ROMA (Public Policy Bytes) – “Attualmente, i modelli di intelligenza artificiale sembrano più intelligenti di quanto lascerebbe intendere il loro impatto economico“. È una delle considerazioni fatte da Ilya Sutskever, amministratore delegato di Safe Superintelligence Inc. (Ssi) ed ex chief scientist di OpenAl, durante una puntata del podcast di Dwarkesh Patel.
“È difficile comprendere – ha aggiunto – come sia possibile che questi modelli ottengano risultati così elevati in test di valutazione piuttosto complessi mentre l’impatto economico che generano appare drasticamente inferiore alle aspettative. È paradossale vederli compiere alcune operazioni sorprendenti e, l’istante dopo, ricadere negli stessi e banali errori in modo ripetitivo“.
L’informatico si chiede, dunque, se la marcata discrepanza tra le performance nei test di benchmark e l’effettiva utilità dei modelli di lA nel mondo reale non sia dovuta al fatto che i team di ricerca delle aziende prendano ispirazione diretta da quegli stessi test di valutazione nel condurre l’addestramento dei modelli. In tale ottica, la responsabilità – sostiene Sutskever – non sarebbe degli LIm, ma “degli umani troppo dediti al perseguimento di risultati migliori nei benchmark”. (Public Policy Bytes) DVZ
