Se vi siete mai rivolti a una AI per risolvere un problema numerico, probabilmente siete rimasti molto delusi. La maggior parte dei chatbot disponibili al grande pubblico ha grosse difficoltà con il pensiero logico, ma Google sta cercando di invertire questa tendenza grazie a DeepMind, un’AI malleabile che da oggi riesce perfino a risolvere i problemi di geometria proposti alle Olimpiadi Internazionali di Matematica. Si tratta di un traguardo importantissimo, che gli esperti ritenevano possibile solo tra molti anni.
Prendendo come esempio ChatGPT ci si rende subito conto che i popolarissimi language model non sono adatti al pensiero critico. Nonostante i testi generati da questi strumenti possano apparire molto convincenti o addirittura autentici, il problem-solving non è certo il loro forte. Se volete divertirvi un po’, chiedete a PizzaGPT quante “R” ci sono nella parola “Arancia”; vi ritroverete subito a litigare con una stanza cinese molto testarda che spara numeri a casaccio.
I ricercatori di Google e della New York University hanno però dimostrato che è possibile “far ragionare” le AI, basta solo usare un motore adeguato. Ecco che entra in gioco AlphaGeometry, uno speciale tipo di language model in grado di riconoscere i simboli scientifici. Ma la parte più sbalorditiva di questo modello è che riesce a rispettare le regole della logica formale per produrre deduzioni di rigore matematico, dimostrarle, e addirittura spiegare il procedimento.
Come DeepMind AI risolve i problemi di geometria
AlphaGeometry è un sistema AI ibrido che si piazza tra language model e symbolic engine: questo significa che “il computer” è in grado di usare sia la fantasia che la logica, entrambe sfruttate nella giusta misura per ottenere un risultato — in questo caso, risolvere problemi di geometria euclidea.
Questo approccio riproduce i processi mentali a cui si affiderebbe una persona reale: applicare le regole, fallire, provare un altro approccio “fantasioso”, applicare altre regole, e così via fino ad arrivare a una soluzione. In questo modo l’AI ha risposto correttamente a 25 quesiti su 30 rispettando i limiti di tempo delle prestigiose competizioni matematiche internazionali: un risultato da podio.
Per la precisione, quando DeepMind affronta un problema, innanzitutto cerca una dimostrazione in grado di risolvere la richiesta. Se (o meglio, quando) fallisce usa “l’esperienza” derivata da 100 milioni di teoremi sintetici per aggiungere un punto o una linea alla figura attorno cui si sviluppa il problema. Dopodiché l’AI analizza la “nuova” figura appena creata, e cerca ancora di applicare le regole che conosce per trovare una dimostrazione verificabile che risolva il problema; se fallisce, ricomincia il ciclo di disegno e osservazione fino al successo.
Tra i pregi di questo innovativo modello non bisogna dimenticare la capacità di analizzare dati sintetici espressi in un linguaggio settoriale molto preciso, e soprattutto la capacità di generare dimostrazioni leggibili all’uomo. Secondo Roman Yampoliskiy, ricercatore specializzato in AI Safety, la risoluzione dei problemi di geometria è solo il preludio di un futuro nel quale l’AI potrà scoprire nuovi paradigmi in architettura e fisica teorica — per poi spiegarceli in modo comprensibile grazie a schemi e didascalie.
Ora più che mai occorre fare attenzione ai regolamenti che dirigono lo svilupparsi delle Intelligenze Artificiali, motivo per cui OpenAI ha rimosso i divieti sull’utilizzo bellico delle sue tecnologie in favore di regole più generali. In Italia, Padre Paolo Benanti presiede la commissione che si occupa di queste tecnologie, ritenute una priorità dal governo Meloni; proprio oggi la Premier ha ricevuto Bill Gates per discutere di rischi e opportunità nella nuova era del computing.
