Il paradosso di Moravec: lo spettro dell’Intelligenza Artificiale sugli equilibri del mercato del lavoro

Negli anni ottanta del secolo scorso, lo studio degli algoritmi che imitano l’intelligenza umana aveva una storia già trentennale. Quei trent’anni furono sufficienti per consolidare nella mente dei ricercatori in intelligenza artificiale un’idea chiara di quali aspetti dell’intelligenza umana fosse possibile infondere in una macchina con maggiore o minore difficoltà. Hans Moravec, professore di robotica alla Carnegie Mellon University, formulò insieme con altri eminenti colleghi il paradosso che porta oggi il suo nome [1]: per un algoritmo di intelligenza artificiale, acquisire abilità di ragionamento è molto più semplice che acquisire abilità sensorimotorie o sociali.

Per la maggior parte degli esseri umani, azioni come maneggiare un semplice oggetto mai visto prima, vestirsi o carpire le emozioni altrui risultano in molti casi banali, immediate. Al contrario, risolvere un complicato enigma logico-matematico o usare efficacemente il software di base di un computer possono richiedere anni di pratica o particolare predisposizione. Per una macchina, già da parecchi decenni, è possibile avere facilmente la meglio contro qualsiasi professionista in giochi da molti considerati tra le più impegnative prove per il ragionamento umano, come la dama o gli scacchi.

L’automazione è stata probabilmente il più grande motore dei mutamenti sociali ed economici degli ultimi due secoli. Nelle case, nelle strade, nelle campagne, nelle linee di produzione industriale, operazioni eseguite in precedenza in modo interamente manuale sono state rese automatiche dalla realizzazione di macchine ad hoc. Questo ha causato importanti mutamenti sociali, spingendo grandi masse dai campi alle fabbriche, dalle fabbriche agli uffici informatizzati, cambiando progressivamente il concetto stesso di lavoro o subordinazione. Le macchine che hanno reso possibili queste trasformazioni non erano e non sono intelligenti; sono state create per ripetere all’infinito un insieme ristrettissimo di azioni in un contesto incredibilmente limitato, senza alcuna necessità di gestire interazioni impreviste o di risolvere problemi autonomamente. La loro assoluta mancanza di intelligenza ha permesso che un medesimo schema rimanesse dominante per decenni, quasi invariato: il lavoro manuale, piagato dai limiti fisici della nostra specie, e quindi scomodo per il capitalista, è stato sostituito, ove possibile, con quello efficiente di una macchina.

La terza rivoluzione industriale, la rivoluzione del computer e di Internet, ha spostato una considerevole parte della forza lavoro da alcune occupazioni legate al solo mondo fisico ad altre che si svolgono in uno spazio quasi esclusivamente virtuale. Il lavoro di milioni di persone è basato oggi sull’esecuzione di compiti nel mondo digitale, con un’esperienza materiale ridotta spesso alla sola interazione con le periferiche di un computer. Molti tra i lavori più pagati e ambiti nella nostra società sono caratterizzati proprio da questa modalità; e, al contrario, molti dei lavori manuali, che si svolgono puramente nel mondo fisico, sono spesso considerati umili e caratterizzati da un salario tipicamente più basso.

Quando il paradosso di Moravec fu formulato, negli anni ottanta, l’intelligenza artificiale non era minimamente pronta a generare una rivoluzione industriale. Oggi, per la prima volta, potrebbe esserlo. Merito della disponibilità di una potenza di calcolo diversi milioni di volte superiore [2] e di algoritmi scalabili in grado di trarre da questa pieno beneficio. Nel corso degli ultimi decenni, le macchine hanno avuto la meglio sui migliori giocatori della nostra specie a scacchi (con DeepBlue di IBM, nel 1996), Rischiatutto (con Watson di IBM, nel 2011) e Go (con AlphaGo di Google DeepMind, nel 2016). In particolare, i metodi che hanno portato alla vittoria di un programma nell’antico gioco cinese del Go, giudicato precedentemente una sfida impossibile per le macchine, sono proprio quelli che stanno guidando la nuova era dell’intelligenza artificiale e il cui potere potrebbe riversare in modo improvviso l’apparente contraddizione del paradosso di Moravec sul mercato del lavoro moderno.

Gli algoritmi di intelligenza artificiale simili ad AlphaGo (descritto per la prima volta sulla rivista Nature [3]) sono capaci di apprendere utilizzando strutture ispirate al cervello umano, formate da migliaia di unità connesse tra le quali un flusso di informazioni si muove, in avanti e all’indietro, durante l’allenamento. Per imparare, in completa autonomia, questi algoritmi hanno soltanto bisogno di un segnale di ricompensa da ottimizzare, come la semplice vittoria nel caso di Go, e di un mondo virtuale in cui compiere le proprie azioni per ottimizzarlo. Non imitano necessariamente il nostro comportamento; scoprono nuove tecniche e strade mai battute che possono consentire loro di superare noi uomini in ciò che abbiamo perfezionato in molti anni, o persino millenni come nel caso di Go.

Le applicazioni di tecniche simili non si limitano ai giochi. Solo nell’ultimo anno, il loro impatto sul mondo tecnologico è stato enorme. La squadra neozelandese vincitrice della Coppa America 2021, il più grande torneo velistico al mondo, ha accelerato lo sviluppo ingegneristico grazie a un programma in grado di manovrare autonomamente i nuovi prototipi in simulazione [4]; il prossimo microchip di Google userà una disposizione fisica dei componenti decisa da un algoritmo di intelligenza artificiale [5]; GPT-3, un agente allenato con miliardi di frasi di vario genere, è capace di eseguire azioni complesse nel mondo digitale, come riempire un foglio di calcolo con informazioni ad esso note, programmare una pagina web secondo dei requisiti arbitrari o scrivere semplici ma credibili articoli di giornale, tutto a partire da ordini impartiti da un umano in linguaggio quotidiano [6].

Per questi nuovi algoritmi, navigare ed apprendere nel mondo digitale, fatto di schermate, testi, immagini, dati, è molto semplice; allo stesso tempo, interfacciarsi con il mondo materiale, i suoi imprevisti, la presenza fisica di esseri umani, è per loro incredibilmente complicato.

Queste tecnologie sono in continua evoluzione e già a disposizione di migliaia di imprenditori ed ingegneri. Il paradosso di Moravec prende forma: i lavori che più rischiano di essere profondamente trasformati, o addirittura cancellati, dall’avvento di questa nuova intelligenza artificiale sono quelli che si svolgono in uno spazio digitale. Il costo di questi lavori ad alto salario, ambiti, apparentemente a prova di futuro, scenderà molto più velocemente rispetto a quello di lavori solitamente ritenuti umili. Nessuna combinazione di algoritmi di apprendimento e robotica potrà anche solo sperare di sostituire un idraulico o un infermiere nel breve o nel medio periodo. Ed invece l’intelligenza artificiale modificherà in breve tempo molti lavori basati su processamento di testi o mera esecuzione di compiti in ambito digitale.

Come reagirà il capitalismo davanti a una simile trasformazione? Alcune professioni dovranno adattarsi alla presenza dell’intelligenza artificiale, entrare in simbiosi con essa, fino ad una forse inesorabile scomparsa. Tuttavia, non tutte le professioni digitali saranno trasformate allo stesso modo. L’impatto dell’intelligenza artificiale sarà ridotto, e puramente di tipo assistitivo, per le attività che richiedono alti livelli di creatività, empatia o anche soltanto senso comune, di cui le macchine sono attualmente prive. Se accompagnata da politiche economiche incentrate sul valore dell’individuo e sulla dignità della persona, invece che esclusivamente sul capitale, questa rivoluzione ha le potenzialità per mettere al centro del mondo lavorativo le nostre qualità più squisitamente umane, come la creatività e l’empatia.

Incentrati su queste, potranno nascere nuovi lavori, legati per esempio alla cura degli anziani o all’educazione dei bambini, all’arte o alla scienza. E sorprendentemente, l’intelligenza artificiale porterà anche a una rivalutazione del problem solving sensorimotorio, della creatività e dell’empatia necessarie in molti lavori manuali: tanti degli ultimi di oggi saranno da domani custodi di ciò che, in ultima istanza, ci rende davvero umani.

NOTE

1. Moravec, Hans. Mind children: The future of robot and human intelligence. Harvard University Press,

2. Max Roser and Hannah Ritchie (2013) – “Technological Progress”. Pubblicato online su OurWorldInData.org. Scaricato da: ‘https://ourworldindata.org/technological-progress’.

3. Silver, David, et al. “Mastering the game of Go with deep neural networks and tree ” Nature 529.7587 (2016): 484-489.

4. McKinsey (2021) – “Flying across the sea, propelled by AI”. Pubblicato online su mckinsey.com. Scaricato da: ‘https://www.mckinsey.com/business-functions/mckinsey-digital/how-we-help-clients/flying-acr oss-the-sea-propelled-by-ai.

5. Mirhoseini, Azalia, et al. “A graph placement methodology for fast chip ” Nature 594.7862 (2021): 207-212.

6. Cade Metz (2020) – “Meet GPT-3. It Has Learned to Code (and Blog and Argue).”. Pubblicato online su The New York Scaricato da: ‘https://www.nytimes.com/2020/11/24/science/artificial-intelligence-ai-gpt3.html’.

Ti è piaciuto questo articolo?

Per continuare a offrirti contenuti di qualità MicroMega ha bisogno del tuo sostegno: DONA ORA.