Le basi complesse dell’AI generativa
Le basi complesse dell’AI generativa
di Massimo Conte*, con il contributo di Valerio Eletti* e ChatGPT
* Complexity Education Project
Sono passati poco più di due anni dall’irruzione degli strumenti di Intelligenza Artificiale (AI, Artificial Intelligence) generativa: inizialmente sembrava si trattasse di una evoluzione tecnologica di nicchia, ma sempre più velocemente sta diventando chiaro anche nel discorso pubblico, che si tratta di una discontinuità con cui società, organizzazioni e singoli dovranno confrontarsi.
Ma per quale motivo parlare di AI generativa nel contesto del Festival della Complessità?
Spesso l’AI generativa viene percepita con timore o con eccessivo entusiasmo, riproponendo la divisione tra apocalittici e integrati, come già avvenuto per l’introduzione di altre tecnologie in passato. Questa visione è spesso frutto di una scarsa comprensione del suo funzionamento e del contesto più ampio in cui si inserisce: in questo articolo racconteremo come l’AI generativa non sia un’entità misteriosa, ma che può essere inquadrata come un sistema complesso che, se compreso e utilizzato consapevolmente, può offrire strumenti utili per navigare l’incertezza in contesti diversi.
Per interagire in modo efficace con l’AI generativa è necessario digitare un prompt (ovvero un input, ad esempio testuale) a partire dal quale questi modelli elaborano una risposta, cioè una sequenza di parole, considerata come la più probabile rispetto ai pattern individuati nei big data su cui erano stati addestrati.
Per interagire con questi strumenti non servono competenze tecniche (di programmazione) avanzate, può essere sufficiente scrivere in una chat. Ma facilità di accesso allo strumento non significa facilità di utilizzo in modo efficace. Per dare un’idea delle potenzialità, ci siamo cimentati in un dialogo con l’AI generativa (in particolare con ChatGPT, ma è possibile utilizzare molti strumenti con le stesse funzionalità); abbiamo “parlato” con l’AI come se fosse un partner di pensiero, creando dei “dialoghi impossibili” tra esperti di complessità.
L’interazione con l’AI si è svolta in tre fasi:
- esplorazione della definizione di complessità da parte di diversi esperti “virtuali” di complessità e creazione di collegamenti con l’AI generativa in quanto sistema complesso;
- interazione tra esperti “virtuali” e fase di divergenza di opinioni;
- convergenza tra gli esperti e sintesi dei punti chiave.
Importante: l’AI generativa è una tecnologia potente, ma non comprende il significato delle parole che elabora, lavora su base probabilistica (Nello Cristianini parla di Scorciatoia che abbiamo trovato per far diventare intelligenti le AI senza pensare in modo umano). Nei paragrafi che seguono abbiamo chiesto all’AI di rispondere “come se” fosse un determinato esperto, ma non si tratta di una sintesi esatta del suo pensiero. Va presa con beneficio d’inventario… e allo stesso tempo è verosimile e utile per mostrare le potenzialità di questi strumenti.
In particolare, in questi dialoghi immaginari a proposito di complessità e AI generativa abbiamo “invitato al tavolo” sette persone: Ilya Prigogine, Edgar Morin, Gregory Bateson, Marvin Minsky, Douglas Hofstadter, Melanie Mitchell, Albert-László Barabási.
Nota: le immagini sono state create con ChatGPT 4o.
Esempio di prompt:
“Ilya Prigogine. Tema: ordine dal caos, sistemi lontani dall’equilibrio.
Stile illustrativo adottato:
● stile pittorico astratto-dinamico, ispirato all’arte fluida;
● colori in movimento con vortici e flussi energetici che evocano il passaggio dal caos all’ordine;
● composizione vivace e contrastante, con colori caldi e freddi in opposizione dinamica.”
Fase 1: Definizione di complessità e collegamento con l’AI generativa
Abbiamo chiesto all’AI generativa di interpretare le “personas” (utenti immaginari) di alcuni dei principali pensatori della complessità, rispondendo “alla maniera di” ciascuno di loro. Questo espediente ci permette di esplorare il rapporto tra i concetti chiave della complessità e le caratteristiche dell’AI generativa, senza simulare una risposta diretta in prima persona. È importante esplicitare che le risposte che seguono sono state realizzate dall’AI generativa che ha sintetizzato, a modo suo (in pochi secondi), il pensiero di questi esperti di complessità, nel rispondere alla domanda:
Qual è la tua definizione di complessità e come si collega all’AI generativa?
Risposta dell’AI generativa
● Ilya Prigogine: la complessità emerge nei sistemi lontani dall’equilibrio, dove l’interazione tra ordine e caos crea nuove strutture. L’AI generativa, simile ai sistemi dissipativi, evolve attraverso interazioni dinamiche e adattamenti continui, generando risultati imprevedibili ma coerenti.
● Edgar Morin: la complessità è la connessione tra elementi diversi e la capacità di integrare contraddizioni. L’AI generativa esplora molteplici possibilità, creando un tessuto complesso di risposte che riflettono questa interconnessione.
● Gregory Bateson: la complessità risiede nei pattern che connettono, nel mettersi in relazione con contesti diversi. L’AI generativa trova schemi nascosti nei dati e propone nuove prospettive attraverso una logica ecologica.
● Marvin Minsky: la complessità deriva dalla combinazione di semplici processi cognitivi che, interagendo, producono intelligenza. L’AI generativa utilizza moduli semplici che, collegandosi, simulano processi complessi di pensiero e creatività.
● Douglas Hofstadter: la complessità è la capacità di riflettere su sé stessi e di generare loop di significato. L’AI generativa crea complessità attraverso iterazioni e ricorsività che mimano il pensiero umano.
● Melanie Mitchell: la complessità riguarda l’emergenza di comportamenti sofisticati da regole semplici. L’AI generativa esemplifica questo principio, poiché da semplici pattern di linguaggio emergono risposte articolate e adattabili.
● Albert-László Barabási: la complessità si manifesta nelle reti, dove i nodi e le connessioni creano proprietà emergenti. L’AI generativa è una rete neurale complessa che, attraverso connessioni dinamiche, produce risposte creative e contestuali.
Fase 2: Interazione tra esperti e divergenza di opinioni
Abbiamo poi chiesto all’AI generativa di simulare un dialogo tra questi pensatori, in cui ognuno ha commentato la definizione data dal precedente; abbiamo cioè richiesto, tramite prompt, di farli divergere per aumentare la molteplicità dei punti di vista. In altre parole, nel generare questa interazione, abbiamo agito “usando” con consapevolezza dei princìpi della complessità.
Questo è stato il loro dibattito, in estrema sintesi (per avere più chiari i riferimenti, si possono rileggere le definizioni che ognuno aveva dato nella fase 1):
Risposta dell’AI generativa
● Prigogine su Morin: l’AI generativa non collega solo elementi, ma evolve adattandosi a perturbazioni esterne, tipico dei sistemi lontani dall’equilibrio;
● Morin su Bateson: la vera complessità dell’AI generativa sta nella capacità di integrare prospettive apparentemente contraddittorie;
● Bateson su Minsky: l’AI generativa crea nuovi contesti attraverso l’interazione con l’ambiente, non solo sommando processi semplici;
● Minsky su Hofstadter: la complessità sta nella struttura modulare che permette l’adattamento rapido, più che nella creazione di loop di significato;
● Hofstadter su Mitchell: l’AI generativa genera nuove interpretazioni non solo attraverso comportamenti emergenti, ma tramite meccanismi ricorsivi;
● Mitchell su Barabási: la complessità dell’AI generativa deriva dal modo in cui apprende e modifica le connessioni in base al contesto;
● Barabási su Prigogine: la sfida nelle reti dell’AI generativa è mantenere una struttura robusta durante l’evoluzione del sistema.
Fase 3: Convergenza e punti chiave
Dalla discussione tra le diverse “personas”, cioè la simulazione del pensiero di questi esperti di complessità generata a partire dai nostri prompt, sono emersi alcuni punti chiave condivisi, creati sempre dall’AI. Non si tratta quindi di una frase realmente attribuibile a ciascuno di questi pensatori, ma è “soltanto” il frutto della sintesi delle fasi precedenti di questo dialogo.
Risposta dell’AI generativa
L’AI generativa:
● è un sistema dinamico, in costante evoluzione lontano dall’equilibrio (sintesi del pensiero del Prigogine “virtuale” elaborato nelle fasi precedenti);
● mantiene coerenza e creatività integrando prospettive diverse (Morin);
● funziona come un sistema ecologico che riconosce e interpreta pattern nei contesti dinamici (Bateson);
● sfrutta la modularità per creare complessità (Minsky);
● utilizza meccanismi ricorsivi per generare nuove interpretazioni (Hofstadter);
● raggiunge un equilibrio tra regole semplici e comportamenti emergenti (Mitchell);
● dimostra resilienza attraverso la capacità di adattarsi continuamente al contesto dinamico (Barabási).
Conclusioni: le proposte per un approccio complesso all’AI generativa
Da questi dialoghi simulati / impossibili / sintetici otteniamo degli spunti per un confronto tra i sistemi complessi e l’AI generativa:
- l’importanza delle relazioni tra le parole: l’AI generativa, come le reti complesse, si basa su connessioni dinamiche e non lineari;
- l’AI come un ecosistema: il dialogo con l’AI è un processo dinamico, influenzato in base a come strutturiamo i nostri input (prompt);
- la promozione della diversità dei punti di vista: perché spinge l’AI generativa a produrre risposte più articolate e significative, evitando la convergenza su soluzioni banali o stereotipate;
- influenzare l’output tramite i vincoli (prompt strutturati): in un sistema complesso come il dialogo con l’AI generativa, è fondamentale adattarsi dinamicamente alle risposte ottenute, evolvendo insieme al sistema stesso;
- “umano + AI” come sistema autopoietico: l’interazione continua tra i due elementi genera un processo di auto-organizzazione, in cui sia l’umano sia l’AI si adattano ed evolvono in risposta ai cambiamenti del contesto;
- sfruttare l’emergenza: diventa importante riconoscere e interpretare i pattern significativi che emergono dal dialogo con l’AI, per trasformarli in spunti utili per nuove idee e prospettive;
- effetto farfalla: nei sistemi complessi, come nell’AI generativa, anche piccole variazioni nelle condizioni iniziali (ad esempio nei prompt) possono portare a risultati molto diversi, dimostrando la sensibilità e l’imprevedibilità di questi sistemi.
In sintesi: una visione complessa può attivare delle sintonie sorprendenti per la comprensione e l’uso consapevole degli strumenti di AI generativa, aiutandoci a navigare l’incertezza e a cogliere nuove opportunità creative.