Cari tutti,
(1) Devo ammettere che mi sorprende un poco la generalizzata reazione negativa alle affermazioni di un Nobel che ha dedicato l'intera vita a fare seria ricerca in materia di reti neurali. Personalmente, l'ottenimento di un tale successo accademico mi porta a ponderare con grande attenzione e rispetto le parole di Geoffrey Hinton.
(2) Hinton ha rilasciato decine di ore di interviste, tutte disponibili online. Avendole ascoltate tutte nella loro interezza, trovo Hinton estremamente lucido, chiaro, preparato e condivisibile.
(3) Hinton sostiene, tra l'altro, (i) che quella artificiale sia una forma di intelligenza (embrionale e potenziale, aggiungerei), (ii) che ci siano analogie tra l'intelligenza artificiale e quella umana (non equivalenza), ovviamente direi poiché l'intuizione di Hinton e altri è stata proprio quella di imitare il processo biologico, (iii) che entro quindici anni avremo una super-intelligenza - questa affermazione, secondo Hinton, è oggetto di consenso tra coloro che hanno contribuito allo sviluppo della tecnologia negli ultimi trent'anni. Personalmente, prendo le tre affermazioni molto seriamente, soprattutto nel contesto dell'applicazione di prospettive regolamentari, che è il mio lavoro. Sul punto condivido con voi ricerca fondante in materia:
- Yann LeCun, Yoshua Bengio, and Geoffrey Hinton, 'Deep learning' (2015) 521 Nature 436 <https://www.nature.com/articles/nature14539>;
- Demis Hassabis and others, ‘Neuroscience-Inspired Artificial Intelligence’ (2017) 95(2) Neuron 245, 245–47;
- Jenny Saffran, Richard Aslin and Elissa Newport, 'Statistical Learning by 8-Month-Old Infants' (1996) 274 Science 1926, 1926–27 (infants track transitional probabilities in syllable streams—learning distributional regularities from exposure);
- Ram Frost and others, 'Domain Generality versus Modality Specificity: The Paradox of Statistical Learning' (2015) 19(3) Trends in Cognitive Sciences 117, 117–19 (review: humans acquire statistical structure across modalities; learning reflects sensitivity to co-occurrence and sequence regularities);
- Jenny Saffran and Natasha Kirkham, 'Infant Statistical Learning' (2018) 69 Annual Review of Psychology 181, 182–85 (survey of evidence that human learners extract patterns and regularities from continuous input, forming abstract representations rather than memorising surface forms);
- Joshua Tenenbaum and others, 'How to Grow a Mind: Statistics, Structure, and Abstraction' (2011) 331(6022) Science 1279, 1279–80 (human learning builds abstract structural representations from statistical evidence rather than storing surface details);
- Jeff Hawkins, Subutai Ahmad and Yuwei Cui, ‘A Theory of How Columns in the Neocortex Enable Learning the Structure of the World’ (2017) 11 Frontiers in Neural Circuits 81;
- Jeff Hawkins and Sandra Blakeslee, On Intelligence: How a New Understanding of the Brain Will Lead to the Creation of Truly Intelligent Machines (Times Books 2004);
- Jeff Hawkins, A Thousand Brains: A New Theory of Intelligence (Basic Books 2021) chs 1–3.;
- Andy Clark, 'Whatever Next? Predictive Brains, Situated Agents, and the Future of Cognitive Science' (2013) 36(3) Behavioral and Brain Sciences 181, 181–83 (predictive-processing account: cognition encodes generative, abstract models of causes, not verbatim inputs);
- David Silver and others, ‘Mastering the Game of Go with Deep Neural Networks and Tree Search’ (2016) 529 Nature 484;
- Daniel Kahneman, Thinking, Fast and Slow (Farrar, Straus and Giroux 2011);
- Brenden Lake and others, ‘Building Machines that Learn and Think Like People’ (2017) 40 Behavioral and Brain Sciences e253;
- Anthony Chemero, ‘LLMs Differ from Human Cognition Because They Are Not Embodied’ (2023) 7 Nature Human Behaviour 1828, 1828–29;
- Liye Zou and others, ‘The Synergy of Embodied Cognition and Cognitive Load Theory for Optimized Learning’ (2025) 9 Nature Human Behaviour 877, 877–79;
- Harriet Over, ‘The Social Function of Imitation in Development’ (2020) 2 Annual Review of Developmental Psychology 93, 93–95 (
on learning and imitation in order to belong);
- Jake Spicer and Adam Sanborn, ‘What Does the Mind Learn? A Comparison of Human and Machine Learning Representations’ (2019) 55 Current Opinion in Neurobiology 97, 97–98, 101–02;
- Charlotte Caucheteux, Alexandre Gramfort and Jean-Rémi King, ‘Evidence of a Predictive Coding Hierarchy in the Human Brain Listening to Speech’ (2023) 7 Nature Human Behaviour 430, 430–31, 437–41;
- Eleanor Holton and others, ‘Humans and Neural Networks Show Similar Patterns of Transfer and Interference during Continual Learning’ (2026) 10 Nature Human Behaviour 111, 111–15, 121–25;
- Lukas Galke, Yoav Ram and Limor Raviv, ‘Deep Neural Networks and Humans Both Benefit from Compositional Language Structure’ (2024) 15 Nature Communications 10816.
(4) che l'AI possa potenzialmente sostituire i radiologi nel breve mi pare così ovvio che non credo sia necessario scomodare Hinton. In termini di allocazioni delle risorse (formative), quindi il ragionamento di Hinton è sostenibile. E' invece questione diversa se produca più o meno esternalità positive per la società mantenere monopoli professionali in capo a soggetti umani. Io credo che convenga continuare a mantenere questi monopoli, quindi le professioni abilitate dovrebbero continuare ad essere prerogativa esclusiva di agenti umani, aumentati dalle competenze conoscitive e computazionali della macchina.
(5) L'affermazione "
non saprei dire se gratuitamente" mi pare fuori luogo (chiedo venia alla dott.sa Tafani nel caso abbia mal compreso il riferimento). Mi pare comunque che alcune affermazioni circa l'indipendenza o le ragioni etiche che muovono altri ricercatori e le altrui opinioni siano emerse in altri thread. Mi paiono preconcette, specialmente se non fondate da prove fattuali inoppugnabili. Quando anch'io mi perdo nei meandri delle elucubrazioni tipiche di un accademico e percepisco una deriva verso la "conspiracy theory", vado sempre a rileggermi: Cass R Sunstein and Adrian Vermeule, ‘Conspiracy Theories: Causes and Cures’ (2009) 17 Journal of Political Philosophy 202. Nel caso di Hinton l'affermazione è assolutamente infondata. Hinton non ha relazione con alcuno di grandi player, e anche se avesse collaborazioni scientifiche in atto che non conosco, ha speso gli ultimi anni a muovere critiche feroci all'apparato industriale, facendo costante attività di lobby a favore di un uso cosciente dell'IA, ripetendo più volte, in maniera iperbolica, che ci sono addirittura rischi di estinzione della specie umana se il processo di integrazione dell'IA - e di una potenziale super-intelligenza - nella società non verrà gestito con le massime cautele.
(6) Hinton è uno psicologo cognitivo, non un ingegnere, e il "disastro ingegneristico" forse lo dovremmo sostanziare (ho letto il lavoro postato), forse dovremmo attenderlo prima di affermarlo in maniera iperbolica, forse tra vent'anni dovremmo verificare quanti di noi hanno usufruito di tecniche mediche avanzate impensabili prima dell'avvento di una "great transformation" mossa dall'IA, predetta da ricercatori seri (Ajeya Cotra) a cominciare dal 2030. Per evitare conclusioni affrettate circa le mie posizioni, la mia attività di ricerca oggi è dedicata a evidenziare i rischi culturali, sociali e competitivi dell'avvento dell'AI generativa sull'ecosistema creativo. Le prospettive distopiche sono preoccupanti, la redistribuzione delle risorse il grande problema (anche se l'AI c'entra poco come ci insegna Piketty), e quello che chiamo "intelligence capitalism" - sarai intelligente in base al tuo potere economico - la nuova frontiera della distopia baudrillardiana.
Con i saluti più cordiali,
Giancarlo