IA, la svolta passa dalla teoria: la sfida di Lorenzo Rosasco

Capire a fondo il funzionamento dell’intelligenza artificiale per progettare strumenti migliori: è questo il traguardo che orienta il lavoro di Lorenzo Rosasco. Il ricercatore genovese guarda alla teoria non come a un esercizio astratto, ma come alla chiave per costruire sistemi più affidabili e meno dipendenti da tentativi condotti su enormi quantità di dati.

La rapidità degli sviluppi, intanto, rende più difficile distinguere ciò che è già dimostrato da ciò che resta da verificare. Intervenendo questa settimana a Orizzonti Digitali, il forum sull’intelligenza artificiale diretto da Giorgio Metta, Rosasco ha invitato a evitare risposte troppo nette: «In una fase di incertezza come questa si tende a cercare rifugio in affermazioni nette, in bianco e nero, mentre il compito più importante consiste nel distinguere ciò che possiamo affermare con ragionevole sicurezza da ciò che resta aperto».

L’intelligenza artificiale cerca una teoria

L’evento, arrivato alla quarta edizione e dedicato quest’anno al tema “L’era della co-intelligenza”, si conclude oggi. Nel suo intervento, Rosasco ha collegato le trasformazioni in corso alla necessità di sviluppare strumenti capaci di accompagnare una società destinata a cambiare in tempi molto rapidi.

La sua posizione nasce da una constatazione precisa: le tecnologie attuali possono raggiungere risultati notevoli senza che sia ancora chiaro, in ogni dettaglio, perché ci riescano. «Siamo capaci di costruire sistemi molto sofisticati, ma il loro comportamento resta difficile da spiegare e da prevedere», ha osservato, sottolineando che una teoria scientifica sarebbe indispensabile per ottenere maggiori garanzie sul loro impiego.

Un precedente storico aiuta a comprendere il problema. Alessandro Volta presentò la pila nel 1800, ma per più di sessant’anni le sue proprietà furono utilizzate senza una spiegazione teorica completa, arrivata soltanto con la descrizione dell’elettromagnetismo elaborata da James Clerk Maxwell. Nel caso dell’intelligenza artificiale, però, la distanza tra applicazioni e comprensione si è accorciata drasticamente: i progressi si susseguono nel giro di pochi mesi e coinvolgono già milioni di persone.

Dalla fisica agli algoritmi

Rosasco si è avvicinato a questi temi dopo la laurea in fisica conseguita a Genova. A spingerlo non era soltanto l’interesse per le grandi domande sulla natura, ma anche la ricerca di un settore nel quale le spiegazioni fondamentali potessero dialogare più direttamente con le applicazioni.

Da qui è nato il suo interesse per i meccanismi che consentono a un algoritmo di apprendere in autonomia. Il dottorato, concluso nel 2006, è stato accompagnato da esperienze di ricerca al MIT, al Toyota Technological Institute di Chicago e al Johann Radon Institute di Linz, in Austria.

Il rapporto con il Massachusetts Institute of Technology è proseguito per vent’anni. Tra il 2006 e il 2013 Rosasco ha lavorato nel Dipartimento di Brain and Cognitive Sciences, prima come ricercatore post-dottorato e poi come ricercatore scientifico, consolidando una collaborazione destinata a continuare nel tempo.

Il ritorno in Italia e la ricerca

La scelta di rientrare a Genova è maturata dall’intreccio di più circostanze: il desiderio, condiviso con la moglie allora impegnata nella ricerca ad Harvard, di ridurre il peso del lavoro sulla vita quotidiana; l’apertura di una posizione accademica inaspettata; la possibilità di restare vicino alla madre anziana. Rosasco ha inoltre ricordato quanto l’ambiente universitario della costa orientale degli Stati Uniti, pur ricco di stimoli, possa risultare logorante.

All’Università di Genova opera nel Dipartimento di Informatica, Bioingegneria, Robotica e Ingegneria dei Sistemi. Qui ha contribuito a fondare il Machine Learning Genoa Center, noto come MaLGa, una struttura che riunisce circa cinquanta persone e nella quale coordina il Laboratory for Computational and Statistical Learning.

All’Istituto Italiano di Tecnologia è invece responsabile della linea Sustainable Artificial Intelligence and Learning. L’attività riguarda metodi di apprendimento automatico più efficienti, sostenuti da basi teoriche solide e progettati per ridurre il costo computazionale dei modelli.

Modelli potenti, risorse concentrate

L’addestramento dei sistemi più avanzati richiede grandi quantità di dati e capacità di calcolo. La disponibilità di queste risorse è concentrata soprattutto presso pochi grandi gruppi tecnologici, una condizione che rende difficile per l’Europa e l’Italia competere alle stesse condizioni.

Per Rosasco, la risposta passa dallo sviluppo di tecniche più compatte e meno onerose. «Rendere questi sistemi meno esigenti significa anche rendere più inclusivo e democratico lo sviluppo di una tecnologia destinata a incidere profondamente sulla società», ha spiegato.

Il tema della sostenibilità, quindi, non riguarda soltanto il consumo di energia o la quantità di calcoli necessari. Investire nell’efficienza significa anche ampliare il numero di soggetti in grado di studiare, sviluppare e utilizzare questi strumenti senza dipendere esclusivamente dalle infrastrutture dei colossi del settore.

Il lavoro cambia più rapidamente

Secondo Rosasco, la trasformazione ha iniziato a diventare evidente tra il 2012 e il 2015, per poi accelerare con la comparsa dei sistemi capaci di generare immagini e video e, successivamente, dei modelli linguistici. La loro capacità di produrre testi coerenti ha sorpreso anche molti studiosi, perché principi relativamente semplici hanno dato origine a strumenti di grande utilità.

Per lungo tempo il ricercatore aveva mantenuto un atteggiamento prudente sugli effetti occupazionali. I dati indicavano con chiarezza i settori nei quali l’intelligenza artificiale avrebbe affiancato i lavoratori, ma offrivano meno certezze sulla loro eventuale sostituzione. La programmazione mostrava già segnali evidenti, mentre ora il cambiamento sembra pronto a coinvolgere molte altre professioni.

Dopo un recente periodo trascorso negli Stati Uniti, Rosasco ha rivisto in modo significativo la propria valutazione. I modelli più recenti, in alcuni ambiti, raggiungono prestazioni comparabili a quelle di numerosi professionisti. Particolarmente rilevanti, a suo giudizio, sono i risultati ottenuti in matematica, disciplina fondamentale per le scienze: alcune attività tradizionalmente affidate ai matematici vengono già svolte dai sistemi artificiali, rendendo meno definito il perimetro stesso della professione.

Il quadro che emerge è quello di un futuro difficile da delineare con precisione. Proprio per questo Rosasco insiste sulla necessità di affrontare il cambiamento senza semplificazioni eccessive, distinguendo le evidenze dalle ipotesi. La sua ricerca parte da una convinzione: comprendere meglio i principi dell’intelligenza artificiale potrebbe consentire di superare l’attuale metodo basato soprattutto sulla sperimentazione e arrivare a soluzioni più efficienti, affidabili e utili per la società.