Sottotitoli creati dalla comunità Amara.org Buongiorno, buongiorno a tutti, grazie. Iniziamo subito perché la mattinata è ricca e l'argomento è molto importante, c'è grandissima attenzione. L'argomento è l'intelligenza artificiale generativa, restringiamo innanzitutto il campo, che come abbiamo visto ha conquistato le prime pange del giornale nelle ultime settimane e tendenza su tutti i social media e grazie a questa applicazione, vogliamo definirla così, dell'americana Open Eye, che è un brand commerciale fortissimo, questa GPT di cui ci ricorderemo penso a lungo. Io sono Gennardo Graziolla, sono giornalista di Radiocor e ho il compito di introdurre il mio ospito, il professor Profumo, con cui dialoguerò una mezz'ora prima di passare alla tavola rotonda successiva. Professor Profumo, abbiamo parlato dell'intelligenza artificiale l'anno scorso e mi sembra passato un anno luce quasi, per quanto è cambiata la percezione dell'argomento. A livello internazionale ma anche in Italia è recente l'iniziativa del garante della privacy che ha prima bloccato e poi ha permesso di nuovo la GPT di operare. Faccio una brevissima biografia del professor Profumo, chi l'ha ascoltato l'anno scorso ne conosce le doti oratorie che presto verificherete. Della sua biografia al professore ricordo la sua laurea in ingegneria elettrotecnica mi piace ricordare, io che ho un po' un'insofferenza per gli anglicismi, la sua cattedra, la sua carica che è ordinario di macchine e azionamenti elettrici, che lo trovo bellissimo al Politecnico di Torino dove è stato prima preside di facoltà e poi rettore. Il professor Profumo è stato ministro nel governo Monti e da tempo è alla guida della fondazione bancaria la compagnia di San Paolo e ha terminato da poche settimane l'incarico qui a Trento alla che è una istituzione, un centro di ricerca molto importante e anche sull'intelligenza artificiale. Chatt GPT quindi, il titolo di questo nostro panel è quando la macchina sostituisce l'uomo nell'aborazione dei pensieri. È un titolo che direi volutamente falso provocatorio da parte del nostro comitato scientifico. Vorrei subito togliere l'ansia millenaristica che colpisce chi si avvicina a questo tema. Chatt GPT non pensa, certamente non sostituisce l'intelletto umano e riprendo il titolo pubblicato da un bel libro, edito dal Sole 24 ore, l'intelligenza artificiale non esiste. Uno start-upper italiano che ho intervistato qualche giorno fa mi ha detto testuali parole, è solo un cruciverba di parole messa in fila in bello stile, con l'ultimo aggiornamento che risale a due anni fa, quindi non migliora, perché le domande degli utenti, i prompt, non è vero che lo istruiscono e che quindi già un continuo aggiornamento. Il futuro dell'intelligenza artificiale con Chatt GPT resta dunque futuro, per parafrasare un'affermazione di Giorgio Metta, il direttore scientifico dell'IT di Genova. Questo non toglie il professore però che l'intelligenza artificiale generativa abbia enorme potenzialità. Partiamo da qui. Quali rischi e opportunità vede con gli algoritmi che generano nuovi contenuti? Tanto grazie, grazie ancora una volta per aver avviato un dibastito su un tema che certamente l'anno scorso era già caldo, adesso è caldissimo, che cosa è successo negli ultimi tre o quattro mesi era forse impensabile. Lasciatemi dedicare pochissimi minuti perché questo è un luogo speciale. Nel 1985-86 il presidente della provincia di allora che era Bruno Kessler, il signore a cui è dedicata la fondazione, ebbe un'intuizione indescrivibile. C'era l'Istituto Trentino di Cultura, lui aveva lanciato quest'idea che un territorio come questo non poteva vivere di sole mele ma aveva bisogno di investire in educazione, ricerca e internazionalizzazione. Ma la cosa eccezionale è che un politico nell'arco di pochi mesi diede le gambe a quello che era stata semplicemente parte di una sua dichiarazione, quindi e che cosa fece? Istituì prima di tutto l'Istituto Trentino di Cultura che è stato il germe poi dell'Università di Trento e a seguire della fondazione Bruno Kessler. Ebbene questo era nel 1962, l'anno scorso abbiamo festeggiato il sessantesimo anniversario, però pochi anni dopo, a metà degli anni 80, lui aveva questa intuizione. Cosa fece? Cominciava a fare uno scouting in Europa per cercare le migliori menti e da questo porto qualcuno dalle MIT, qualcuno da Germania, un po' di più dal CNR e quindi tutta questa cosa partì di qua. Tenete presente che l'intelligenza artificiale che nacque nell'ambito della complessità ebbe un suo primo famoso congresso nell'area di Chicago intorno agli anni 50 più o meno. E a Trento ci fu il primo congresso nazionale sull'intelligenza artificiale nel 1989, quindi qua c'è l'anima di queste cose. Però se noi andiamo a vedere nel corso degli anni, noi diciamo che l'intelligenza artificiale sempre ha avuto un andamento stagionale. Che cosa vuol dire? Ci sono stati periodi di estate in cui c'è stato un incremento di interesse, di attività, di ricerca e poi un autunno, poi molte volte l'inverno e queste cose erano determinate. Certamente dall'interesse scientifico rispetto a questo argomento perché tenete presente che già inizialmente si pensava a due strade per l'intelligenza artificiale. Una che avrebbe portato alla realizzazione di sistemi in grado di replicare il cervello, quindi una cosa molto complessa. E dall'altra è quella che veniva chiamata l'intelligenza artificiale hard. Dall'altra parte invece è quella soft in cui ci sono azioni che nel loro insieme possono determinare ed è quello che poi ha avuto la prevalenza. Pensiamo un po' che cos'è oggi l'intelligenza artificiale? Quasi tutto, ma sono tutti i pezzetti che sono messi insieme attraverso questa cosa. E quindi Bruno Kessler fa questa operazione e qua nasce la culla dell'intelligenza artificiale. Come dicevo questa stagionalità, quindi fortunatamente poi nel 2008 è stata costituita la fondazione in cui si sono aggregate competenze molto diverse. Oggi parliamo di ibridazione di saperi, parliamo di cose di questo genere, ma non ci rendiamo conto che poi bisogna fare, realizzare. E allora nella fondazione che oggi ha circa 400 ricercatori, 120 dottorandi in aggiunta, 70-80 persone che fanno supporto, ci sono centri, tra di loro, stremamente diversi. Un centro per gli studi sulle scienze religiose, un centro sugli studi storici italogermanici, un centro sulla valutazione delle politiche pubbliche. Come vedete sono tutte cose che sono correlate alle esperienze di questo territorio. E dall'altra parte i centri scientifici con tutti quelli che sono i semi di questa operazione. Perché io ho raccontato questa cosa? Perché questa cosa qua è parte della storia lì e la storia dell'intelligenza artificiale la possiamo eseprificare abbastanza bene attraverso i motori di ricerca. Noi abbiamo da circa 40 anni lo stesso tipologia di motore di ricerca. Che cosa si fa? Si scrive Trento e il risultato del motore di ricerca che cos'è? Una serie di indirizzi corrispondenti a che cosa? Ad informazioni rispetto a Trento generici. Dopodiché ci vuole un soggetto che è l'uomo che attraverso queste informazioni ne fa la sintesi che naturalmente ritiene opportuno. Poi possiamo specificarlo un po' di più ma fondamentalmente questa è stata la struttura dei motori di ricerca fino ad oggi. Che cosa ci rendiamo conto oggi? Ci rendiamo conto che in realtà è possibile fare un qualche cosa di più. Cioè abbiamo una tale quantità di dati poi torniamo sulla qualità dei dati e su come questi dati sono stati generati e quali sono anche i limiti. Se noi abbiamo uno strumento, ed ecco qua il chart del GPT, che fa una analisi di quello che c'è. Non inventa nulla e non guarda soprattutto gli elementi per guardare al futuro, ce l'ha solo sul passato perché in realtà questi dati sono relativi a qualcosa che è avvenuto e di lì cosa fa? Ne fa una sintesi. Se poi in aggiunta ci sono delle regole per cui della sintesi può essere più indirizzata in una direzione che l'altra ecco che incomincia ad avvenire l'interesse. Quindi per risponderti nella realtà l'intelligenza artificiale non fa nulla di nuovo. C'è comunque chi sta dietro l'uomo e c'è comunque chi sta davanti ancora l'uomo. Quindi deve essere intesa veramente come un qualche cosa aiutando in quel senso. Questa generativa però ha un grande potenziale ma anche grandi rischi quindi ti volevo tenere più su questo. Allora la generativa ha un potenziale se ne capiamo esattamente i contorni, la definizione. Quindi la generativa nasce perché sono strumenti sofisticati con reti neurali sempre più potenti perché poi adesso è così. Perché poi ci sono anche le capacità di calcolo di fare questa cosa qua e quindi da questo punto di vista però parte da che cosa? Da dati che esistono e quindi è un soggetto che potrebbe essere un insieme di tante menti come i nostri se noi ce l'avessimo questa capacità che fa sintesi, li va a cercare questi dati e li collega tra di loro e poi la parte di novità della generativa è che è in grado di farne una sintesi rispetto alle regole che tu gli hai dato e quindi ecco che ti può elaborare un documento, se vogliamo chiamarlo così, che sulla base dell'argomento delle regole per quello che esiste disponibile ti dà una risposta. Quindi questo è e questo è da una parte il grande vantaggio perché c'è un vantaggio, pensate al supporto che può dare ma ci sono anche tutti i limiti che sono collegati fondamentalmente a che cosa? Al fatto che non conosciamo esattamente la fonte da cui sono ricavati questi dati e quindi questo è un momento di debolezza, non lo so nel futuro, poi poi qualcosa vi racconterò che cosa potrebbe succedere ma certamente essendo così giovane queste cose, 4-5 mesi fa non ne parlavamo, adesso c'è stata un'accelerazione indescrivibile e quindi a questo punto di vista siamo a questo punto oggi. Si parlava di regole adesso in Europa c'è una regolamentazione in progress e dovrebbe ssere ecco trasparenza, tutti siamo rimasti colpiti dal famoso a foto generata il papa con il piumino, l'altro giorno è stato un momento sui mercati di torbativa per questa foto creata asseverata da alcuni profili di twitter con la famosa spunta blu, quindi le regole e la trasparenza come si può garantire? Perché questo possa rientrare su un percorso guidato? Noi stiamo facendo una sperimentazione, la sperimentazione nasce come compagnia di san paulo, la stiamo facendo in che termini? Andando ad analizzare dove sono i punti di debolezza, i punti debolezza dal mio punto di vista è la natura dei dati su cui si opera perché sulla rete i dati sono tanti, non ne conosciamo l'origine, non sappiamo se sono più o meno veritieri e noi lo abbiamo imparato nel corso di questi anni che una qualsiasi azione sui grandi dati ha alla base il fatto di avere una base di dati che sia, lasciatemelo dire un po' in modo pulita. E allora che cosa abbiamo provato a fare noi? Abbiamo provato a fare la seguente cosa, abbiamo preso un archivio, un archivio importante, poi vi dico anche che tipo di archivio è, lo abbiamo digitalizzato e quindi abbiamo il controllo dell'origine e poi su quell'operazione lì stiamo facendo un lavoro sull'intelligenza generativa. Vi dico veramente cos'è questo, l'archivio è l'archivio del presidente Inaudi, un uomo quindi che ha dato certamente un contributo determinante al nostro paese, questo archivio è gestito dalla fondazione Inaudi a Torino, nel corso degli anni abbiamo fatto questa operazione di digitalizzazione e adesso stiamo lavorando attraverso l'intelligenza generativa, quindi con quella modalità lì tipo chart GPT o che cosa sarà nel futuro, però con una base di dati che non è qualunque, è quella lì e per esempio una domanda che gli potremmo fare, ma Presidente come si comporterebbe lei oggi se avesse sul suo tavolo il problema della guerra sull'Ucraina? Però lo capite questa domanda la si potrebbe fare genericamente anche alla rete e però non avremmo l'origine da cui emerge o si sintetizza la risposta, invece in questo caso e io credo che sia interessante per la ricerca da questo punto di vista, partendo da un archivio noto con diciamo l'acquadità della persona a cui fa riferimento quell'archivio, probabilmente questa è una strada molto interessante, sempre attenzione sulla base di quello che è stato il passato per ora a meno che poi se mai ne parliamo non facciamo qualcosa di diverso, non siamo in grado di giocare molto sul futuro perché la storia è passata e se non ci sono degli elementi sul futuro è un punto di grandissima debolezza. Capire i dati è fondamentale, adesso sta entrando in redazione intelligenza artificiale quindi io penso che vada cavalcata e non subita, questo è importante anche per noi operatori di informazione. Un aspetto di questa intelligenza artificiale generativa di cui vorrei tu esponessi qualche ragionamento è il potenziale sull'educazione, tu sei docente, durante decine di studenti hai formato, che potenziale vedi? Penso importante. Io credo che come sempre è stato nel corso ormai dei secoli i modelli educativi sono figli della rivoluzione industriale in cui sono nati, vi faccio un esempio, la prima grande rivoluzione industriale è stata tra la fine del settecento e l'inizio dell'ottocento, è stata caratterizzata da che cosa? Da una nuova forma di energia, il vapore, l'utilizzo del vapore, a quali fine? Sostituzione parziale di attività muscolare dell'uomo. Ebbene è nato un modello educativo collegato a quello, la seconda per esempio tra il fine dell'ottocento e l'inizio del novecento è ancora caratterizzata da una nuova forma di energia, l'energia elettrica, e ancora una volta è nato un modello. Pensate che le scuole politecniche in Europa sono nate tutte tra il 1850 e il 1870 più o meno e quindi sono a cavallo di queste due grandi rivoluzioni industriali. La terza rivoluzione industriale che è quella della robotica, dell'automazione, tra la fine del novecento e l'inizio del duemila e ancora una volta c'è stato, se andiamo a vedere come si sono evoluti i modelli educativi nelle nostre università, una stretta connessione. Anche in quel caso in fondo c'era una forma di sostituzione di attività muscolare dell'uomo. Siamo nella quarta rivoluzione industriale. Questa quarta rivoluzione industriale è caratterizzata per la prima volta, non da una sostituzione di attività muscolare, ma dal fatto di poter coadjuvare l'attività cerebrale attraverso un'attività ausiliaria attiviciale ed ecco questo. Ancora un elemento, le caratterizzazioni di questi modelli educativi hanno naturalmente una stretta connessione con la rivoluzione industriale, ma anche con la durata della rivoluzione industriale. Perché? Perché nella realtà la conoscenza invecchia con la rivoluzione industriale, quindi al termine della rivoluzione industriale praticamente la conoscenza che era stata generata con quei modelli lì viene un po' meno. Allora le prime rivoluzioni industriali sono durate decine di anni, 70-80 anni, adesso si riducono sempre di più. Questa rivoluzione che è la quarta durerà probabilmente una ventina di anni forse anche meno. Ormai stiamo parlando già della quinta, quale sarà? Ed è difficile dirlo, però la presidente von der Leyen nel suo discorso di insediamento nel novembre 2019 parlò di grandi transizioni, transizione ecologica, transizione digitale e resilienza sociale. Se io dovessi scommettere probabilmente questa sarà la nuova rivoluzione, brevissima anche questa. Allora perché non rimaniamo in difficoltà come società, non come persone? È necessario che i nostri sistemi educativi si attrezzino da subito sui due livelli, cioè gli studenti, cioè chi è nel percorso di formazione e quindi è necessario che fino alle scuole elementari si attivino percorsi da questo punto di vista, naturalmente inizialmente è solo di sensibilizzazione attraverso il gioco per i bambini, ma poi nella crescita deve diventare la struttura anche della ricerca. E dall'altra parte dobbiamo anche pensare a upskilling e reskilling delle persone. Noi non possiamo perdere milioni di persone. La presidente von der Leyen ha detto non solo le transizioni, ma soprattutto la resilienza sociale. Resilienza sociale significa accompagnare la transizione della conoscenza per le persone che sono attive nel mondo del lavoro. Quindi la risposta è questa è la priorità numero uno perché la nostra società non rimanga una società messa nell'angolo da un qualche cosa che è certamente dirrompente. D'accordo. Professore abbiamo un ultimo spunto perché tempo e tiranno oltre che risorsa scarza, le risorse pubbliche per l'intelligenza artificiale. Qui viene il nodo dolente. Mi dicono operatori del settore che per esempio la Francia ha dei volumi di risorse molto importanti. L'altro giorno il sottosegretario Butti che alla delega l'innovazione ha lanciato una proposta è disponibile a proporre un fondo pubblico privato per una via italiana l'ha definita così all'intelligenza artificiale, una specificità di ricerca italiana e ha citato come modello il fondo per la repubblica digitale che è un fondo pubblico privato fatto con l'associazione che preside il professor Profumo. Però qui parliamo di risorse importanti, non so quanto l'Italia da sola forse più in ambito europeo, come la vedi questo spunto di Butti? Allora certamente la dimensione di questi temi non può essere né nazionale né regionale né cittadina, la dimensione vera è la dimensione europea e noi in questi giorni qua abbiamo Roberto Viola che è il direttore generale della Digiconnect e capite la lungimiranza di quest'uomo anni fa lui ebbe questa intuizione che l'HPC diventava uno strumento essenziale pensate che cosa è successo sul tema dei vaccini se non ci fosse stata l'HPC tanto per dirvi come bisogna guardare lungo questa cosa nacque nel 2017 quando cominciamo a pensare all'investimento da dover fare in Europa non sul singolo Paese, noi abbiamo 500 milioni di persone che sono le persone che hanno più storia, che hanno più esperienza, che hanno più cultura rotonda, non c'è nessun altro al mondo che ce la e quindi noi dobbiamo valorizzare questo ma dobbiamo valorizzarlo in termini di coprogettazione cioè l'Europa da una parte che ci dà gli indirizzi anche una parte risorse risorse che fino a diciamo un paio di anni fa erano dovute solo al contributo dei paesi partecipanti noi siamo un contributore netto cosa vuol dire che più quello che diamo rispetto a quello che che riceviamo dobbiamo preoccuparci dobbiamo diventare più efficienti più efficaci ma non preoccuparci perché siamo un grande paese e il valore è tenere insieme i 500 milioni noi siamo un paesino così 60 milioni gli avevi tanti quindi questo però poi ci vuole la sinergia delle politiche nazionali e la Francia da questo punto di vista la Germania ma la stessa Spagna fanno delle politiche che sono veramente complementarie cioè qualche volta parte prima l'azione nazionale qualche volta parte prima ma sempre sulla stessa linea noi questo non lo facciamo non l'abbiamo mai fatto anche su pnr abbiamo fatto anche delle cose buone caso meno buone non è questo il tema però abbiamo voluto marcare noi non va bene non va bene noi siamo troppo piccoli abbiamo bisogno di lavorare insieme agli altri ecco perché i paesi come la Francia i paesi come la Germania come la stessa Spagna oggi sono più forti di noi sono più forti perché hanno ben capito questa lezione e che lavorano e noi dobbiamo fare così. Dammi un telegramma ma questo sistema del fondo pubblico privato con il credo di imposta per i privati può funzionare anche per l'intelligenza artificiale per questa ricerca importante che dovrà essere fatta? Allora la risposta che è che il modello è un modello vincente fondamentalmente perché perché le regole e la valutazione devono essere pubbliche la gestione deve essere privata perché lo stato non ce la fa quindi questo abbinamento pubblico privato è certamente la soluzione la stessa cosa io l'ho scritto l'altro giorno è sul pnr fondi di fondi bisogna lavorare in cui naturalmente c'è la capacità di fare la due diligence c'è la capacità di intervenire nel modo diciamo migliore per quella anche che è la domanda locale ma senza avere tutte le trappole ministeriali che ritardano quindi la risposta è sì credo che il miglior esempio in assoluto sia la spagna la spagna ve ne aggiungo un pezzettino rispetto alle cose che ci siamo detti fa qualche cosa in più quando un suo soggetto un suo ente una sua università partecipa ad un bando europeo e alla qualifica di quello che si chiama sila of excellence cioè è stato valutato molto positivamente ma non è stato finanziato perché le risorse poi sono la spagna se ne prende cura e dice ti finanzio ancora un po perché tu ti possa presentare alla prossima chiamata più forte e vinci ultimo accolo all'europea innovation quattro sono le startup che hanno vinto in italia 11 in spagna questo è figlio della politica la politica deve giocare il suo ruolo fino in fondo e deve essere capace di capire come bisogna far lavorare insieme perché oggi nessuno da solo può essere vincitore ingraziamo il professor francesco profumo io cedo la parola alla collega barbara carfagna e al panel che seguirà un attimo per il cambio di sala grazie ora introduco il gli ospiti del prossimo del prossimo panel e l'invito ad accomodarsi qui con noi parleremo un po degli ultimi fatti di attuali di attualità specialmente l'ultima settimana ci sono state tre eventi importanti che riguardano proprio quest'ambito della intelligenza artificiale generativa quindi li commenteremo brevemente poi affronteremo con i nostri ospiti ognuno dal suo punto di vista una angolazione diciamo di questa intelligenza artificiale generativa che ha preso è diventata protagonista ed è stata molto importante perché in realtà ha reso popolare quello che chiamano il famoso tipping point un tema l'intelligenza artificiale di cui parlavamo esclusivamente un po tra esperti e diciamo giornalisti di nicchia e invece questa chat ha aperto un mondo che ci fa comprendere la vera trasformazione che sta operando il digitale nella nostra società ma anche noi stessi cioè in come siamo in come diventeremo e nel nostro modo di percepire e strutturare la realtà stiamo passando quindi da utilizzare la tecnologia o la ricerca per comprendere la realtà a utilizzarla per trasformare la realtà e questa diciamo così è la nostra grande sfida soprattutto dei giovani sono contenta di vedere che ce ne sono molti di questi tempi allora invito subito padre paolo benanti della pontificia università gregoriana marco gai presidente di confindustria pimonte digital magics michela milano università degli studi di bologna luca peirano di cadacri paolo traverso direttore strategia e sviluppo fondazione bruno kesler benvenuti sì facciamo ccoci qua esatto la foto l'abbiamo fatta quindi allora prima diciamo di entrare nelle specifiche competenze di ognuno andiamo un po ad esaminare i fatti come dicevo che sono accaduti e che si trovano anche oggi in prima pagina sui giornali e che riguardano il tema dell'intelligenza artificiale generativa allora anzitutto una notizia di economia perché abbiamo visto che la società nvidia che finora nessuno sapeva che cosa fosse è volata in borsa in pochissimi giorni e ha raggiunto sta raggiungendo i mille miliardi questo significa che va a posizionarsi insieme alle grandi big tech questa azienda come è correlata diciamo al chat gpt chi vuole rispondere forse allora diciamo la sì ecco allora intanto buongiorno a tutti diciamo allora questa questa questa azienda che la notizia è stata abbastanza divertente diceva la sconosciuta envidia è data per noi è una un'azienda che questo fa parte di quello che ho detto all'inizio per gli sperti adesso tutto è la stessa cosa che in qualche modo è successo per ciò gpt che cosa sta facendo invidia sostanzialmente ha costruito hardware per specifico per l'intelligenza artificiale quindi per allenare e addestrare questi modelli che sono queste reti neurali diciamo che apprendono dai dati e costruiscono poi sia diciamo modelli decisionali modelli predittivi oppure anche appunto nuovi dati quindi modelli generativi quindi stiamo parlando di qualche un'azienda che ha sempre esistita che ha sempre fatto le schede grafiche per i videogiochi per i minatori di cripto per gli sviluppatori di intelligenza e adesso decolla esatto diciamo che la parte l'hardware è ovviamente una una componente fondamentale per l'intelligenza artificiale perché appunto come diceva prima anche durante l'intervista il professor profumo adesso abbiamo le risorse di calcolo per permettere a questi modelli che già c'erano anche qualche anno fa perché le prime reti neurali profonde sono penso all'89 però non funzionavano perché non c'era queste non c'erano queste risorse di calcolo oggi ci sono e si riescono appunto ad addestrare questi modelli che ci permettono di fare quello che avete visto tutti con il nostro cgpt che giustamente non pensa ma indovina la parola più probabile in una conversazione lascia che il secondo fatto di cui leggiamo insomma questi giorni nelle prime pagine dei giornali che bene un po forse comprendere meglio è questo allarme che improvvisamente se maltman c'è il fondatore di open ai e quindi del creatore della chat gpt ha lanciato dicendo assolutamente va regolata può essere pericolosissima e che c'è un po il sospetto che in realtà viste le ultime notizie di oggi questa questo suo allarme sia anche legato al fatto di poter in qualche modo incidere in questa regolazione nel momento in cui c'è una sorta di monopolio nel senso che comunque in questo momento se si deve regolare l'utilizzo dell'intelligenza artificiale generativa sicuramente diciamo microsoft e open ai ci mettono molto del loro al contempo lui minaccia di togliere l'europa se in qualche modo non si assestano le regole di cui avete parlato appunto nel panno del precedente legate alla normativa europea sull'intelligenza artificiale cosa significa questo benanti e cosa in realtà dice altman che può essere così pericoloso per rispondere con un tweet regoliamo l'intelligenza degli altri per cui quella che già c'è è ce la teniamo ma è sostanzialmente se dovessimo usare un'immagine metaforica il gong che ha suonato su ring cioè parte della sfida e parte della sfida sulla messa a terra dove il problema è anche nei termini che sempre più queste big tech iniziano ad utilizzare siamo passati dai modelli generativi in comunicati stampa che sempre di più parlano di agi artificial general intelligence cioè strumenti che sembrano qualificarsi come una novità della quale forse probabilmente ancora non abbiamo visto fino in fondo le caratteristiche e questo soprattutto se pensiamo a quello che antropic concorrente sta per mettere sul mercato e se pensiamo anche a una serie velocissima di paper scientifici che sono usciti tra novembre e febbraio di quest'anno dove mettendo le mani su gpt 4 una serie di ricercatori hanno tirato fuori due grandi considerazioni la prima è che gpt 4 sembra avere o fare emergere al suo interno meglio una sua finalità hanno anche fatto degli esperimenti gli hanno dato libertà potere e soldi cito letteralmente il paper scientifico ciò è dato uno spazio sul cloud una carta di credito e un'istruzione di moltiplicarsi suona molto biblico perdonatemi e migliorare se stesso ecco i ricercatori concludono dicendo purtroppo ha fallito però l'idea che esista una finalità cioè che il modello abbia una capacità emergente di cercare potere e risorse è qualcosa che non ci aspettavamo di trovare ecco questo da a questo strumento anche un tono un po problematico problematico non solo per questo scenario la terminator ma per il fatto che come possiamo gestire qualcosa il cui totale più della somma delle parti che non è detto che riusciamo a predire a priori ecco da qui la necessità di non poter lasciare solo alla massimatizzazione del risultato il mercato la gestione ma richiedere una qualche forma di regolamentazione dove come ci insegna la business ethics che dice il professor Maffettone che è uno dei maestri l'idea di facciamocela da solo e poi ve la suggeriamo aiuta ecco perché da oggi altman ha detto che loro hanno messo a disposizione un milione in bandi da 100 mila per gruppi di ricerca che suggeriscano come regolamentare questa forma di agi soprattutto nel lavorare quella materia che non è l'acciaio che non è diciamo così altre forme di materiale industriale ma è l'opinione pubblica ed è il pensiero politico ecco questi tre elementi secondo me danno le coordinate di una miscela che può essere esplosiva per un contesto sociale fragile come la democrazia ecco allora restando nel contesto appunto politico come abbiamo detto un'altra delle notizie che abbiamo in questi giorni è la candidatura del governatore della freuda ron de santis avvenuta direttamente su twitter e che è stata un po un fiasco perché è così importante questo passaggio diciamo politico barra digitale e perché ha fallito dunque partiamo dal fallimento il fallimento è interessante perché abbiamo visto i limiti di twitter quindi mas che ha un perimetro preciso su cui lavorare la seconda grande questione riguarda proprio la relazione tra masco venneia e la politica nel 2017 la famosa t dg ptt i transformer sono stati in qualche misura scoperti da google e applicati in campo pubblico i primi a monetizzarli sono stati però open ai nel 2018 masch che all'epoca deteneva la metà di open ai è spaventata da questa innovazione di google e fa una fortissima pressione su sem altman per farlo su sem per farlo dimettere sem resiste perdonate c'è un po di conoscenza recipro e quindi vado col nome e e lui fa come fanno i migliori adolescenti nei nostri oratori la palla è mia me la porto via cioè ritira non mi fate giocare a pallone mi porto via il pallone ritira i fondi che ha messo dentro open ai che era più o meno la metà del valore dell'azienda che erano 100 milioni questo forza sem altman a pubblicizzare i risultati che stavano avendo ci si crea anche un dissidio con amodei anche va antropi e noi vediamo gpt 3 gpt 4 antropi che è quella che sta diciamo così lanciando google sì se no poi che c'è un uomo invidia esatto non si sa che cos'è però è sempre diciamo la competitor e di origine italiana lui e la sorella e diciamo che forza è lo stesso masch che forza altman in questa strada che oggi ci porta a parlare di gpt e che accade che novembre del 22 sviluppano gpt 4 11 gennaio del 23 microsoft rifinanzia per il 50 per cento open ai solo che a questo punto il 50 per cento da 100 milioni è diventato 11 miliardi e masch si dice preoccupato dice signori qui dobbiamo fare una moratoria di sei mesi perché sei mesi era la data sul preventivo per le gpu invidia che aveva ordinato per mettere a frutto i dati di twitter per poter creare un'intelligenza generativa che questa volta fosse espertissima di un'altra cosa che è il dibattito pubblico e allora se desantis si candida su twitter e se twitter è la fonte di materia prima per generare la migliore propaganda possibile ecco che abbiamo uno scenario che direbbe po ricardo ne ha pensato cioè quello che fa profumo con i naudi diciamo lo fa masch con twitter sempre per ricollegarci direi con un stile di per ricollegarci al panel precedente cco questa è un po diciamo così la situazione generale dal punto di vista delle news ed è bello poter finalmente far entrare diciamo questo mondo del digitale dell'intelligenza artificiale tra le news diciamo che vanno in prima pagina sui giornali e che tutti quanti cominciano a comprendere proprio grazie alla nostra chat generativa torniamo al nostro titolo provocatorio come si era detto in precedenza e allora chiediamo a luca pegrano questa domanda cioè veramente si può sostituire l'uomo e la giriamo nel business può sostituire l'uomo nel business in parte ha già risposto prima benanti intanto l'ho chiesto alla macchina sono nato su già gpt e gli ho fatto la domanda gli ho chiesto effettivamente se può la macchina sostituire l'uomo nella elaborazione dei pensieri interessante la risposta che da è già abbastanza sveglia per dare la risposta che noi vorremmo sentire no perché dice no attualmente le macchine non possono sostituire l'uomo nell'elaborazione dei pensieri in modo completo ci sono comunque alcuni progressi in ricerca di intelligenza artificiale che stanno sviluppando sistemi di apprendimento automatico di elaborazione del linguaggio naturale sempre più sofisticati ma rimane comunque difficile immaginare una macchina in grado di sostituire completamente la creatività umana quindi questa sarà una rigaulina che comunque gli abbiano gli avranno detto di seguire per rispondere e comunque senz'altro non ce lo farebbe sapere se avesse questa intenzione la macchina no però intanto a consapevolezza risponde te lo dice quello che ritengo io ma il mio osservatorio più osservatorio di business il nostro è un gruppo di tecnologia che opera in tutto il mondo lavoriamo anche con queste tecnologie però io non sono di per sé un esperto di ciaggpt però credo e da quello che vediamo immagino che la macchina si stia sottovalutando e quasi certamente anche noi sottobbiamo il potere di questa tecnologia. Come vede appunto le sfide del business in relazione a questo tipo particolare di intelligenza artificiale? Sostituire un imprenditore credo ancora molto difficile perché è talmente difficile fare l'imprenditore che è un lavoro talmente dinamico che è difficile immaginare possa essere sostituito nel breve da una macchina certo tolta la barriera all'ingresso della grande capacità di calcolo richiesta dell'intensità di capitale richiesta le macchine sono più veloci più precise riescono a computare molto più di quello che fa un essere umano e quindi è verosimile immaginare che su tutta una frontiera ma già raggiunta è la produttività un sacco di risultati si possono essere considerati conseguiti ricordiamoci che questo tipo di tecnologia consente anche di rimuovere in realtà lavori incredibilmente frustranti ripetitivi e alienanti per l'uomo e quindi la speranza una delle grandi uno degli obiettivi che ci dobbiamo dare è anche quello di provare a capire come complementare il lavoro dell'uomo sostituendo le attività a più basso valore aggiunto e elevando invece la capacità dell'uomo di contribuire con valore aggiunto superiore questo è un passaggio rilevante non ancora superato. Marco Gai dal punto di vista industriale cosa si può aggiungere? Che l'espressione che poi viene messa in campo quando si parla di tecnologia quando si parla di uno strumento così importante è sempre un po' come si vede il mondo di saccoppiare l'uomo della tecnologia in realtà invece io credo che ben gestita ben sfruttata è il dibattito ai me e anni che si fa e oggi è diventato pubblico però è come complementare i due parti perché l'intelligenza emotiva di cui è stato tanto parlato nel business diventa poi come utilizzare il dato dove utilizzare la generativa dove utilizzare scusate l'intelligenza artificiale generativa dove utilizzare l'intelligenza artificiale l'algoritmica questo diventa l'accelerazione di moltissimi sviluppi sia produttivi sia competitivi ma aggiungo anche un altro pezzo sia di filiere industriali perché questo ti permette da un altro da un lato avendo i dati relativi a un settore marciologico di poter capire come gestirli ma sulla filiera tu puoi accederarli partendo proprio dal dato il vero tema che secondo me inizia a diventare non urgente ma quasi di emergenza e che nelle aziende iniziano a mancare totalmente le competenze per governare questo cambiamento perché inizia ad essere un'accelerazione talmente forte una rivoluzione industriale dentro la rivoluzione industriale prima il professor Profumo parlava dei tempi delle altre rivoluzioni industriali questa è una scheggia e continuare a investire sul dato a cercare di far sì che il dato estraga valore se non non ci facciamo un piano marshal di chiamiamolo così ma per le competenze che vadano a sposare questa visione in maniera molto concreta perché poi la ricerca è un pezzo ma quello che la tecnologia può fare nell'economia reale è un altro pezzo e sta andando avanti quindi a me non preoccupa tanto che diventi una grande opportunità per aziende tipo Nvidia che sta sfruttando chiaramente una proiezione ma che non diventi un'opportunità per tutte le aziende anche nostrane che nelle filiere utilizzando la tecnologia investendo in competenze possono accelerare questo percorso quindi questo è il tema su cui parallelamente al grande dibattito che si sta facendo a me ricorda e chiudo quando si parlò di bitcoin che poi è blockchain oggi la blockchain è industriale però è stato il momento in cui è venuta l'onore delle cronache ne parlavamo tutti oggi parliamo tutti dell'intelligenza artificiale perché cià cpt ci ha dimostrato che è all'onore delle cronache qua però bisogna fare quello scatto veloce di mettere le competenze al servizio dell'economia reale e al servizio della società perché può dare veramente un miglioramento se chi fa l'algoritmo chi pensa a destinazione chi carica il dato può essere protagonista e partecipe dello sviluppo ed in più nasceranno un sacco di nuove competenze e nuovi mestieri perché poi la manutenzione di una roba così veloce ha bisogno di tanta capacità quindi grande ricatute industriale finalmente il dato diventa quello che è c'è una proiezione di competitività e produzione ma le competenze sono le agganciamo velocemente e noi lo stiamo vedendo nelle startup tutti i giorni ce n'è tanta ma non è abbastanza distribuita nell'economia chiamiamolo così che con il reale che è fatta di tante piccole medie grandi aziende. Io adesso sono tornata da pochi giorni dal Brasile dove sono andata a girare un servizio sulla digitalizzazione dell'Amazonia e ho intervistato tra gli altri Carlos Nobre che è diciamo un notissimo climatologo che vuole costruire un MIT nella dell'Amazonia ed è stato quello che nel 91 per primo diciamo così fece diventare appunto tipping point quindi noto un po tutti il tema del cambiamento climatico trovando dei dati però tra le tante cose mi ha detto mi ha detto che lui era preoccupato dal fatto che specialmente tutti i giovani scienziati utilizzassero intelligenza artificiale per studiare il climate change perché lui dice siccome i dati comunque sono quelli del passato e noi siamo di fronte a dei fenomeni inediti ha detto si fanno un sacco di errori e alla fine non si prevede niente e allora io chiedo a Paolo Traverso i limiti diciamo di questi sistemi di intelligenza artificiale in particolare di quelli generativi e ha ragione Carlos Nobre? Sì ha ragione perché dei limiti esistono delle grandi potenzialità per capire i limiti bisogna capire come funziona ma non dico i dettagli tecnico-scientifico molto molto complicati capire il concetto c'è a gbt funziona capendo qual è la parola più probabile che segue una parola la frase più probabile che segue una frase la risposta più probabile che segue una domanda e questa probabilità l'ha costruita perché gli si è date in ingresso come se c'era prima si è addestrato pre addestrato pre trend si dice addestrato con una quantità enorme enorme di documenti miliardi di frasi di tutte le pagine web che ci sono nel mondo di tutti i libri in formato digitale che ci sono su internet di tutte le chat che troviamo su allora a questo punto è un'intelligenza artificiale il titolo è critico perché è molto diverso altro che laborazione di pensieri faccio un semplice esempio se io dico la mamma mangia la mela noi come ragioniamo noi capiamo no? capiamo che la mamma è un essere vivente un essere vivente si nutre la mela è un cibo comestibile se dico la mela mangia la mamma io mi ricordo i nostri ricercatori in fbk anni fa quando avevano questo grande problema dico non sta in piedi che la mela mangia la mamma se non siamo in un film di fantascienza o cose strani questo tipo c'è dbt ti risponde esattamente alla stessa cosa la prima frase ha senso la seconda ma non lo fa come lo facciamo noi lo fa perché a letto diciamo letto e gli stessi dati dati miliardi di frasi dove le mamme mangiano le mele e 0 1 qualche pazzo che ha scritto che la mela mangia la mamma se li avessimo dato in input miliardi di frasi dove le mele mangiano la mamma direbbe che la mela mangia la mamma è una frase che ha senso allora i limiti sono queste un'altra forma di intelligenza no quindi i limiti si dice che sono quattro secondo me sono cinque uno è quello che non è affidabile sappiamo benissimo che c'è il gbt dice cose vere e cose false se le chiede chi è paolo traverso dici cinque cose quattro son vere poi mi dice che sono un professore di bologna ma michela milano è un professore di bologna non io grazie grazie ci penso ma si sta bene secondo c'è il problema dell'inclusività è statistica alla fine come dicevo prima la parola più probabile è statistica quindi le minoranze sapere che c'è qualcuno che la pensa in modo diverso non c'è c'è il problema dei bias che li mettiamo dentro noi bias perché se noi continuiamo a dire la donna delle polizie la segretaria il dirigente bias di generi sociali e culturali quarto c'è il grande problema dell'amazonia c'è il cpt no c'è il cpt il fratello minore gpt 3 che non ha mille migliaia di miliardi di parametri più piccolo rispetto al gpt 4 quello che funziona molto bene e sono state fatte dei conti che consumano qualcosa quando viene addestrato con questa miliardata di frase come 1284 megawatt ore ora un megawatt al consumo medio di una famiglia l'anno quindi quindi un po di alberi in un'amazonia li massacriamo altro quindi questi sono i limiti su cui la ricerca deve lavorare c'è un quinto limite che non è così che newton ha inventato la legge della gravità e non è che ha visto cadere 10 milioni miliardi di mele e ha detto ecco la legge della gravità ha fatto una statistica aveva un concetto di astrazione che sia la mela la pera la pietra che casca c'è una legge generale dietro queste cose c'è gpt non le fa fa delle cose molto belle si tratta di lavorare su questi limiti questi limiti dopo fare la ricerca assieme alle aziende che hanno problemi magari modelli anche un po più piccoli se devo trovare come facciamo in fondazione monoclast abbiamo un progetto dove troviamo nei nei contratti quali sono le clausole vessatorie che è una cosa che potrebbe piacere anche paolo benanti visto che una cosa etica no che difende il consumatore e così via non ho bisogno di ciab gbt che mi risponde a tutte le cose del mondo alla fisica la sociologia alla medicina magari ho bisogno come diceva francesco profumo prima nel caso di enaudi di addestrarlo con quell'insieme più limitato di dati pertinenti e poi anche di riuscire a controllare un po di più questi modelli più piccoli più affidabili e che magari non mi ammazzano l'amazonia ieri nel panel con francesco fagine che consiglio di andare a rivedere online chi non l'ha chi non l'ha visto e si può essere d'accordo no diciamo con la sua interpretazione però ha detto una cosa molto bella poi per far capire sempre questa differenza su cui tanto si discute che è creata dal termine intelligenza che appunto confonde un po le acque nel senso dell'intelligenza artificiale ha detto se io umano provo un sentimento poi scelgo un simbolo che è una parola per comunicarlo e quello è un simbolo ma alla base c'è sempre questo sentimento che resta inconoscibile a chiunque altro non sia me invece chat gpt ha solo il simbolo e ha solo il simbolo e tutta l'intelligenza artificiale calcola i simboli ma diciamo manca in qualche modo la fonte e allora io chiedo a michela mirano chat gpt è affidabile allora ovviamente per chat gpt la risposta al momento è assolutamente no nel senso che diciamo appunto come diceva prima paolo son al genera delle delle delle frasi appunto utilizzando una semplicemente statistica quindi qual è l'affare più probabile tra l'altro devo dire la verità che diciamo la cosa che spaventa più me non è tanto l'intelligenza artificiale e le sue potenzialità quanto il fatto che la usino degli esseri umani che a volte non hanno tutta magari questo senso critico e questo purtroppo è il più grosso problema anche semplice l'effetto oracolo di chat gpt è assolutamente dietro l'angolo nel senso che anche i ragazzi giovani magari che chiedono che fanno domande che per la scuola per la propria a chat gpt e hanno assolutamente questa questa prima primo acchito di dell'effetto oracolo sicuramente chat gpt è onnisciente cosa che assolutamente ma in generale diciamo andando un pochettino più ampio rispetto alla chat gpt l'intelligenza artificiale sta diventando sempre più pervasiva è una tecnologia che veramente sta diciamo percolando in qualunque settore della nostra della nostra vita dalla vita quotidiana l'industria dalla pubblica amministrazione e in effetti il fatto della affidabilità è un punto cruciale cioè come fare affidarsi di un sistema di intelligenza artificiale allora la commissione europea ha fatto una cosa molto interessante un po di anni fa qualche anno fa diciamo costruito questo high level expert group che ha diciamo definito quelle che sono delle dimensioni delle caratteristiche dei sistemi di intelligenza artificiale perché questi possano essere affidabili e benedicito alcuni allora alcuni sono già stati spiegati prima per esempio la trasparenza è uno cosa vuol dire vuol dire la capacità di un sistema di spiegare il proprio comportamento di spiegare se ci fornisce una decisione perché ha preso quella decisione in questo ambito magari ne parliamo dopo ma c'ha gpt potrebbe aiutare nel fatto di essere un'interfaccia in qualche modo sicuramente più amichevole no di una serie di simboli di un programma che non si non si quindi questa la spiegabilità è una delle dimensioni la seconda è quella che chiamano fairness e di cui ha accennato prima paolo quando noi abbiamo dei dati che sono polarizzati sono biased e questo sia per adestrare c'è gpt ma per adestrare guardate qualunque sistema intelligente artificiale chiusi il machine learning questi dati se sono polarizzati la polarizzazione rientra nel modello c'è il classico esempio del sistema di recruiting di amazon che assumeva soltanto profili maschili perché perché era stato adestrato dagli ultimi anni con i dati delle assunzioni degli ultimi dieci anni erano principalmente uomini e quindi vedeva il genere come una caratteristica distintiva lo assumo e questo è un bias una polarizzazione che parte dai dati ed entra nei modelli e noi generiamo bias quando parliamo quando l'esempio delle foto è bellissimo provate a digitare la foto di dirigente vengono fuori solo foto di uomini professore vengono fuori solo professor quindi diciamo non non l'accezione è solo foto di uomini se scrivete segretario o diciamo segretari vengono fuori solo foto di donne questo è un bias è un bias sociale di genere e su questi ce ne sono tantissimi altri non troverete mai una persona di colore in una foto che viene fuori nelle ricerche per esempio si o è la stessa diciamo noi generiamo bias quindi questo sicuramente un'altra dimensione è quella della robustezza un'altra dimensione quella della privacy dei dati e la sostenibilità non ultimo questi modelli consumano tantissimo ma dall'altra parte io ci vedo sempre il lato positivo l'intelligenza artificiale può aiutare a migliorare l'impatto ambientale sia dei sistemi di intelligenza artificiale stessi sia di qualunque sistema produttivo o diciamo che consuma energia che consuma risorse scarse quindi diciamo l'uso dell'intelligenza artificiale nella sostenibilità è sicuramente un buon punto d'arrivo a cui dobbiamo in qualche modo tendere ed infine c'è tutt'anche poi l'ambito legale chiudo che è la questione di sì ma se l'intelligenza artificiale sbaglia di chi è la colpa di chi ha scritto l'algoritmo che c'erano i dati chi lo so anche non so chi sta guidando una macchina la famosa self driving car quindi tutte queste dimensioni sono delle dimensioni che sono dei bellissimi principi ora per noi ingegneri informatici il momento è il momento di dire ok tutti queste sono delle dimensioni assolutamente importanti che un sistema di intelligenza artificiale deve sibire per poter essere affidabile adesso come le traducciamo in pratica e su molte di queste si sta lavorando tantissimo stiamo lavorando per cercare di capire come implementare all'interno di veri sistemi intelligenti artificiali tutte queste caratteristiche per renderli affidabili per poter far sì che le persone che le usino possano fidarsi delle decisioni prese. Allora Marco Gai quale caratteristica potrebbe dover avere chi diciamo costruisce il sistema? Mi ricollego a quello che stava dicendo adesso Michela dicendo che poi questo tipo di problema è derivato dall'investimento che si fa sull'istruzione perché se io faccio compilare dati, selezionare, istruire l'algoritmo andando a scegliere banalmente paesi dove c'è un bias culturale rispetto a chi è il segretario o chi è il CEO o chi è l'amministratore delegato poi chiaramente la macchina non è che dice hai sbagliato a darmi l'informazione prende quell'informazione la mette a fattore comune quindi questo fa parte un po del tema di chi poi ha questa responsabilità. La responsabilità sicuramente è una responsabilità che ha una visione etica molto forte e se ne sta parlando tanto ma chi poi deve costruire l'algoritmo deve avere ben chiara la finalità per cui costruisce l'algoritmo cioè io credo che il vero passo in avanti che se saremo bravi a cogliere non sarà tanto cercare di capire dove si può spingere, quello è un lavoro di ricerca necessario ma sarà capire come applicarla all'industria, alla società, alla vita del cittadino, alla pubblica amministrazione rispetto al risultato che vogliamo ottenere quindi chi farà questo sarà qualcuno che già oggi deve avere le competenze ma deve continuare a formarsi in questa direzione perché diventa oltre a uno sviluppo economico secondo me veramente importante perché poi quando deve fare questi ragionamenti su scala o su filiere diventa veramente un abilitatore con al centro del dato ma anche di impatto di risultato allora se lo targetizziamo un po' di più l'esempio di e inaudi secondo me è molto interessante diventa poi farlo diventare una parte quindi chi lo farà secondo me sviluppatori empatici, empatici esattamente e porto questa questa piccolissima per così un esempio concreto noi abbiamo iniziato da 15 giorni un programma di accelerazione proprio sull'intelligenza artificiale, i ragazzi che ci hanno portato stiamo selezionando lo stiamo facendo anche con FBK e con compagnia tante cose hanno già lo scrupolo nella loro testa che quello che stanno facendo ha una valutazione di impatto e questo è straordinario perché noi abbiamo i fruitori, i produttori, gli utilizzatori, chi poi scaricherà a terra a breve la tecnologia generativa piuttosto che l'intelligenza artificiale sul dato la vede già con l'ottica di farlo in maniera coerente e corretta quindi questa intelligenza empatica che sarà prima e dopo l'intelligenza artificiale sarà quella che farà la differenza e credo che potrà estrarre un valore eccezionale per la società, per i cittadini ma anche per le imprese che noi forse oggi non riusciamo ancora a cogliere perché è ancora un dibattito mi permetto per troppo pochi perché nel momento in cui noi facciamo e facciamo vedere alle imprese cosa vuol dire con l'algoritmo gestirsi parte dei dati che hanno in una quantità straordinaria e mecciarli coi dati di filiera ad esempio viene fuori un'accelerazione di produttività di target, di mercato, di gestione di approvvigionamenti e i nuovi imprenditori, gli start-upper, questo l'hanno capito ma perché lo vedono più naturale di quanto lo vediamo, di quanto lo posso vedere io che sono stato abituato 25 anni a farlo insomma punt'attacco e invece questo è proprio il momento della visione laterale quindi lo sviluppatore empatico con e chiudo competenze trasversali perché essa recorder non basta e non basterà assolutamente più ma diventerà distinguere l'obiettivo da chi lo produce con una capacità di avere una cultura e di lavorare in team che possono veramente fare la differenza Luca Perano come cambia l'industria dei servizi finanziari? Sta cambiando molto molto rapidamente non solo in industria dei servizi finanziari poi noi vediamo quello in particolare perché il gruppo serve circa mille banche nel nel mondo quindi abbiamo un presidio su quel settore in particolare però intanto non lo citiamo perché lo diamo per scontato ma c'è questo trend secolare della digitalizzazione che è il vero motore di tutti questi cambiamenti perché il prodotto indiretto della digitalizzazione sono interazioni digitali e produzioni di dati la capacità di processare e trattare dati è diventata centrale lo stiamo vedendo proprio con quelle emersioni di queste tecnologie e non dobbiamo dimenticarci che ciaggbte è nata qualche anno fa in laboratorio ma l'ha lanciata novembre siamo a maggio e guarda cosa sta facendo quindi il vero esercizio è capire cosa succede fra fra cinque anni non domani o dopodomani quindi per rispondere alla domanda in realtà ci sono un sacco di opportunità perché queste tecnologie nel mentre che i grandi operatori sviluppano allenano fanno pre training dei modelli su immense base dati con capacità di calcolo enormi saranno sempre più disponibili quindi accessibili anche a operatori più piccoli possono essere pmi o banche del territorio tecnologie da utilizzare sulla loro base quindi il vero elemento critico diventa avere dati di qualità proprietari e sapere quali dati utilizzare per quale finalità questa è la vera capacità strategica che devono sviluppare le aziende noi che trattiamo molti dati fino a pochi mesi fa negli ultimi cinque anni ci hanno detto il dato sta diventando una commodity varrà molto poco nel giro di qualche settimana adesso è diventata il contrario prima era l'algoritmo che vinceva sul dato adesso è di nuovo il dato che vince sull'algoritmo perché l'algoritmo diventa la commodity anche se richiede chiaramente un enorme sforzo di ricerca e di capacità computazionale ma il dato che è una stratificazione storica pensate all'esempio che ha fatto il professor profumano e in audi è unico e sei di qualità e sei certificato con tecnologie che si chiamano di transfer learning tu prendi quello che è stato allenato in un ambiente ampio il web lo trasferisci in un segmento più verticale ma che ha dati di qualità e tri di fuori delle delle cose che non pensavi di poter utilizzare fino a poco tempo fa quindi ci sono in realtà enormi opportunità magari vedremo piccole banche del territorio che conoscono benissimo i loro clienti e il loro territorio economico e sociale prevalere su grandi banche che hanno più capacità ma magari una qualità di dati locale meno sofisticata. La piccola e media impresa quali opportunità e quali sono i contro anche? Sì in qualche modo è un po' stato accennato all'opportunità di lavorare su modelli più piccoli più specifici più controllabili problema della fidabilità noi ravamo con un'azienda leader in intelligenza artificiale che vuole usare le tecnologie sotto cgpt perché le tecnologie ricordiamo sono molto potenti quello cgpt è comunque stato un breakthrough nessuno si pensava qualche mese fa che potesse risponderti in questo modo dove io ho detto non ragiona come noi ma sembra che ragioni come noi quindi le tecnologie si possono usare si ad esempio più controllate con questa azienda diceva però certe cose non ci sono scritte nei dati no vorremmo imporli no allora in questo modo credo che sia una via anche per le piccole aziende modelli più semplici che possono essere anche utilizzati su un potere computazionale che non è tutto quello di invidia o quello che diciamo a microsoft google meta e pochissime no io credo che sia importante unire l'intelligenza non è che non è intelligente cgpt è semplicemente una forma diversa di intelligente dalla nostra unire quell'intelligenza lì sintattica non semantica tutto quello che si vuole ma tanto risponde benissimo che ha dimostrato che effettivamente può fare tante cose sul linguaggio con un'altra intelligenza che ti prende anche un po' il modello del mondo il motivo per cui non solo il modello del linguaggio motivo per cui dicevo noi ragioniamo la mamma e questo oppure il macchina e così non è solo linguaggio linguaggio è una caratteristica molto importante ma c'è anche qualche altra forma diversa di intelligenza da mente ci credo che mentre google microsoft farà la gara fra fra chrome e bing no io credo che ci sia uno spazio per le piccole aziende se lavorano assieme anche sull'aspetto tanto problematico delle regole se noi riusciamo a vedere le regole io ero un po di tempo fa con alle cross bravissimo che vive in italia ma che anche qui e che anche qui ok perfetto che è stato anche consulente di obama della clinica e diceva l'europa deve fare solo l'arbitro perché l'uropa fa le iai act e così deve entrare nella partita fra la cina e l'america io credo che se noi riusciamo a fare un'intelligenza artificiale che in grado di rispettare certe regole e anche dal punto di vista giuridico le iai art deve evolvere perché è stato fatto un po di tempo fa c'è gpt c'è dimostrato di la completezza dei dati c'è gpt ti prende tutti i dati del mondo no quindi ad esempio lavorando assieme ricerca imprese anche piccole e medie aziende ma non solo si diceva prima l'importanza della trasversalità anche chi ne sa di norme chi ne sa di regole sociali naturalmente alle reti norale ottimizzano una certa cosa che gli crediamo ma non è detto che conoscano le regole sociali che ci sono attorno le norme e qual è veramente il nostro bene c'è quel famoso esempio della mano della scimmia a cui gli si chiede dammi 200 sterline e questa cosa magica gli ammazza il figlio sotto la macchina e poi l'imprenditore è una cosa molto triste la distituisce le 200 sterline non è quello che voleva il padre no quindi bisogna stare molto attento a queste cose credo che noi lavorando in modo multidisciplinare lavorando assieme alle aziende naturalmente anche con competenze possiamo non fare solo gli arbitri ma fare una partita un po diversa da quella che fa la cina e quella che fanno gli stati uniti allora andiamo un attimo ad approfondire proprio l'impatto del del digitale in generale che ormai diciamo è diventato quasi incindibile da intelligenza artificiale e altri tipi di sistemi sull'essere umano e sulle società e quindi poi sulla capacità di prendere decisioni e facciamo due esempi stremi in cina si sta studiando un sistema educativo che offre agli studenti fin dalle scuole elementari una sorta di gemello virtuale sfidante cioè perfetto fatto con queste intelligenze artificiali generative con cui cioè mentre noi cerchiamo di tenere lontani gli studenti un po dalla chat perché se no fanno il compito lo copiano lì invece li integrano e gli offrono questa opportunità mediata nel senso con una supervisione da parte di un educatore che invece gli offre una sorta di perfezionamento razionale di se stessi quindi delle proprie capacità e quindi l'allievo in qualche modo essendo sempre sfidato migliora e in competizione diciamo così ha delle performance migliori un altro impatto che veramente è all'opposto da un punto di vista di impatto antropologico è questo che ho visto in amazonia dove queste tribù indigene che non hanno mai avuto neanche la scrittura quindi hanno perso un sacco di lingue nel passato hanno smesso di perdere le lingue adorano tra l'altro loro le big tech si sono integrati perfettamente subito con con google che gli ha offerto l'opportunità di registrare i linguaggi degli anziani su youtube quindi di non perderli hanno salvato finora 86 lingue e hanno in qualche modo rafforzato una parte che loro che stavano un po nella nella direzione di degli indiani d'america cioè di diventare un po' diciamo dei gruppi anche con grandi disagi sociali infatti ci sono un sacco di servizi di consulenza psicologica invece hanno rafforzato tutto diciamo così il lato più tribale nel senso anche digitale cioè il digitale creiamo delle tribù di appartenenza loro hanno rafforzato quindi tutto il significato dei loro tatuaggi che è facilmente instagrammabile come contatto con la natura hanno rafforzato delle tradizioni dei comportamenti fortissimi hanno creato delle connessioni tra stessi gruppi e stessi popoli indigeni ma in villaggi diversi per cui ogni rito viene ripreso e condiviso solo con lo stesso gruppo cioè con lo stesso popolo in altri villaggi quindi il senso di appartenenza diventa maggiore hanno rafforzato il dialogo il contatto con la natura che per loro animisti insomma è abbastanza semplice immaginare che una pianta parli un animale anche quindi hanno sensorizzato le piante quando qualcuno deforesta illegalmente la vibrazione del sensore li avvisa mandano un drone controllano chiamano la forestale sono diventati tutti guardiani della foresta sono diventati hanno praticamente in baso instagram sono diventati influencer al punto che stanno nascendo le nuove greta nei villaggi indigeni dell'amazonia quindi anche dei riti un po' cruenti e sono licito ma te li racconterò ma è stata un po' diciamo così una radicalizzazione e anche un creare una distanza ulteriore con il diverso e portare questa identità nel mondo che cosa ci sta succedendo tra un modello quello cinese e quest'altro posso fare un po il discolo nel senso non da quello che hai detto ma da una prospettiva che secondo me è la prospettiva in questo momento dominante cioè quando nel 47 touring padre di questo mondo scrive le sue memorie dice io ho guardato gli americani loro sono così affascinati dal fatto che questa è la macchina elettronica cioè che fa tanti calcoli perché in 30 minuti enia che risolveva le equazioni alle differenziate parziali di von neumann per capire la massa di uranio fissile che serviva per far partire la bomba atomica è meglio da fisico per me quello che veramente mi colpisce è che questo è che la realtà è digitale allora qui c'è una frattura profonda tra un approccio che un approccio come dire al di là dell'oceano dove la potenza di calcolo è quello che conta e dove il modello statistico è il modello uguale a tutto è il concetto dei big data proviamo a dirlo con una ricetta semplice se io insegno in università pontificia è proprietà di un ordine religioso d è del vaticano se io chiedessi volessi fare un'indagine quante persone ogni giorno vanno ammessa e il campione lo prendessi nelle scale della mia università spero non l'ho fatto spero che il risultato sia molto alto se lo prendessi all'uscita della metropolitana di roma il risultato sarebbe molto diverso gli stati uniti hanno per vincolo costituzionale lo studio del censo ogni quattro anni si sono resiguito subito che diventando giganti nell'ottocento non ce la facevano hanno introdotto la statistica e lì c'è stato il problema della qualità del campione ora dai big data in poi se il campione è uguale a tutto va bene pure che il campione sia sbagliato perché tutto corregge lo sbagliato ecco quando vediamo un approccio all'intelligenza artificiale di quel modello lì è completamente opposto a quello di cui parliamo noi perché è una fisica diversa cioè noi guardiamo una finezza diversa ci interessa che una cosa che sia potente la paghiamo tanto per farla e poi tanto gli altri ci pagano la fee per usarla ed è qui il problema industriale vero perché questo questa cosa che stiamo tirando fuori e qui rispondo alla tua domanda è la vera paideia è il vero educatore cioè abbiamo risolto il concetto di lavoro in una serie di compiti e l'intelligenza artificiale è ottima per svolgere i compiti e diventa una sorta di grande educatore che sta fianco al lavoratore che in ogni momento guida l'execuzione dei processi ma in qualsiasi momento questo dipenda da un fornitore di servizio estero cioè come se nell'epoca della distribuzione della corrente elettrica noi non avessimo prodotto corrente elettrica la importavamo e basta c'è un fattore di dipendenza non è più lanato con le basi con sigonella ma sono i datacenter i datacenter oggi sono la nuova sigonella allora questo modello qui è il modello che ha portato j.p. morgan a fare coin che un intelligenza artificiale per i contratti finanziari che ha fatto 360 mila ore di lavoro uomo in 8.5 secondi vi sfido anche se ce ne fossero sbagliati convengono 8.5 secondi cco la stessa cosa l'ha fatta a bloomberg con bloomberg gpt la stessa cosa la sta ripacendo j.p. morgan ora quindi chi sta veramente in crisi siamo noi che facciamo i docenti che non saremo all'altezza di quella cosa cinesi amazzoni si sono allineati sulla stessa cosa di fronte alla complessità che è difficile da gestire sono due realtà da una parte sono troppe persone da un'altra c'è troppa foresta in cui la relazione umana non ci plasma siamo a trento qui chi è secco e comune tipica città di impianto medievale plasmano la nostra identità marca con i suoi non luoghi ha detto questo ecco se questo non funziona allora è meglio la macchina ma se è meglio la macchina e allora diventa fondamentale riconsiderare quel discorso che stavamo facendo prima sui bias perché la correzione la traduzione migliore del sostantivo bias non è pregiudizio ma è preferenza sistematica e allora tra uccidere non uccidere io ho una preferenza sistematica che a me piace tanto non uccidere allora chi l'ha detto che tutti i bias sono negativi e rispetta una macchina io vorrei che la mia macchina a guida autonoma avesse un pregiudizio fisso che si fermi prima di fare un incidente allora attenzione perché quando parliamo di dati parliamo di numeri e i numeri non hanno colore e in quest'ottica c'è un salto tra le scienze tecniche e informatiche e una mediazione umanistica di cui c'è bisogno perché quel modello culturale di origine è quello dove rimane l'educazione si trovi poi nell'effetto prodotto in larga scala sociale dell'applicazione di queste macchine e perdonatemi se l'ho un po' complessizzata filosoficamente ma ognuno ha i suoi peccati di origine ecco capite questa cosa qua è quella che ci fa dire che non esiste una tecnologia neutra che nel momento stesso in cui noi applicheremo una tecnologia fornita da fuori applicheremo una sorta di vertal shawng sul mondo quando l'equivalente di questo cioè l'ultima general purpose technology è stata applicata che era la corrente elettrica ci sono stati due modelli da una parte samuel insul fondatore di general electric company che ha usato un modello di democratizing cioè ha detto abbassiamo il prezzo del kilowatt le famiglie lo comprano tutti lo utilizzano i giga del telefonino seguono la stessa dinamica dall'altra c'è stato invece il piano goelro il primo piano quinquennale di lienin che prevedeva la sovietizzazione delle repubbliche mediante la distribuzione dell'elettrificazione delle repubbliche e quindi essendo qui la stessa cosa il tipo di società che ci troveremo domani il tipo di valori indotti da questo processo educativo saranno valori indotti dalla natura del sistema è interessante che amazonas e cina sono due modelli collettivistici ultima cosa quello che emerge dalle cose che ci siamo detti è che cina e amazonia stanno cambiando la loro cultura perché se io passo il rito tribale di villaggio in villaggio con la piattaforma sto cambiando la cultura di un gruppo e questa è un lemento con il quale non dobbiamo che non dobbiamo sottovalutare perché quando un mammoth dalle steppe siberiane 60 mila anni fa si è spostato in africa o in asia ha dovuto aspettare in un discendente l'elefante non dotato di quella folta pelliccia ha dovuto aspettare un esemplare con un codice genetico alterato quando 60 mila anni fa ci dicono gli antropologi dall'africa siamo andati nella steppa siberiana non è che abbiamo aspettato un figlio particolarmente irsuto un hipster anteliteram ma ci siamo vestiti della pelliccia del mammoth allora l'artefatto tecnologico che veicola cultura e ciò che hacherizza fatemi usare questo termine un po nerd la cultura stessa ora tutto questo è invisibile ma più pervasivo abbiamo appena sentito sarà molto interessante andare a studiare che cultura shamanica emerge o che visione di stato emerge ho già una tribu pronta a prodare però in mezzo diciamo c'è una c'è un gruppo per esempio un popolo yashaninka che è arrivato laddove noi siamo arrivati soltanto dico pochi anni fa e che ha detto noi non utilizziamo hanno vietato a tutta il popolo yashaninka di utilizzare per un periodo poi dopo si sono arresi di utilizzare i social per la comunicazione esterna e si sono chiusi all'interno e hanno detto noi usiamo internet e la comunità comuna vpn soltanto per comunicare tra i villaggi del nostro popolo e chiudiamo fuori i social che ci vanno a intaccare la cultura quindi l'hanno capito e si sono fatti anche la banca dati che non hanno messo online della loro lingua quindi diciamo che sono arrivati questi a shaninka dove poi vorrei prima o poi arrivare ci sono cinque giorni di fiume però mi è interessato questo fatto hanno creato anche un terreno di diplomazia per incontrare gli altri quindi diciamo sono arrivati già alla conclusione di un processo e so vediamo vediamo se resisteranno quindi come diciamo questo deteggete generativa ci aiuta e supporta nel prendere decisioni allora sì diciamo questo è un po il tema di ricerca su cui insomma sto lavorando da molto molto tempo allora diciamo ci stacchiamo un attimo dall'intelligenza artificiale proprio solo generativa e lavoriamo diciamo in qualche modo su intelligente artificiale che supporta gli sperti umani quindi non si sostituisce diciamo ciò gpt ce lo dice ma in realtà è vero per il momento non sostituisce un esperto umano nel suo compito ma aiuta in qualche modo prendere decisioni a valutare i patti di queste decisioni a scegliere tra scenari alternativi per esempio questa cosa noi l'abbiamo sempre fatto in questo modo abbiamo sempre preso diciamo interagito con l'esperto di dominio che è esperto umano costruito questo modello poi tornavamo dall'esperto diretti va bene questo sistema che automatizza in qualche modo alcuni di questi processi questo diceva sì no forse la cosa era un po interattiva e si finiva con questo con questo modello che andava bene all'esperto adesso ci sono anche i dati di mezzo no quindi noi dai dati partiamo prendiamo costruiamo questi modelli che sono descrittivi ci descrivono un sistema su cui vogliamo decidere o sono predittivi ci provano un pochettino ad anticiparne la dinamica futura sono addirittura decisionali ci danno proprio ci forniscono altri scenari alternative decisioni ora in tutto questo diciamo la cosa che secondo me inter è molto importante di cui abbiamo già parlato prima il proprio il fatto di legare di mischiare questi modelli che vengono dai dati dai modelli che vengono dagli esperti di dominio perché noi non vogliamo buttare via tutta questa sperienza che queste persone in anni di lavoro immaginatevi un medico che lavora in un in un reparto da vent'anni quante ne ha viste vogliamo davvero buttare via tutta questa esperienza e prendere soltanto le immagini mediche i dati clinici ma assolutamente no anche perché impareremo delle cose che già conosciamo quindi diciamo la complicità di questi modelli è sicuramente via via crescente fino diciamo nel momento in cui noi trattiamo partiamo non so da dalla macchina e all'interno di un'azienda che è una cosa semplice ragionevolmente semplice da prevedere da su cui decidere fino ad arrivare non so ad una società un sistema al mercato nergetico e quindi prendere decisioni su questi sistemi che noi chiamiamo socio tecnici è completamente una cosa molto molto molto difficile anche perché appunto in queste situazioni in cui le persone sono esseri umani in dinamiche sociali che interagiscono e che lavorano in queste in questi contesti le persone poi mica fanno quello che il sistema dell'intelligenza artificiale gli suggerisce per esempio abbiamo fatto questo è un esempio che faccio spesso abbiamo fatto dei piani di evacuazione da una città in seguito a un'inondazione cosa purtroppo che in questi giorni sarebbe stato piuttosto piuttosto importante visto quello che è successo proprio nella mia regione questi piani di evacuazione prevedono che certe persone prima dell'inondazione riescano a portarsi in salvo con le proprie macchine con le proprie proprie mezze però se noi voi dello stesso quartiere fate partire due gruppi di persone in tempi diversi i primi vedono partire i secondi vedono partire i primi anche se hanno detto voi dovete partire alle 4 di pomeriggio voi alle 10 quelli che partono alle 10 quelli delle 4 dico ma ma figurati se resto qua io prendo la mia macchina parto chiaramente ingorghi no ovunque quindi in realtà diciamo noi possiamo costruire tutti i sistemi che vogliamo diciamo decisionali poi chiaramente c'è la componente umana che ha la sua parte quindi la cosa che stiamo facendo adesso è cercare di inserire questa componente umana all'interno dei modelli ed è una cosa assolutamente molto difficile da fare infatti stiamo interagendo come diceva prima paolo con sociologi con giuristi con psicologi cognitivi insomma abbiamo veramente una bellissima insieme di competenze da proprio da andare a mettere in questo che cosa ci può servire l'intelligenza artificiale generativa in questo tipo di sistema prima di tutto ci aiuta a costruire dati sintetici non so se diciamo se uno vuol fare ricerche in ambito medico i dati medici non si riescono ad avere i dati medici sono di proprietà del paziente stanno dentro l'ospedale e nessuno riesce a avere questi dati medici quindi noi che cosa facciamo partiamo andiamo con dei modelli generativi all'interno degli ospedali costruiamo immagini sintetiche o dati sintetici che hanno la stessa struttura di quelli reali ma non sono più privati del paziente non sono più di nessuno sono dati sintetici quindi dopo noi li possiamo usare per far ricerca questo è una grandissima opportunità oppure semplicemente questi sistemi ci possono aiutare come interfaccia quindi se io voglio andare da una piccola media imprese gli voglio spiegare che cosa ci fa l'intelligenza artificiale questi come io non so neanche che cosa mi serve l'intelligenza artificiale e tra l'altro non mi interessa neanche che sia l'intelligenza artificiale o pinco pallino che mi risolvi un mio problema io ho un problema e tu me lo devi risolvere ecco l'interazione con un'interfaccia al linguaggio naturale come c'è agpt che peraltro è veramente fatta bene o l'interfaccia con magari delle regole un sistema informatico che in qualche modo rappresenta una barriera all'ingresso fortissimo potrebbe veramente aiutarci a come posso dire diffondere l'intelligenza artificiale fare aumentare l'adozione di questi sistemi in tutti i contesti produttivi nella pubblica amministrazione eccetera quindi ci sono tantissime opportunità che noi possiamo sfruttare e ovviamente i rischi li abbiamo appena parlato quindi bisogna essere responsabili e costruire un'intelligenza artificiale che sia in qualche modo responsabile. Abbiamo qualche minuto in cui potete fare voi delle domande scegliete a chi a chi porle e alzate la mano ecco questa mi pare verbenanti allora l'etica della tecnologia dobbiamo capirla in una maniera come dire adeguata al campo di cui ci occupiamo partiamo da qua c'è una resistenza che abbiamo come occidente al dispositivo normativo noi ci svegliamo in piena modernità con canta che dice che il cielo stellato sopra di noi la legge morale dentro di noi a narent ci dice che in nome di questa norma abbiamo fatto 6 milioni di morti c'era la legge abbiamo obbedito non la sopportiamo più questa normatività guardate i green pass i vaccini e quant'altro da un punto di vista sociale siamo passati dal semaforo indicativo normativo kantiano etero diretto alla rotonda ognuno fa un po' come gli pare ecco quindi diciamo che dire che l'etica ha una funzione normativa significa dire che è inutile e questo non vuol dire che l'etica non c'è a partire dagli anni 80 c'è una nuova riflessione di etica delle tecnologie parlo dell'etica per come la capisco io e a cui io mi rifaccio di cui diciamo uno dei fondatori stava anche il mio professore la quale capisce se stessa con un ruolo profondamente diverso tornando a quello che era socrate questo nostro professore ci ha portato a manattan stavano a washington ci ha portato manattan e ci ha fatto fare una gita noi eravamo una decina di dottorandi tutti contenti chissà che andiamo a vedere a manattan ci ha portato su un'autostrada a sei corsie che univa manattan con long island e ci ha detto cosa vedete 10 brillanti giovani tutti volevamo sembrare intelligenti abbiamo detto di tutto l'unica vera risposta era asfalto e cemento armato dopo di che ci ha portato in una public library dove ci aspettavamo ci aspettavamo delle copie di un volume è uno dei 100 libri più venduti nel mercato saggistico americano che ha vinto un pulitzer che ra la biografia del politico e ha fatto quella strada richard moses e li abbiamo scoperto che moses aveva un'idea politica chiarissima la parte migliore della città doveva essere per la parte migliore della società quindi che cosa fa non costruisce la nessun mezzo pubblico e quei ponti che a noi sembravano normali erano due piedi 60 centimetri più bassi dello standard nessun autobus ci passa sulla parkway solo chi aveva la macchina la white middle class andava in spiaggia allora l'etica della tecnologia si chiede qual è la forma d'ordine e qual è il trasferimento di potere che un'innovazione tecnologica inietta in un contesto sociale tutto quello che abbiamo detto oggi è etico se volete da noi una norma la norma etica funziona quando le persone gli danno retta c'è bisogno dei principi di hard law c'è bisogno di principi giuridici quello che capiamo come etica nella stagione della complessità non è il government ma la governance sono voci diverse che si ascoltano con competenze diverse che si offrono come voci di tutti gli stakeholders a chi ha su di sé il compito di portare a terra tutto questo con dispositivi giuridici e lo mette a terra approfitto della domanda per dire un'altra cosa perché dire che la normatività non ci crediamo più non vuol dire che assente che cosa vuol dire questo vuol dire che ci siamo resi conto che a un certo punto ve la dico con l'esempio con cui è nata c'hanno vinto un premio nobel non è pulitissimo ma c'hanno vinto il nobel l'aeroporto di schipol costava a pulire i bagni degli uomini circa il doppio di quelli delle donne capite bene perché ecco un approccio normativo siate puliti non produceva nessunissimo effetto è bastata disegnare una piccola mosca negli orinatori maschili per portare i prezzi alla stessa di pulizia allo stesso livello questo dice tanto sul cervello maschile ma dice ancora di più su un altro sistema che si chiama nagging cioè di spinta gentile dove un processo di gamificazione produce lo stesso effetto che la norma non produce più io appena descritto la notifica sul vostro cellulare che l'intelligenza artificiale vi dà allora c'è il rischio che tutto questo passi implicitamente alla macchina ecco perché l'etica qui deve diventare una voce profetica che scuota un po' le coscienze e un po' in alcune parti del mondo è già successo perché per esempio a singapore quando sono andata c'era un dipartimento di scienza dei materiali con uno studente cinese bravissimo la cui moglie era incinta e a un certo punto questo si è visto chiamare dal rettore era entrato in ansia perché quella è una società previsionale per questo succede un imprevisto mentre entra in agitazione invece si è trovato con il rettore che gli ha offerto una casa più grande lui non ha detto a nessuno che la moglie era incinta ma l'avevano visto dalle ricerche online la macchina che era esattamente quella che voleva lui che cercava online gli l'hanno regalata gli hanno cambiato ruolo gli hanno offerto più fondi lui era stupito perché non gli hanno spiegato nulla e poi in realtà la realtà era che hanno visto un traffico dall'università di pechino alla sua mail hanno temuto che poiché la moglie era incinta potesse desiderare crescere il figlio vicino ai genitori e quindi tornare in cina e che ci fosse un'offerta per questo studente così brillante di tornare in cina e hanno anticipato l'offerta di pechino che magari non sarebbe mai arrivato forse sì e gli hanno cambiato lavoro uguale fanno con i tassisti quando vedono dai sensori che cominciano un po diciamo a vedere delle lentezze di riflessi li chiamano e li portano a fare custodi nei musei ma non è che glielo dicono che hanno la lentezza il riflesso cioè e già è una società diciamo così disciplinare che in questi paesi che nati proprio cioè che hanno spiccato proprio fanno l'ipfrogging con il digitale con dei sistemi di govtech di algoritmi così avanzati già un po accade c'era un'altra domanda qui buongiorno io ieri ho ascoltato Federico Faggin il tema è no sfera coscienza libero arbitrio umanesimo nell'era digitale della complessità ma noi stiamo organizzando un evento alla sagra di san michele l'idea è quella di parlare di macchine e libro arbitro consapevolezza coscienza fede complessità umanesimo metaverso intelligenza artificiale no sfera sette donne dello spirito santo e sette opera di un gelicordio spirituale grazie grazie dell'informazione se c'è un'altra domanda facciamo ancora in tempo brevissima una domanda generale come diceva il professor profumo una delle caratteristiche della nuova intelligenza artificiale diciamo di affiancare ma in parte anche di sostituire permettetemi per la prima volta il lavoro intellettuale e non il lavoro muscolare e questo di questa cosa secondo voi la società contemporanea si rende conto che cosa possiamo fare rispetto a questo per i nostri ragazzi per i giovani che si preparano a studiare per le nuove professioni non solo ma principalmente proprio la classe dirigente sarà quella che con gpt andrà segata chi vuole rispondere tra voi due ma io ho visto abbiamo parlato quando tornavamo dal kick off del progetto nazionale di intelligenza artificiale con degli insegnanti che dicevano noi lo vogliamo usare c'è gpt a scuola perché altrimenti i ragazzi lo usano sempre quindi è chiaro che c'è un punto di cambiare tremendamente la formazione io l'unica cosa di cui sono sicura che la tecnologia non si può fermare capisco chi ha firmato per fermarla per sei mesi mutilazione chi è uscito da google però la tecnologia non si può fermare bisogna farlo anche gli ascianinca alla fine ci sono rassegnati bisogna tutti assieme lavorare è una tecnologia è l'aspetto della formazione importantissimo perché come diceva prima qui i cambiamenti ci sono in dieci giorni a momenti quando uscirà gpt 5 e vedremo quanti migliaia di miliardi di miliardi di parametri va quindi la formazione credo che debba cambiare e aggiungo una cosa oltre ai ragazzi è importante anche pensare lo abbiamo già anticipato prima a riconvertire le competenze di quelli che già lavorano quando abbiamo una visione che è quella di imprese che debbano prima o poi convertirsi anche a centri di ricerche lavorare molto di più con l'accademia quindi c'è un buon esempio è quello del monzino a milano dove i medici la mattina operano e pomeriggio fanno ricerca le aziende diventeranno così e daranno la possibilità usando tecnologia appunto che magari sollevano dalla manualità molti dei lavoratori proviamo a fare riskilling a dare competenze diverse a farli fare ricerca in un momento diverso la giornata. Bene io ringrazio voi per l'attenzione ringrazio tutti i nostri relatori mi sembra che abbiamo dato un quadro da più punti di vista diciamo abbastanza completo delle sfide che ci attendono e consegno ai giovani presenti in sala la sfida di costruire la società del futuro