L’avvocato robot e gli altri algoritmi che cambieranno le professioni
Dobbiamo creare un sistema dove l’umano si deve difendere dal post-umano questo il nostro interesse primario, per dare un futuro alla nostra professione .
Mentre i sistemi ordinistici sono impegnati a coltivare il piccolo orto e il circolo di clientele che li ha caratterizzati e che li caratterizza pensando sempre alla utilità attuale e immediata ,il mondo esterno corre veloce. I nostri rappresentanti ignorano e sono totalmente disinteressati dal creare nuove prospettive per la professione, facendola rimanere in un mondo antico cristallizzato e ammuffito, raccontando invece la favola di una dignità e di un decoro ormai distrutto dalle necessità dei nuovi professionisti, senza un futuro e con un presente caratterizzato dall’ingresso prepotente della robotica e della cibernetica.
L’avvocato robot è solo una delle professioni interessate dalla rivoluzione che l’intelligenza artificiale sta portando nelle nostre vite. Per il momento gli algoritmi non sostituiranno i legali in carne e ossa, anzi li aiuteranno a fare meglio il lavoro e a concentrarsi sui passaggi più importanti. Non sappiamo però cosa accadrà nei prossimi vent’anni e quali saranno le conseguenze reali della rivoluzione robotica.
Lo stesso sta avvenendo in altre professioni. Il robot giornalista non sta sostituendo i cronisti (almeno non lo farà sicuramente nei prossimi cinque anni) ma in alcune redazioni già adesso si sta occupando della parte di lavoro più ripetitiva.
Ai call center presto potrebbero non rispondere più persone ma chatbot. Nell’industria gli operai presto saranno affiancati dai cobot, i robot collaborativi. Non è un caso dunque se il parlamento europeo recentemente ha chiesto una legge sui robot.
Il Deep Learning (in italiano Apprendimento Approfondito) è un insieme di algoritmi e tecniche statistiche che permettono di individuare pattern, modelli, schemi ricorrenti, regolarità in un insieme di dati non organizzato.
Per esempio, utilizzando le tecniche di Deep Learning è possibile per un computer riconoscere un viso in una fotografia (questo strumento è utilizzato da Facebook per suggerire tag in un’immagine), oppure individuare degli ostacoli lungo un percorso stradale (come fanno molte driverless car, attualmente in fase di sperimentazione).
Il Deep Learning si basa su Reti Neurali Artificiali, ovvero modelli computazionali ispirati al funzionamento del cervello umano. Le Reti Neurali Artificiali sono nate negli anni Cinquanta e si sono evolute in modo altalenante fino ad oggi.
La caratteristica principale di una Rete Neurale Artificiale è la sua capacità di apprendere durante una fase di addestramento e quindi generalizzare le conoscenze acquisite per prevedere situazioni nuove. Proprio come un cervello umano, queste reti hanno una memoria interna che viene incrementata con l’esperienza. Una Rete Neurale Artificiale è composta da unità interne collegate da connessioni. L’unità è l’equivalente del neurone e le connessioni sono l’equivalente delle sinapsi.
Le reti neurali degli anni Cinquanta avevano una struttura semplice con poche unità interne mentre quelle attuali utilizzano milioni di unità. Reti con molte unità possono apprendere pattern complessi ma non sono facili da gestire perché richiedono computer più potenti e tecniche di addestramento più sofisticate. Se dovessimo descrivere in una frase il funzionamento di una Rete Neurale Artificiale, potremmo dire che una rete artificiale prende in ingresso delle informazioni e trova un senso, delle regolarità, dei pattern.
Una Rete Neurale Artificiale può analizzare i tuoi commenti su un sito web in cerca di parole significative e argomenti rilevanti. Questa spinta a dare un senso alle informazioni è così profondamente insita nel nostro cervello che viene applicata anche a pattern privi di significato. Quando guardiamo delle nuvole ci viene spontaneo associare ad esse delle categorie reali. Questo stesso meccanismo è presente nelle Reti Neurali Artificiali, il che le rende estremamente affascinanti e allo stesso tempo spaventose.
Il Deep Learning fa ampiamente uso delle Reti Neurali Artificiali ed in modo particolare di reti con un elevato numero di unità definite in gergo tecnico “profonde” (da qui deriva il termine inglese “Deep”). In tempi recenti la gestione di queste reti enormi è diventata più semplice grazie all’uso delle schede di calcolo utilizzate per il gaming , che hanno trovato ampio utilizzo nelle server-farm delle maggiori compagnie del mondo e negli istituti di ricerca.
La quantità di investimenti nel settore del Deep Lerning è aumentata in modo esponenziale. Il Deep Learning viene utilizzato in diversi settori e per diversi scopi. In robotica permette di creare robot più intelligenti, macchine in grado di percepire l’ambiente circostante e di reagire a particolari stimoli.
Un sito web può utilizzare tecniche di Deep Learning per capire i gusti degli utenti e inviare annunci pubblicitari ritagliati su una particolare categoria. Facebook per esempio, può analizzare le foto che pubblicate, il tipo di commenti, il numero di amici e la vostra posizione geografica per capire meglio i vostri gusti. Un algoritmo di Deep Learning può quindi aggregare le informazioni di milioni di utenti al fine di individuare diverse categorie.
L’11 maggio 1997 è passato alla storia come il momento in cui le macchine hanno battuto l’uomo. Deep Blue il supercomputer ideato da IBM ha vinto il campione del mondo di scacchi Garry Kasparov. Seguendo questo ragionamento la vittoria di Deep Blue venne descritta dalle testate giornalistiche dell’epoca come l’inizio di una nuova era. Le macchine avrebbero presto preso il sopravvento e soppiantato gli esseri umani nella maggior parte delle attività. Oggi la stessa potenza di calcolo è disponibile in un normalissimo computer desktop.
Perché le tanto temute macchine non hanno ancora avuto la meglio? La risposta risiede nel tipo di algoritmo utilizzato da Deep Blue. Le macchine non sono dotate di intuito ,il modo di ragionare dell’essere umano è anche intuitivo, ma il computer puo’ superare l’uomo perché non ha emozioni.
Nel 2016 nasce il Deep Learning è una Rete Neurale Artificiale. Queste , reti neurali rappresentano l’intuito e la memoria che mancavano a Deep Blue. L’intuito e la memoria vengono sviluppate dopo anni di pratica, come può un computer acquisirle in pochi mesi? Utilizzando dei data base artificiali il computer attinge ad una fonte di informazioni enorme. Combinando l’intuito e la potenza computazionale messa a disposizione da Google.
Il Deep Learning sta rendendo le macchine più simili a noi ma in che direzione ci stiamo muovendo? Le macchine al contrario di noi possono imparare in modo estremamente veloce. Cosa aspettarci non è facilmente prevedibile. Molti degli esperti del settore concordano nel dire che una forma di super-intelligenza artificiale si manifesterà intorno al 2050, quando le capacità computazionali e lo sviluppo di algoritmi più sofisticati lo renderanno possibile. Il Deep Learning potrebbe essere uno dei componenti principali di questa super-intelligenza.
Si chiama “artificial brain”, cervello artificiale, ed è un supercomputer che promette di riprodurre il più fedelmente possibile il funzionamento del cervello dell’uomo.
Da alcuni anni ci stanno lavorando 150 scienziati di 24 Paesi europei, progetto decennale da oltre un miliardo di euro. Sfruttando le conoscenze che i ricercatori acquisiranno sul funzionamento di cellule e neuroni, entro il 2024 potrebbe vedere la luce un simulatore potentissimo, capace di replicare il nostro sistema nervoso centrale. Un cervello artificiale su cui plasmare i computer e i robot del futuro rendendoli più autonomi e capaci di apprendere, realizzando dei chip bioispirati e a basso consumo energetico in grado di replicare l’attività del cervello umano e animale.
È già realtà, anche se è ancora in fase sperimentale, TrueNorth, il primo chip “cognitivo” targato Ibm. Prodotto nell’ambito del progetto Synapse, finanziato dal Dipartimento della Difesa americano, contiene 5,4 miliardi di transistor, un milione di neuroni artificiali e consuma solo 70 milliwatt di energia. Capace di eseguire 46 miliardi di operazioni al secondo. L’obiettivo finale del progetto è costruire un cervello artificiale che corrisponda esattamente al cervello dei mammiferi per funzioni, dimensioni e consumo energetico. Dovrebbe contenere 10 miliardi di neuroni, 100 trilioni di sinapsi e consumare un kilowatt, l’equivalente di una piccola stufa.
Microsoft, Google, il suo omologo cinese Baidu e ora anche Facebook stanno investendo nel deep learning e sulle reti neurali artificiali, in grado di comportarsi come neuroni veri e propri e di apprendere da soli senza un “addestramento” preventivo. Si tratta della base per creare circuiti sempre più complessi, che possano dare vita a un vero e proprio cervello artificiale, capace di apprendere autonomamente, dando vita a delle sinapsi artificiali .
Il gap tra umani e robot nei prossimi anni potrà essere ridotto solo se si riuscirà a realizzare macchine capaci di replicare anche i processi della mente umana.
Ma quando questo avverrà cosa potrà succederci? Potremmo essere annientati da macchine più forti e più intelligenti di noi? Solo forme umane evolute, come i cyborg, potranno controllare forme di intelligenza artificiale sempre più evolute. Dispositivi indossabili come esoscheletri e protesi robotiche potranno renderci simili per forza e resistenza ai robot. L’unico modo per incrementare la potenza di calcolo del cervello umano è connetterlo a dispositivi esterni. Come dire: solo un supercervello umano può gestire un cervello artificiale. Insomma la sfida è appena iniziata.
L’analisi scientifica e mirata di un futuro che è già presente deve indurci ad una profonda riflessione , ma soprattutto a prepararci e ad organizzarci con una normativa che sia in grado di mettere le macchine al servizio, e, solo al servizio dell’essere umano . Affinché non vengano totalmente distrutte le caratteristiche tipiche dell’essere umano, uniche e irripetibili . Oggi è necessario varare delle leggi che mettano l’Uomo al Centro ,e, che sia l’Uomo a gestire la macchina o il robot ,che hanno già travolto una parte del nostro futuro .
La robotizzazione del lavoro, con i rischi annessi per il futuro delle risorse umane, puo’ trovare una soluzione in una formazione seria tecnico–giuridica del professionista e magari con approfondimenti di carattere filosofico. Teniamo presente che i lavori piu’ ripetitivi saranno sostituiti dalle macchine. L’avvocato del futuro sarà quello non sostituibile da una macchina, quindi capace di processi cognitivi che non rientrano in schemi ripetitivi e prevedibili.
Nad si pone un attimo un passo avanti , non possiamo continuare a varare leggi quando è troppo tardi , l’evoluzione della tecnica e della scienza in campo robotico e cibernetico è velocissima
e, da buoni politici, dobbiamo precorrere i tempi – Avv. Anna Mondola – Segretaria sezione NAD Nola