{"id":1871,"date":"2023-06-18T22:43:50","date_gmt":"2023-06-18T22:43:50","guid":{"rendered":"https:\/\/dailyai.com\/?p=1871"},"modified":"2024-03-28T00:48:00","modified_gmt":"2024-03-28T00:48:00","slug":"what-happens-when-ai-starts-consuming-its-own-output","status":"publish","type":"post","link":"https:\/\/dailyai.com\/it\/2023\/06\/what-happens-when-ai-starts-consuming-its-own-output\/","title":{"rendered":"Cosa succede quando l'intelligenza artificiale inizia a consumare i propri prodotti?"},"content":{"rendered":"

I dati sono la linfa vitale dell'intelligenza artificiale, ma non sono una risorsa infinita. L'umanit\u00e0 pu\u00f2 esaurire i dati? Cosa accadrebbe se lo facessimo?<\/strong><\/p>\n

I modelli complessi di intelligenza artificiale richiedono grandi quantit\u00e0 di dati di addestramento. Ad esempio, l'addestramento di un modello linguistico di grandi dimensioni (LLM) come ChatGPT richiede circa 10 trilioni di parole.\u00a0<\/span><\/p>\n

Alcuni esperti ritengono che la disponibilit\u00e0 di dati di alta qualit\u00e0 stia diminuendo. Ad esempio, uno studio del 2022 condotto da ricercatori di diverse universit\u00e0 dichiarato<\/a>, <\/span>\"La nostra analisi indica che lo stock di dati linguistici di alta qualit\u00e0 si esaurir\u00e0 presto, probabilmente prima del 2026... Il nostro lavoro suggerisce che l'attuale tendenza alla crescita costante dei modelli di ML che si basano su enormi set di dati potrebbe rallentare se non si migliora drasticamente l'efficienza dei dati o se non si rendono disponibili nuove fonti di dati.\"\u00a0<\/span><\/p>\n

La generazione di dati sintetici rappresenta una soluzione, ma in genere non riesce a cogliere la profondit\u00e0, le sfumature e la varianza dei dati reali.\u00a0<\/span><\/p>\n

A complicare ulteriormente la situazione, c'\u00e8 la preoccupazione per ci\u00f2 che accadr\u00e0 quando l'IA inizier\u00e0 a consumare la propria produzione, cosa che i ricercatori dell'\u00c9cole Polytechnique F\u00e9d\u00e9rale de Lausanne (EPFL) in Svizzera ritengono essere gi\u00e0 in atto<\/a>. <\/span><\/p>\n

La ricerca indica che le aziende di IA che acquistano dati prodotti dall'uomo attraverso piattaforme come Amazon Mechanical Turk possono ricevere invece dati generati dall'IA.\u00a0<\/span><\/p>\n

Cosa succede quando l'intelligenza artificiale inizia a mangiare la propria produzione? \u00c8 possibile evitarlo?<\/p>\n

Costruire set di dati \u00e8 costoso e richiede tempo, e la posta in gioco \u00e8 alta<\/span><\/h2>\n

I dati sono onnipresenti, ma la loro gestione per l'IA \u00e8 un processo complesso. La qualit\u00e0 dei dati e delle etichette influisce sulle prestazioni del modello: \u00e8 un caso di \"spazzatura dentro, spazzatura fuori\".\u00a0<\/span><\/p>\n

Per descrivere brevemente il processo di costruzione dei dataset, gli annotatori di dati (o etichettatori) prendono i dati elaborati (ad esempio, un'immagine ritagliata) e li etichettano. <\/span>caratteristiche (ad esempio, un'automobile, una persona, un uccello).\u00a0<\/span><\/p>\n

Questo fornisce agli algoritmi un \"obiettivo\" da cui apprendere. Gli algoritmi estraggono e analizzano le caratteristiche dei dati etichettati per prevedere tali caratteristiche in nuovi dati non visti. <\/span><\/p>\n

Questo \u00e8 necessario per l'apprendimento automatico supervisionato, che \u00e8 uno dei rami principali dell'apprendimento automatico insieme all'apprendimento automatico non supervisionato e all'apprendimento per rinforzo. Da alcune stime<\/a>Il processo di preparazione ed etichettatura dei dati occupa l'80% della durata di un progetto di modello di apprendimento automatico, ma se si prendono troppe scorciatoie si rischia di compromettere le prestazioni del modello. <\/span><\/p>\n

Oltre alle sfide pratiche legate alla creazione di set di dati di alta qualit\u00e0, la natura stessa dei dati cambia costantemente. Quello che 10 anni fa si definiva un \"set di dati contenente una selezione tipica di veicoli in circolazione\" oggi non \u00e8 pi\u00f9 lo stesso. Oggi, ad esempio, il numero di eScooter ed eBike in circolazione \u00e8 molto pi\u00f9 elevato.\u00a0<\/span><\/p>\n

Si tratta dei cosiddetti \"casi limite\", ovvero oggetti o fenomeni rari non presenti negli insiemi di dati.\u00a0<\/span><\/p>\n

I modelli riflettono la qualit\u00e0 dei loro set di dati<\/span><\/h2>\n

Se si addestra un moderno sistema di intelligenza artificiale su un vecchio set di dati, il modello rischia di avere prestazioni ridotte quando viene esposto a dati nuovi e sconosciuti.\u00a0<\/span><\/p>\n

Tra il 2015 e il 2020, i ricercatori hanno scoperto importanti distorsioni strutturali negli algoritmi di IA, in parte attribuite all'addestramento dei modelli su dati vecchi e distorti. <\/span><\/p>\n

Ad esempio, il <\/span>Volti etichettati nella casa selvaggia (LFW)<\/span><\/a>, un set di dati di volti di celebrit\u00e0 comunemente utilizzati in compiti di riconoscimento facciale, \u00e8 composto da <\/span>77,5% maschi e 83,5% con pelle bianca<\/span><\/a> individui. Un'intelligenza artificiale non ha alcuna speranza di funzionare correttamente se i dati non rappresentano tutte le persone che intende servire. I tassi di errore nel riconoscimento facciale tra i migliori algoritmi sono stati trovati a un livello minimo di 0,8% per gli uomini bianchi e a un livello massimo di 34,7% per le donne con la pelle scura.\u00a0<\/span><\/p>\n

Questa ricerca \u00e8 culminata nella storica <\/span>Studio sulle sfumature di genere<\/span><\/a> e un documentario intitolato <\/span>Bias codificato<\/span><\/a>che ha analizzato come l'intelligenza artificiale possa apprendere da dati errati e non rappresentativi.<\/span><\/p>\n

Gli impatti sono tutt'altro che positivi: ci\u00f2 ha portato a esiti giudiziari errati, a false incarcerazioni e alla negazione del lavoro e del credito a donne e altri gruppi.<\/span><\/p>\n

Le IA hanno bisogno di pi\u00f9 dati di alta qualit\u00e0, che devono essere equi e rappresentativi. - \u00e8 una combinazione sfuggente.\u00a0<\/span><\/p>\n

I dati sintetici sono la risposta?<\/span><\/h2>\n

I dati sintetici sono comunemente utilizzati nella computer vision (CV), dove le IA identificano oggetti e caratteristiche da immagini e video.\u00a0<\/span><\/p>\n

Invece di raccogliere dati di immagine dal mondo reale, come fotografare o filmare una strada, operazione tecnicamente impegnativa e che pone problemi di privacy, \u00e8 sufficiente generare i dati in un ambiente virtuale.\u00a0<\/span><\/p>\n

\"\"
Dati sintetici per l'addestramento delle auto senza conducente. Fonte: Analitica India Mag<\/a>.<\/figcaption><\/figure>\n

Sebbene questo integri le IA con un maggior numero di dati, ci sono diversi svantaggi:\u00a0<\/span><\/p>\n