenza nei sistemi di IA, se la si vuole chiamare così. Ma non è un’intelligenza organica, e non gioca secondo le stesse regole degli umani. Si potrebbe anche chiedere: quanto è intelligente un libro? Quale competenza è codificata in una padella?

A che punto siamo con l’intelligenza artificiale? Dopo anni di titoli che annunciano la prossima grande scoperta (che, beh, non hanno ancora smesso), alcuni esperti pensano che abbiamo raggiunto una sorta di plateau. Ma questo non è davvero un impedimento al progresso. Sul lato della ricerca, ci sono un numero enorme di strade da esplorare all’interno della nostra conoscenza esistente, e sul lato del prodotto, abbiamo solo visto la punta dell’iceberg algoritmico.

Kai-Fu Lee, un venture capitalist ed ex ricercatore AI, descrive il momento attuale come “l’età dell’implementazione” – quella in cui la tecnologia inizia “a riversarsi fuori dal laboratorio e nel mondo”. Benedict Evans, un altro stratega VC, paragona l’apprendimento automatico ai database relazionali, un tipo di software aziendale che ha fatto fortuna negli anni ’90 e ha rivoluzionato intere industrie, ma questo è così banale che probabilmente i vostri occhi si sono abbassati solo leggendo queste due parole. Il punto che entrambe queste persone stanno facendo è che siamo ora al punto in cui l’IA sta per diventare normale velocemente. “Alla fine, quasi tutto avrà qualcosa dentro e a nessuno importerà”, dice Evans.

Ha ragione, ma non siamo ancora a quel punto.

Nel qui e ora, l’intelligenza artificiale – l’apprendimento automatico – è ancora qualcosa di nuovo che spesso non viene spiegato o esaminato a fondo. Quindi nel numero speciale di questa settimana di The Verge, AI Week, vi mostreremo come sta accadendo proprio ora, come questa tecnologia viene utilizzata per cambiare le cose. Perché in futuro, sarà così normale che non ve ne accorgerete nemmeno.