La triade dell’IA e cosa significa per la strategia di sicurezza nazionale
Sintesi
Si può riassumere le complessità dell’intelligenza artificiale moderna in una singola frase: i sistemi di apprendimento automatico utilizzano la potenza di calcolo per eseguire algoritmi che apprendono dai dati. Tutto ciò che i policy maker della sicurezza nazionale devono davvero sapere su una tecnologia che sembra al tempo stesso di tendenza, potente e misteriosa è racchiuso in quelle 17 parole. Definiscono un paradigma per l’IA moderna — l’apprendimento automatico — in cui le macchine traggono le proprie intuizioni dai dati, a differenza dei sistemi esperti del passato guidati dall’uomo.
La stessa frase introduce anche la triade dell’IA composta da algoritmi, dati e potenza di calcolo. Ciascun elemento è fondamentale per la potenza dei sistemi di apprendimento automatico, sebbene la loro priorità relativa vari in base agli sviluppi tecnologici. Gli algoritmi regolano il modo in cui i sistemi di apprendimento automatico elaborano le informazioni e prendono decisioni. Oggi sono diffuse tre classi principali di algoritmi: l’apprendimento supervisionato, che ricava intuizioni da dataset strutturati; l’apprendimento non supervisionato, che eccelle nell’individuare strutture o gruppi in dataset non organizzati; e l’apprendimento per rinforzo, che sviluppa le capacità di un sistema di apprendimento automatico attraverso tentativi ed errori. Di solito, questi algoritmi funzionano su reti neurali, un tipo di architettura di programmi per computer. Le reti neurali offrono un’enorme flessibilità e potenza, ma comportano dei compromessi — in primo luogo, la mancanza di trasparenza del loro ragionamento.
Spesso, anche se non sempre, è attraverso i dati che i sistemi di apprendimento automatico imparano a conoscere il mondo. Se un fatto non è presente nei dati forniti alla macchina, il sistema non lo apprenderà mai, specialmente nel caso dell’apprendimento supervisionato. L’acquisizione di dataset più ampi e rappresentativi può potenziare ulteriormente i sistemi di apprendimento automatico. Senza tali dataset, nei sistemi possono insinuarsi distorsioni, compromettendone le prestazioni in modi difficili da individuare.
Spesso sottovalutata, la potenza di calcolo diventa sempre più essenziale man mano che gli algoritmi si fanno più complessi e i dataset più grandi. Negli ultimi otto anni si è assistito a una rivoluzione nella quantità di potenza di calcolo applicata all’apprendimento automatico all’avanguardia, la quale è aumentata di diverse centinaia di migliaia di volte. La potenza di calcolo influisce sempre più sulle prestazioni dei sistemi di apprendimento automatico e rappresenta un costo significativo durante il loro sviluppo.
Ciascuna parte della triade offre le proprie leve politiche. Il progresso algoritmico dipende dalla capacità di una nazione di attrarre e formare ricercatori di talento nel campo dell’apprendimento automatico. Dataset più ampi e di migliore qualità richiedono scelte politiche complesse che riguardano distorsioni, privacy e sicurezza informatica. La potenza di calcolo può fornire un punto di leva per i controlli sulle esportazioni in politica estera, oltre a rappresentare un collo di bottiglia per la ricerca sull’IA a livello nazionale. Per esercitare con giudizio le leve disponibili nella politica sull’IA, i policy maker devono innanzitutto comprendere la tecnologia stessa e in che modo questa ridisegnerà la sicurezza nazionale. Il concetto della triade dell’IA costituisce un quadro di riferimento in tal senso.