Un timido passo avanti dell'accademia rispetto alla divulgazione dei problemi TEORICI della AI:

These advances are genuinely impressive but don’t point the way to general AI. I think that is a long way off, and we really don’t know how to get there.

Another misconception is that AI techniques are about modelling the brain. That isn’t what AI researchers do. Even techniques like neural networks [...] are only loosely related to brain structure. [...] A common misconception about machine learning is that it provides only “black-box” algorithms – that is, their workings are inherently incomprehensible to human overseers. There’s some truth to this belief. [...] In reality, many of the AI developments constitute very early progress that is presented as huge promise, but that promise depends on a lot of underpinning work that has yet to be done

https://www.research.ox.ac.uk/amp/Article/2018-10-15-leading-academics-revea... Tuttavia siamo ancora lontani dal riconoscere i problemi PRATICI delle AI. L'impatto sulla economia e sull'impiego viene ridotto ad analogie con il passato. Non si dice nulla dei dati, dei segreti industriali che i modelli estratti da essi possono costituire. Quando poi si parla di bias, lo si fa per dire che è un problema degli umani, suggerendo implicitamente che sia inevitabile e giustificabile. E non si parla mai di problemi come bug e versioning, dimostrando una scarsa preparazione rispetto alla ingegneria (lacuna evidente quanto comoda) che limita il ragionamento al massimo alle problematiche di deploy senza pensare affatto alle implicazioni di lungo periodo. Noto poi una sottile evoluzione retorica: si dice finalmente che gli scenari utopici e quelli distopici della letteratura fantascientifica sono eguamente ingannevoli, ma 1. non si discutono le potenzialità positive e le esternalità negative effettivamente probabili 2. si confronta gli eccessi di ottimismo degli "esperti" con le preocupazioni degli "altri", non esperti e dunque in qualche modo screditando tali preoccupazioni Insomma... un mea culpa un po'... affettato. Si potrebbe quasi pensare che si tenti di mantenere un minimo di credibilità apparendo equidistanti dagli entusiasmi del marketing e le paure degli impressionabili, in modo da poter influenzare regolamentazioni di buon senso che non danneggerebbero alcuna ricerca ma ridurrebbero l'appetibilità commerciale di queste tecniche. A pensar male si fa peccato, ma... :-) Giacomo