Quando 1+1 non fa 2: i limiti matematici delle intelligenze artificiali linguistiche
Le moderne intelligenze artificiali come le GPT (Generative Pre-trained Transformer) sono in grado di produrre testo in modo incredibilmente naturale e scorrevole. Sembra quasi che questi sistemi riescano a pensare e ragionare come gli esseri umani. Ma se proviamo a fare un semplice calcolo matematico, ad esempio 1+1, vediamo subito i limiti di queste AI cosiddette “linguistiche”.

La facilità dell’intuizione umana
Immaginate di chiedere ad un vostro amico “Quanto fa 1+1?”. Probabilmente vi risponderà “2” senza neanche pensarci. Per lui è un’operazione matematica banale che risolve in modo immediato e intuitivo. Ma se fate la stessa domanda ad una GPT, molto probabilmente non sarà in grado di rispondere correttamente o produrrà una risposta sbagliata.
Questo perché i sistemi di intelligenza artificiale come le GPT, nonostante la loro maestria nel generare frasi coerenti, non hanno una reale comprensione della matematica. Il loro obiettivo è prevedere la parola successiva in una frase, non applicare le regole matematiche.
Come uno studente che impara a memoria senza capire
Possiamo paragonare l’approccio delle GPT alla matematica a quello di uno studente che ha imparato a memoria formule e procedimenti ma non ne comprende appieno i principi. Manca quell’intuizione e flessibilità tipicamente umane.
È un po’ come la differenza tra imparare a memoria l’alfabeto e saper davvero leggere e comprendere un libro. Le GPT sono bravissime nella parte meccanica, ma faticano nella comprensione profonda.
L’importanza dell’architettura e del training set
Questo perché la loro architettura si basa su reti neurali addestrate principalmente su grandi quantità di testi, non su relazioni e regole matematiche. È come se il loro cervello fosse “cablato” per elaborare lingua naturale, non formule ed equazioni astratte.
Gli agenti AI possono aiutare con il calcolo
Ci sono tentativi di creare degli “agenti AI” che interagiscono con le GPT per guidarle passo passo nel calcolo matematico. Ad esempio fornendo le singole operazioni da svolgere per ottenere un risultato. In questo modo le GPT riescono a produrre calcoli corretti, anche se sempre senza una reale comprensione concettuale.
Necessità di sistemi ibridi
Per superare questi limiti e avere un giorno macchine in grado di ragionare sulla matematica al pari degli umani, serviranno nuovi sistemi ibridi che uniscano l’approccio linguistico delle GPT con componenti specializzate nel calcolo numerico e nella modellazione di principi logici e matematici astratti.
Prospettive future
La strada è ancora lunga, ma gli sviluppi nel campo dell’intelligenza artificiale negli ultimi anni sono stati così rapidi che possiamo essere ottimisti. Grazie alla collaborazione tra menti umane e artificiali, potremmo un giorno scoprire che anche per le macchine 1+1 fa 2 in modo del tutto naturale.