L’avanzamento dell’Intelligenza Artificiale sta trasformando profondamente il nostro rapporto con l’informazione e la creatività, grazie a modelli linguistici come ChatGPT e a sistemi di generazione d’immagini come DALL-E che raggiungono prestazioni sempre più vicine a quelle umane. Queste tecnologie, il cui funzionamento interno rimane in gran parte misterioso, promettono di rivoluzionare settori chiave della società, dalla comunicazione al mondo del lavoro, fino alla ricerca scientifica.  

La ricerca in questo campo richiede investimenti colossali, come dimostra lo sviluppo di LLaMA3-70B, un modello open-source all’avanguardia che ha consumato milioni di ore di calcolo e risorse per oltre mezzo miliardo di dollari. Pur non potendo competere con i grandi player nel training di modelli avanzati, istituzioni come il CREF possono comunque contribuire allo studio del loro funzionamento e delle loro implicazioni.  

Mentre l’adozione di questi strumenti accelera, persistono interrogativi cruciali: quali sono i loro limiti cognitivi? Come gestire i bias e garantire robustezza contro input malevoli? Cosa succede quando più IA interagiscono tra loro, come nelle chatbots dei social network? Parallelamente, si aprono opportunità entusiasmanti, dall’uso dell’IA per analizzare dati non strutturati alla sua applicazione nello studio di dinamiche economiche e sociali.  

Comprendere a fondo queste questioni è essenziale per guidare l’adozione responsabile dell’IA, minimizzarne i rischi e massimizzarne il potenziale a beneficio della società. La strada è ancora lunga, ma le prospettive sono rivoluzionarie.

In questo progetto ci proponiamo di analizzare il potenziale trasformativo degli strumenti di intelligenza artificiale in due direzioni: da un lato le potenzialità e i limiti dei modelli di IA, dall’altro il loro impatto sociale ed economico.

La ricerca verrà dunque articolata secondo molteplici linee che affrontano questi temi in maniera interconnessa. È doveroso premettere che, trattandosi di un campo in evoluzione estremamente rapida, la rilevanza delle domande di ricerca come quella dei metodi impiegati viene costantemente rivalutata alla luce degli avanzamenti tecnologici e scientifici.

La visione generale che adottiamo in questo progetto è che i modelli di IA possano complementare le capacità umane in molti ambiti, professionali, creativi e scientifici. Intendiamo dunque porre l’accento sull’interazione tra umani e IA, sul potenziale che questa può esprimere e sui cambiamenti sociali, economici e tecnologici che questa può portare.

Le attività di ricerca saranno variegate e spazieranno da questioni teoriche (meccanismi di apprendimento e di adattamento delle IA, interazione tra IA, stabilità dinamica delle interazioni con IA generative), ad applicazioni pratiche (uso dell’IA come strumento di analisi delle dinamiche tecnologiche, economiche e sociali, ad esempio in ambito di sostenibilità sociale ed ambientale), allo studio di come l’IA possa avere impatti sul mercato del lavoro e sulle dinamiche sociali nelle comunità online. L’obiettivo è di individuare temi di grande impatto che sono al momento trattati dalla letteratura scientifica in maniera qualitativa ed applicarvi metodi e processi quantitativi e rigorosi.

Uso degli LLM per Studiare e Predire Dinamiche di Innovazione

Sfruttando la crescente disponibilità di Large Language Models (LLM) open source, il CREF sta automatizzando l’analisi di enormi quantità di informazioni non strutturate (siti web, pubblicazioni scientifiche, brevetti, repository di codice). Questo permette una mappatura sia geografica che semantica delle competenze tecnologiche di paesi, regioni o città.

La mappatura geografica identifica profili di specializzazione territoriali e future direzioni di innovazione con maggiori vantaggi competitivi, offrendo strumenti utili per le politiche regionali. La mappatura semantica, invece, misura la distanza tra diversi ambiti tecnici, permettendo lo sviluppo di modelli per la previsione di innovazioni tecnologiche basate su nuove combinazioni (recombinant innovation). Un’applicazione pratica di questo approccio ha già ricevuto un riconoscimento dallo European Patent Office (ottobre 2024).

Nei prossimi tre anni, questa linea di ricerca verrà estesa ad altri set di documenti (es. articoli scientifici) e integrata con modelli per estrarre e interpretare significati semantici dalle attivazioni delle reti neurali di previsione.

Questi strumenti verranno anche usati per collegare le indicazioni di policy con le capacità territoriali, in particolare per le politiche ambientali volte a una società più sostenibile. Ad esempio, sarà possibile connettere i brevetti con la legislazione europea sulla riduzione dell’inquinamento industriale o mappare l’incidenza delle materie prime critiche nelle tecnologie verdi per individuare rischi nelle catene di approvvigionamento.

Uso degli LLM per lo Studio di Fenomeni Sociali Online

Analogamente all’analisi scientifico-tecnologica, gli LLM saranno impiegati per raccogliere segnali sulle dinamiche sociali dalle discussioni sulle piattaforme di social networking. Il progetto esplorerà la fattibilità di questi strumenti per mappare fenomeni sociali come lo scontento sociale e le disuguaglianze.

Teoria della Creatività Artificiale

La ricerca si concentra sull’evoluzione autonoma delle IA di fronte a eventi inattesi e dinamiche non stazionarie. Una sfida cruciale è il Continual Learning, ovvero l’integrazione di nuovi dati senza incorrere nel “Catastrophic Forgetting” (perdita di conoscenze pregresse). Questo si lega alla creatività, intesa come esplorazione di spazi concettuali sconosciuti ma collegati alle informazioni acquisite, ispirandosi al concetto di “Adiacente Possibile” di Stuart Kauffman.

L’algoritmo Dreaming Learning è un contributo significativo in questo ambito, essendo il primo sistema di apprendimento statistico in grado di esplorare nuove informazioni contestualmente collegate alla base di conoscenza esistente e di descrivere correttamente sorgenti di dati non stazionarie. Queste caratteristiche sono state validate sia teoricamente che sperimentalmente. Sono in corso studi per estensioni che sfruttano le proprietà topologiche dei sistemi dinamici implementati da reti neurali, mirando a superare le limitazioni attuali.

Tra le applicazioni pratiche in sviluppo, ci sono sistemi di supporto alla creatività umana, come agenti autonomi intelligenti capaci di evolvere dinamicamente la propria base di conoscenza. Un risultato importante del Dreaming Learning è la sua capacità di mitigare il Model Collapse, la progressiva perdita di capacità generative nelle IA addestrate su dati da loro stesse generati, particolarmente rilevante per gli LLM. Questo problema è affrontato attraverso specifici parametri, studiati con approcci di meccanica statistica.

Un caso studio in corso riguarda un sistema per l’analisi e l’anticipazione dei movimenti umani, con applicazioni alla creatività nella danza, utilizzando tecnologie basate su Transformer e quantizzazione vettoriale.

È stato inoltre sviluppato il Lyapunov Learning, un metodo che estende le capacità del Dreaming Learning a variabili multidimensionali. Basato sul principio dell’Edge of Chaos, questo approccio avvicina la dinamica autonoma delle reti neurali a condizioni al limite del caos deterministico. Già applicato a sistemi semplici, è ora in fase di estensione a fenomeni reali come il cambiamento climatico e il collasso degli ecosistemi.

Impatto Socioeconomico dell’IA – Mercato del Lavoro

Il progetto mira a fornire una prospettiva quantitativa sull’impatto dell’IA nel mondo del lavoro, esaminando come possa sostituire o complementare le competenze umane, attraverso tre aree di ricerca:

• Misurazione dell’Esposizione Occupazionale: Analisi dei pitch di startup AI per valutare l’interesse del mercato verso l’automazione di specifiche professioni, confrontandoli con indici classici. Questo identificherà professioni vulnerabili, motivi di mancata automazione e competenze cruciali per il futuro.

• Identificazione delle Competenze Emergenti: Analisi di annunci di lavoro e innovazioni tecnologiche per individuare competenze in crescita e in declino, sviluppando una metodologia per prevedere le abilità fondamentali o obsolete, includendo anche i repository di codice come GitHub.

• Opinione Pubblica ed Etica: Studio dell’influenza della fiducia sociale e delle considerazioni etiche sull’adozione dell’IA, utilizzando dati dai social network per collegare le percezioni pubbliche agli investimenti delle startup.

Questo approccio interdisciplinare integra dati di mercato, analisi occupazionali e percezioni sociali per comprendere e guidare l’evoluzione del lavoro nell’era dell’IA.

Valori delle Persone e Valori dell’IA

Con l’integrazione dell’IA nella società, è essenziale che questi sistemi riflettano i valori morali locali per favorire interazioni etiche e arginare contenuti dannosi. L’obiettivo è sviluppare modelli di “Intelligenza Artificiale Responsabile” sensibili a contesti etici, culturali e sociali. Una sfida centrale è l’effetto dell’IA sulle discussioni online, dove le “filter bubbles” limitano il dialogo tra visioni diverse.

Studi recenti (Brugnoli 2023, 2024) hanno dimostrato come i valori morali influenzino l’evoluzione delle opinioni nelle comunità virtuali, radicandosi più profondamente delle sole affiliazioni politiche. Sebbene le ideologie diverse si allineino con configurazioni morali differenti, il numero limitato di “elementi base irriducibili” identificati dalle teorie psicologiche della morale (come la MFT) suggerisce radici comuni tra diverse ideologie. Questa scoperta potrebbe essere la chiave per una comunicazione che trascenda la diversità e la polarizzazione. In questo ambito di ricerca, si studierà in che misura questi “building blocks” ideologici siano rappresentati e compresi dagli algoritmi di IA e quanto influenzino le discussioni online, in cui i BOT gestiti dall’IA sono sempre più presenti.

Ricercatori CREF

Andrea Tacchella, Angelica Sbardella, Francesco De Cunzo (CREF)

Ricercatori Sony

Alessandro Londei, Vittorio Loreto, Ruggiero Lo Sardo (CREF – SONY)

FC – International Finance Corporation

Translated.com

Mamacrowd

Sony CSL Rome partecipa al progetto STARTS-AIR all’intersezione tra Arte e Scienza.

Aterballetto, per lo sviluppo di tecnologie di interazione artistica performativa tra performer e
sistemi di IA per il supporto alla creatività naturale.

Linguistics/Centre for Behaviour and Evolution (Christine Cusckley)

CSL-Rome è parte del progetto francese “ScientIA” sullo studio dell’impatto dell’Intelligenza Artificiale in altre discipline scientifiche.

FC – International Finance Corporation

Translated.com

Mamacrowd

Sony CSL Rome partecipa al progetto STARTS-AIR all’intersezione tra Arte e Scienza.

Aterballetto, per lo sviluppo di tecnologie di interazione artistica performativa tra performer e
sistemi di IA per il supporto alla creatività naturale.

Linguistics/Centre for Behaviour and Evolution (Christine Cusckley)

CSL-Rome è parte del progetto francese “ScientIA” sullo studio dell’impatto dell’Intelligenza Artificiale in altre discipline scientifiche.