Lunedì il post di Sundar Pichai CEO di Alphabet-Google annunciava la discesa in campo ufficiale di Bard, il programma di intelligenza artificiale basato sulla piattaforma LaMDA, martedì i top manager di Microsoft replicavano presentando il servizio di ChatGPT applicato al motore di ricerca Bing e al browser Edge, mercoledì analoga presentazione di Bard, con inizio previsto a marzo prossimo.
Una girandola di colpi nella guerra ormai pubblica tra i protagonisti dell'Intelligenza Artificiale (AI) "applicata alla vita quotidiana di tutti". Mercoledì sera il primo verdetto: la quotazione del titolo azionario Alphabet (Bard) è andata giù del 7% mentre quella di Microsoft (ChatGPT) è salita del 3%.
I lupi di Wall Street hanno decretato il successo di ChatGPT?
Alcuni hanno attribuito il tonfo di Alphabet ad un errore pacchiano durante la presentazione di Bard, il quale avrebbe attribuito al telescopio spaziale James Webb la prima foto di un pianeta fuori dalla Via Lattea che è stata in realtà scattata dal telescopio Very Large nel 2004.
Dubito che il vero motivo del crollo di Alphabet sia dovuta alla risposta di Bard, perchè gli speculatori o i traders non conoscono o non danno peso a queste sottigliezze. Del resto anche ChatGPT ha fornito un numero impressionante di risposte sbagliate a indovinelli elementari, ma Microsoft non ne ha risentito per nulla.
Ci sono motivi meno banali.
Si potrebbe ipotizzare che i mercati azionari abbiano aspettato la fine del primo round di "guerra AI" per dare una valutazione sul probabile vincitore, almeno nel breve termine e quindi determinare anche le quotazioni azionarie.
ChatGPT sviluppata da OpenAi con i soldi di Microsoft è arrivata prima al nastro di partenza - tre mesi fa il lancio di test pubblici - mentre Bard di Alphabet-Google è stata colta di sorpresa dovendo poi scusarsi adducendo prudenza anche più di quanto richiesto.
"Audace ma Responsabile" è stato lo slogan di Sundar Pichai, CEO di Alphabet, nel presentare Bard. Forse è proprio la parola "responsabile" che non è piaciuta agli speculatori che di solito apprezzano le iniziative irresponsabili che generano profitti, come ad esempio licenziare decine di migliaia di lavoratori.
Ma se così fosse Bard di Alphabet non ha nulla da temere a Wall Street, perchè la casa madre ha già annunciato 12000 licenziamenti e soprattutto perchè ha già chiarito che l'utilizzo di Bard non sarà "responsabile" ma orientato ad accrescere gli stratosferici profitti della galassia Google.
Basta leggere quello che non è scritto nel post di Sundar Pichai o nella presentazione di Bard (ex Sparrow)
da WIRED
Ecco Google Sparrow (poi diventato Bard, ndr), il rivale che promette di essere migliore di ChatGpt
Dopo l'annuncio dell'integrazione del chatbot nei prodotti Microsoft, Big G risponde con un nuovo chatbot conversazionale
Ma se si vuole comprendere la strategia e il grado di evoluzione dell'AI in casa Google non fidatevi di quello che è scritto nei documenti al pubblico, ad esempio sul sito di DeepMind, vero braccio armato di Google nella guerra su AI.
We work closely with Google and other experts to find ways for our advances to benefit society.
So far, our systems have shown how they can save energy, identify eye disease, accelerate science, and improve Google products used across the world.
...
AI can provide extraordinary benefits, but like all technology, it can have negative impacts unless it’s built and used responsibly. How can AI benefit society without reinforcing bias or unfairness? How can we build computer systems that invent new ideas, but also reliably behave in ways we want?
La risposta alla retorica domanda su come AI può "contribuire a migliorare la vita di tutti" è contenuta in un documento redatto dai team di ricerca interni a Google e Deepmind
Large Language Models Encode Clinical Knowledge
Premessa: uno dei settori più promettenti per le applicazioni di AI è quello della Salute, ovvero poter fornire diagnosi mediche accurate tramite piattaforme online che integrano diversi strumenti di Intelligenza Artificiale con gli enormi database posseduti da strutture ospedaliere, centri di ricerca e ... case farmaceutiche.
Il business della sanità mondiale
Il business della sanità a livello mondiale è un mercato che vale alcuni trilioni di dollari ed è in continua crescita in tutti i paesi, come dimostrano i trend negli ultimi tre anni anche a causa del coronavirus.
La pandemia di COVID-19 ha messo in luce la rilevanza di questo settore agli occhi dei giganti tecnologici. Tutti pensano allo smartworking ma i motori di ricerca online hanno evidenziato una enorme domanda di informazioni mediche da parte di ogni strato sociale.
In genere si pensa alla sanità come ad una struttura fisica, materiale, fatta di medici, ospedali, farmacie, ambulatori ecc, ma in realtà già oggi gran parte dei sistemi sanitari sono Internet-dipendenti.
Non solo per prenotare o farsi inviare una ricetta, ma anche per "coadiuvare" il lavoro dei medici e delle strutture ospedaliere.
Le case farmaceutiche mondiali, che un tempo gareggiavano a corrompere i medici affinchè utilizzassero i loro prontuari farmacologici con convegni in località turistiche tuttopagato, oggi offrono i loro cataloghi su piattaforme online.
Mentre il medico vi fa la diagnosi, accede alla piattaforma e individua il farmaco da prescrivere. Le sue vendite sono controllate a distanza e riceverà i benefit calcolati come un qualsiasi agente in rete.
I margini di guadagno delle aziende farmaceutiche sono enormi e consentono di retrocedere laute commissioni ai loro "agenti-medici", soprattutto a quelli che gestiscono gli acquisti da parte degli ospedali.
Immaginate di poter trasferire una parte di questo business su piattaforme "sanitarie" intelligenti che operano a livello planetario, con le dovute "responsabilità", e tirate le somme dei possibili profitti.
Se avete qualche dubbio su quanto ho ipotizzato rileggete il documento "Large Language Models Encode Clinical Knowledge" redatto da Google Research e DeepMind (Alphabet).
Il documento si chiude con ovvie considerazioni etiche e principii di responsabilità
6.5 Ethical considerations
This research demonstrates the potential of LLMs for future use in healthcare. Transitioning from a LLM that is used for medical question answering to a tool that can be used by healthcare providers, administrators, and consumers will require significant additional research to ensure the safety, reliability, efficacy, and privacy of the technology. Careful consideration will need to be given to the ethical deployment of this technology including rigorous quality assessment when used in different clinical settings and guardrails to mitigate against over reliance on the output of a medical assistant. For example, the potential harms of using a LLM for diagnosing or treating an illness are much greater than using a LLM for information about a disease or medication. Additional research will be needed to assess LLMs used in healthcare for homogenization and amplification of biases and security vulnerabilities inherited from base models [10, 11, 18, 39, 49].
Given the continuous evolution of clinical knowledge, it will also be important to develop ways for LLMs to provide up to date clinical information.
7 Conclusion
The advent of foundation AI models and large language models present a significant opportunity to rethink the development of medical AI and make it easier, safer and more equitable to use. At the same time, medicine is an especially complex domain for applications of large language models.
Our research provides a glimpse into the opportunities and the challenges of applying these technologies to medicine. We hope this study will spark further conversations and collaborations between patients, consumers, AI researchers, clinicians, social scientists, ethicists, policymakers and other interested people in order to responsibly translate these early research findings to improve healthcare.
E' quella "responsabilità" a cui accennava il CEO di Alphabet nella presentazione di Bard AI.
"preferiamo andare piano adesso per non spaventare o fare errori che dopo possano compromettere l'immagine pubblica dell'AI e i grandi affari che ruotano attorno ad essa"
Esistono una infinità di altre possibili applicazioni dell'AI, meno rischiose sul piano etico-reputazionale ma più semplici da implementare: uno studio legale virtuale senza schiere di procuratori, una redazione giornalistica senza giornalisti con l'ausilio di "fotografie" generate con software AI, consulenti turistici-gastronomici o commercialisti 24h esperti in elusioni, non c'è campo di attività professionale in cui non si possano combinare un'alta efficienza operativa e un elevato grado di manipolazione da parte delle aziende interessate al business.
E in mezzo ci sono Google, Microsoft senza sottovalutare i Baidu cinesi.
Gli speculatori di Wall Street che hanno mandato giù il titolo di Alphabet saranno i primi ad esaltarsi negli acquisti quando Pfizer, Moderna o AstraZeneca utilizzeranno l'Intelligenza Artificiale di Bard (e colleghi) per piazzare i loro farmaci e attrezzature mediche in tutto il mondo.
Non avranno più bisogno di manipolare centinaia di istituzioni pubbliche o private, ma andranno direttamente dai manager di Google o Microsoft a presentare i loro cataloghi e "raccomandazioni" farmaceutiche.
Questo è il farmaco ideale, parola di Bard (o di ChatGPT). Ce n'è per tutti.
Question: A 22-year-old male marathon runner presents to the office with the complaint of right-sided rib pain when he runs
long distances. Physical examination reveals normal heart and lung findings and an exhalation dysfunction at ribs 4-5 on the
right. Which of the following muscles or muscle groups will be most useful in correcting this dysfunction utilizing a direct
method?
(A) anterior scalene (B) latissimus dorsi (C) pectoralis minor (D) quadratus lumborum
Explanation: All of the muscles have an insertion on the rib cage; however only one has an insertion at ribs 4-5 and could be
responsible for right-sided rib pain: pectoralis minor. Pectoralis minor inserts to the costal cartilage of the anterior third to
fifth ribs.
Answer: (C)
AlphaCode e la programmazione competitiva data-driven
Science - 8 Dic. 2022
...
I problemi di programmazione competitiva rappresentano un compito impegnativo anche per i programmatori esperti: data una breve descrizione in linguaggio naturale di un problema algoritmico, i concorrenti devono scrivere rapidamente un programma che risolva il compito. A pagina 1092 di questo numero, Li et al. (1) presentano il sistema AlphaCode, che rappresenta un sostanziale passo avanti nello sviluppo di modelli di apprendimento automatico (ML) in grado di sintetizzare programmi per computer per risolvere questi tipi di problemi impegnativi.
Ma ciò che è forse più sorprendente del sistema è ciò che AlphaCode non fa: AlphaCode non contiene alcuna conoscenza incorporata esplicita sulla struttura del codice del computer.
Invece, AlphaCode si basa su un approccio puramente "data-driven" alla scrittura del codice, imparando la struttura dei programmi per computer semplicemente osservando un sacco di codice esistente...