Sulla scia del grande succeso di utilizzazione, spesso sfociata più in curiosità, del noto programma online Chat GPT3 che utilizza algoritmi di Intelligenza Artificiale per rispondere allo spettro di domande più vario possibile, ci sono altri software in sperimentazione in vari laboratori del mondo.
www.ailovetourism.com
Parliamo di Adept.A.I. , un tool che potrebbe stravolgere il modo di lavorare giornaliero di milioni di persone e, che ricorda da vicino Chat GPT3
Nel 2016, in occasione del TechCrunch Disrupt di New York, alcuni degli sviluppatori originari di quella che è diventata Siri hanno presentato Viv, una piattaforma di intelligenza artificiale che prometteva di collegare varie applicazioni di terze parti per svolgere praticamente qualsiasi attività. L’idea era allettante, ma non è mai stata pienamente realizzata. Samsung ha poi acquisito Viv, inserendo una versione ridotta della tecnologia nel suo assistente vocale Bixby.
Sei anni dopo, un nuovo team sostiene di aver decifrato il codice di un assistente AI universale, o almeno di esserci andato un po’ più vicino. In un laboratorio di prodotti chiamato Adept, emerso oggi dalla fase stealth con un finanziamento di 65 milioni di dollari, i fondatori stanno “costruendo un’intelligenza generale che permetta a uomini e computer di lavorare insieme in modo creativo per risolvere i problemi”.
Adept non è l’unica a esplorare questa idea. In un documento di febbraio, gli scienziati di DeepMind, sostenuta da Alphabet, descrivono quello che definiscono un approccio “guidato dai dati” per insegnare alle IA a controllare i computer. Facendo osservare a un’intelligenza artificiale i comandi della tastiera e del mouse di persone che completano attività informatiche “che seguono le istruzioni”, come la prenotazione di un volo, gli scienziati sono stati in grado di mostrare al sistema come eseguire oltre cento attività con una precisione “a livello umano”.
Non a caso, il cofondatore di DeepMind Mustafa Suleyman si è recentemente unito al cofondatore di LinkedIn Reid Hoffman per lanciare Inflection AI, che – come Adept – si propone di utilizzare l’AI per aiutare gli esseri umani a lavorare in modo più efficiente con i computer.
L’apparente elemento di differenziazione di Adept è un gruppo di ricercatori di IA provenienti da DeepMind, Google e OpenAI. Vaswani e Parmar hanno contribuito alla creazione di Transformer, un’architettura di IA che ha ottenuto una notevole attenzione negli ultimi anni. A partire dal 2017, Transformer è diventata l’architettura preferita per i compiti di linguaggio naturale, dimostrando un’attitudine a riassumere documenti, tradurre tra le lingue e persino classificare immagini e analizzare sequenze biologiche.
Tra gli altri prodotti, il GPT-3 di OpenAI, che genera linguaggi, è stato sviluppato utilizzando la tecnologia Transformer.
“Negli anni successivi, tutti si sono affidati al Transformer, utilizzandolo per risolvere molti problemi vecchi di decenni in rapida successione. Quando ero a capo dell’ingegneria di OpenAI, abbiamo scalato il Transformer in GPT-2 (il predecessore di GPT-3) e GPT-3”, ha detto Luan. “Gli sforzi di Google per scalare i modelli Transformer hanno prodotto [l’architettura AI] BERT, che alimenta la ricerca di Google. E diversi team, tra cui i nostri fondatori, hanno addestrato Transformer in grado di scrivere codice. DeepMind ha persino dimostrato che il Transformer funziona per la piegatura delle proteine (AlphaFold) e per Starcraft (AlphaStar). I Transformer hanno reso tangibile l’intelligenza generale per il nostro settore”.
A Google, Luan è stato il responsabile tecnico generale di quello che descrive come lo “sforzo per i grandi modelli” di Google Brain, una delle divisioni di ricerca più importanti del gigante tecnologico. Lì ha addestrato Transformers sempre più grandi con l’obiettivo di costruire un modello generale che potesse funzionare in tutti i casi di apprendimento automatico, ma il suo team si è imbattuto in una chiara limitazione. I risultati migliori erano limitati ai modelli progettati per eccellere in ambiti specifici, come l’analisi delle cartelle cliniche o la risposta a domande su argomenti particolari.
È roba da visionari. Ma i cofondatori di Adept, il CEO David Luan, il CTO Niki Parmar e lo scienziato capo Ashish Vaswani, riducono la loro ambizione al perfezionamento di un “overlay” all’interno dei computer che funzioni con gli stessi strumenti utilizzati dalle persone. Questo overlay sarà in grado di rispondere a comandi come “generare un rapporto mensile di conformità” o “disegnare scale tra questi due punti in questo progetto”, afferma Adept, utilizzando software esistenti come Airtable, Photoshop, Tableau e Twilio per svolgere il lavoro.
“Stiamo addestrando una rete neurale a utilizzare tutti gli strumenti software del mondo, basandoci sulla grande quantità di funzionalità esistenti che le persone hanno già creato”. Luan ha dichiarato a TechCrunch in un’intervista via e-mail. “Con Adept, potrete concentrarvi sul lavoro che più vi piace e chiedere al nostro sistema di occuparsi di altri compiti… Ci aspettiamo che il collaboratore sia un buon allievo e altamente allenabile, diventando più utile e allineato a ogni interazione umana”.
Dalla descrizione di Luan, ciò che Adept sta creando assomiglia un po’ all’automazione robotica dei processi (RPA), ovvero robot software che sfruttano una combinazione di automazione, computer vision e apprendimento automatico per automatizzare compiti ripetitivi come l’archiviazione di moduli e la risposta alle e-mail. Ma il team insiste sul fatto che la loro tecnologia è molto più sofisticata di quella offerta oggi da fornitori di RPA come Automation Anywhere e UiPath.
Una Intelligenza Artificiale può generare idee per Borse ispirate a Catene di Fast Food?
APPLE VISION PRO e Turismo – cambierà tutto se tutto cambierà
Autoconciencia, Inteligencia Artificial y ser Viajero
Syntography and Tourism. Photographs retouched with Artificial Intelligence?
Un computer che legge è un computer che sa.
“Pensiamo che la capacità dell’intelligenza artificiale di leggere e scrivere testi continuerà a essere preziosa, ma che la capacità di fare cose al computer sarà molto più preziosa per le aziende… I modelli addestrati sul testo possono scrivere un’ottima prosa, ma non possono intraprendere azioni nel mondo digitale. Non si può chiedere loro di prenotare un volo, di staccare un assegno a un fornitore o di condurre un esperimento scientifico. La vera intelligenza generale richiede modelli in grado non solo di leggere e scrivere, ma anche di agire quando gli si chiede di fare qualcosa”.
Adept non è l’unica a esplorare questa idea. In un documento di Febbraio, gli scienziati di DeepMind, sostenuta da Alphabet, descrivono quello che definiscono un approccio “guidato dai dati” per insegnare alle IA a controllare i computer. Facendo osservare a un’intelligenza artificiale i comandi della tastiera e del mouse eseguite da persone fisiche “che eseguono istruzioni”, come la prenotazione di un volo, gli scienziati sono stati in grado di mostrare al sistema come eseguire oltre cento attività con una precisione “a livello umano”.
Non a caso, il cofondatore di DeepMind Mustafa Suleyman si è recentemente unito al cofondatore di LinkedIn Reid Hoffman per lanciare Inflection AI, che – come Adept – si propone di utilizzare l’AI per aiutare gli esseri umani a lavorare in modo più efficiente con i computer.
L’apparente elemento di differenziazione di Adept è un gruppo di ricercatori di IA provenienti da DeepMind, Google e OpenAI. Vaswani e Parmar hanno contribuito alla creazione di Transformer, un’architettura di IA che ha ottenuto una notevole attenzione negli ultimi anni. A partire dal 2017, Transformer è diventata l’architettura preferita per i compiti di linguaggio naturale, dimostrando un’attitudine a riassumere documenti, tradurre tra le lingue e persino classificare immagini e analizzare sequenze biologiche.
Tra gli altri prodotti, il GPT-3 di OpenAI, che genera linguaggi, è stato sviluppato utilizzando la tecnologia Transformer.
“Negli anni successivi, tutti si sono affidati al Transformer, utilizzandolo per risolvere molti problemi vecchi di decenni in rapida successione. Quando ero a capo dell’ingegneria di OpenAI, abbiamo scalato il Transformer in GPT-2 (il predecessore di GPT-3) e GPT-3”, ha detto Luan. “Gli sforzi di Google per scalare i modelli Transformer hanno prodotto [l’architettura AI] BERT, che alimenta la ricerca di Google. E diversi team, tra cui i nostri fondatori, hanno addestrato Transformer in grado di scrivere codice. DeepMind ha persino dimostrato che il Transformer funziona per la piegatura delle proteine (AlphaFold) e per Starcraft (AlphaStar). I Transformer hanno reso tangibile l’intelligenza generale per il nostro settore”.
A Google, Luan è stato il responsabile tecnico generale di quello che descrive come lo “sforzo per i grandi modelli” di Google Brain, una delle divisioni di ricerca più importanti del gigante tecnologico. Lì ha addestrato Transformers sempre più grandi con l’obiettivo di costruire un modello generale che potesse funzionare in tutti i casi di apprendimento automatico, ma il suo team si è imbattuto in una chiara limitazione. I risultati migliori erano limitati ai modelli progettati per eccellere in ambiti specifici, come l’analisi delle cartelle cliniche o la risposta a domande su argomenti particolari.
“Fin dall’inizio del settore, abbiamo voluto costruire modelli con una flessibilità simile a quella dell’intelligenza umana, che potessero funzionare per una varietà di compiti… L’apprendimento automatico ha fatto più progressi negli ultimi cinque anni che nei 60 precedenti”, ha detto Luan. “Storicamente, il lavoro sull’intelligenza artificiale a lungo termine è stato appannaggio delle grandi aziende tecnologiche, la cui concentrazione di talenti e calcoli è stata ineccepibile. Guardando al futuro, riteniamo che la prossima era di scoperte nel campo dell’IA richiederà la risoluzione di problemi al centro della collaborazione tra uomo e computer”.
Qualunque sia la forma che il suo prodotto – e il suo modello di business – assumerà alla fine, Adept potrà riuscire dove altri hanno fallito? Se ci riuscirà, il guadagno potrebbe essere notevole. Secondo Markets and Markets, il mercato delle tecnologie di automazione dei processi aziendali – tecnologie che semplificano i carichi di lavoro aziendali rivolti ai clienti e al back-office – crescerà da 9,8 miliardi di dollari nel 2020 a 19,6 miliardi di dollari entro il 2026. Un’indagine condotta nel 2020 dal fornitore di automazione dei processi Camunda (una fonte di parte, ovviamente) ha rilevato che l’84% delle organizzazioni prevede un aumento degli investimenti nell’automazione dei processi a seguito delle pressioni del settore, tra cui l’aumento del lavoro a distanza.
“La tecnologia di Adept sembra plausibile in teoria, [ma] parlare di Transformers che devono essere ‘in grado di agire’ mi sembra un po’ un depistaggio”, ha dichiarato via e-mail a TechCrunch Mike Cook, ricercatore AI presso il collettivo di ricerca Knives & Paintbrushes, che non è affiliato ad Adept. “I Transformer sono progettati per prevedere i prossimi elementi di una sequenza di cose, tutto qui. Per un Transformer non fa alcuna differenza se quella previsione è una lettera in un testo, un pixel in un’immagine o una chiamata API in un bit di codice. Quindi questa innovazione non ha più probabilità di portare a un’intelligenza artificiale generale di qualsiasi altra cosa, ma potrebbe produrre un’intelligenza artificiale più adatta ad assistere in compiti semplici”.
È vero che il costo dell’addestramento di sistemi di IA all’avanguardia è più basso di un tempo. Con una frazione dei finanziamenti di OpenAI, startup recenti come AI21 Labs e Cohere sono riuscite a costruire modelli paragonabili al GPT-3 in termini di capacità.
Le continue innovazioni nell’IA multimodale, in grado di comprendere le relazioni tra immagini, testi e altro, rendono possibile un sistema in grado di tradurre le richieste in un’ampia gamma di comandi informatici. Lo stesso vale per lavori come InstructGPT di OpenAI, una tecnica che migliora la capacità di modelli linguistici come GPT-3 di seguire le istruzioni.
La principale preoccupazione di Cook è il modo in cui Adept ha addestrato i suoi sistemi di intelligenza artificiale. Egli osserva che uno dei motivi per cui altri modelli Transformer hanno avuto un tale successo con il testo è che c’è un’abbondanza di esempi di testo da cui imparare. Un prodotto come quello di Adept avrebbe presumibilmente bisogno di molti esempi di attività completate con successo in applicazioni (ad esempio Photoshop) abbinate a descrizioni testuali, ma questi dati non sono così naturali nel mondo.
Nello studio di DeepMind di febbraio, gli scienziati hanno scritto che, per raccogliere i dati di addestramento per il loro sistema, hanno dovuto pagare 77 persone per completare oltre 2,4 milioni di dimostrazioni di attività al computer.
“I dati di addestramento sono stati probabilmente creati artificialmente, il che solleva molte domande sia su chi è stato pagato per crearli, sia sulla loro scalabilità in altre aree in futuro, sia sul fatto che il sistema addestrato avrà il tipo di profondità che hanno altri modelli Transformer”, ha detto Cook. “Potrebbe renderlo più capace in alcune aree, ma probabilmente sarà meno capace di un sistema addestrato esplicitamente su un compito e un’applicazione particolari”.
Anche le tabelle di marcia migliori possono imbattersi in sfide tecniche impreviste, soprattutto quando si tratta di IA. Ma Luan ripone la sua fiducia nei talenti senior fondatori di Adept, che comprendono l’ex responsabile dell’infrastruttura di produzione dei modelli di Google (Kelsey Schroeder) e uno degli ingegneri originali del modello di riconoscimento vocale di Google (Anmol Gulati).
“Sebbene l’intelligenza generale sia spesso descritta nel contesto della sostituzione dell’uomo, questa non è la nostra stella polare. Crediamo invece che i sistemi di intelligenza artificiale debbano essere costruiti con le persone al centro”, ha detto Luan. “Vogliamo dare a tutti l’accesso a strumenti di IA sempre più sofisticati che li aiutino a raggiungere i loro obiettivi in collaborazione con lo strumento; i nostri modelli sono progettati per lavorare fianco a fianco con le persone. La nostra visione è quella di un’azienda in cui le persone rimangono al posto di guida: scoprendo nuove soluzioni, consentendo di prendere decisioni più informate e lasciandoci più tempo per il lavoro che vogliamo davvero fare”.
Greylock e Addition hanno guidato il round ( passaggio obbligato in una startup) di finanziamento di Adept. Il round ha visto anche la partecipazione di Root Ventures e di angels tra cui il fondatore di Behance Scott Belsky (fondatore di Behance), il fondatore di Airtable Howie Liu, Chris Re, il responsabile di Tesla Autopilot Andrej Karpathy e Sarah Meyohas.
Scrivici e …
Viaggia con Noi …nel poco noto
info@ailovetourism.com
via Ammiraglio Millo 9 .
Alberobello, Bari.
+39 339 5856822
