Si parla molto di AI generativa, un’area dell’intelligenza artificiale in rapida evoluzione che sta trasformando il modo in cui le macchine possono creare e apprendere. Il termine ”generativo” si riferisce alla capacità di un sistema di intelligenza artificiale di creare contenuti nuovi e originali e di consentire lo sviluppo di varie forme di arte.
AI generativa, su cosa è basata
Fondamentalmente, l’intelligenza artificiale generativa si basa su reti neurali addestrate su grandi quantità di dati che consentono loro di riconoscere dei pattern e generare nuovi contenuti simili a quelli che hanno appreso. Questo processo consente a questi sistemi di creare contenuti simili a quelli che potrebbero produrre le persone.
L’AI generativa ha una vasta gamma di applicazioni, dalla creazione di nuove opere d’arte alla generazione di musica, scrittura, immagini e video. Aziende come Google, Facebook, Microsoft e OpenAI stanno investendo molto in quest’area, con sistemi e applicazioni in continuo sviluppo. Uno degli esempi più noti di generative ai è ChatGPT, che è in grado di generare testi su qualsiasi argomento partendo da pochi prompt, aspetto che lo rende un potente strumento per la creazione di contenuti.
Nonostante il suo potenziale, l’AI generativa solleva però anche una serie di criticità. Questi sistemi possano infatti essere utilizzati per creare notizie false o altri tipi di disinformazione, nonché vi sono preoccupazioni sul loro impatto nell’ambito della creatività umana e sul lavoro. C’è anche una crescente preoccupazione per l’inquinamento generato da questi sistemi, dato che alcune stime indicano che potrebbero avere impatti significativi sull’ambiente.
Aspetti tecnici delle AI generative
I modelli di intelligenza artificiale generativa sono progettati per generare output nuovi e unici in base ai dati di input con i quali vengono addestrati. Questi sistemi funzionano imparando i pattern e le relazioni sottostanti tra i dati di input e li utilizzano per generare nuovi output.
L’AI generativa fa parte dei sistemi di apprendimento automatico, un tipo di intelligenza artificiale che consente ai computer di apprendere dai modelli nei dati senza l’intervento umano e costituisce un’innovazione recente dato che è in grado di produrre nuovi contenuti su richiesta.
Esistono diversi tipi di modelli generativi, come i Generative Adversarial Networks (GAN) e Variational Autoencoders (VAEs). I GAN sono costituiti da due reti neurali che competono l’una contro l’altra in modo simile ad una competizione: un generatore che genera dati e un discriminatore che valuta quanto questi siano corretti. I VAE, d’altra parte, funzionano comprimendo i dati di input in una rappresentazione di dimensione inferiore e quindi genera nuovi output basati su tale rappresentazione.
I modelli di apprendimento automatico basati su testo, come ChatGPT, GPT-3 e BERT, vengono addestrati utilizzando l’apprendimento auto-supervisionato. In questo metodo, a un modello viene fornita un’enorme quantità di testo per generare previsioni basate su modelli nei dati. Questi modelli possono prevedere con precisione il completamento di una frase e produrre testi di alta qualità in pochi secondi.
Gli aspetti tecnici dell’intelligenza artificiale generativa sono complessi e coinvolgono una serie di componenti, tra cui reti neurali, loss functions e algoritmi di ottimizzazione. le reti neurali sono gli elementi costitutivi fondamentali dei modelli generativi e sono responsabili dell’apprendimento dei modelli e delle relazioni sottostanti nei dati di input. Le loss functions vengono utilizzate per valutare le prestazioni del modello generativo e gli algoritmi di ottimizzazione servono per regolare i parametri del modello per migliorarne le prestazioni nel tempo.
Lo sviluppo di un modello di intelligenza artificiale generativa è un processo costoso e ad alta intensità di risorse che solo le grandi aziende tecnologiche, dotate di risorse adeguate, possono intraprendere.
L’intelligenza artificiale generativa è davvero creativa?
In questo periodo si sta discutendo se l’AI Generativa si possa davvero considerare “creativa”. Alcuni sostengono infatti che la tecnologia stia in realtà semplicemente riproducendo modelli e strutture su cui è stata addestrata piuttosto che manifestare una vera capacità creativa. Altri, tuttavia, riferiscono esempi di AI generative che creano effettivamente contenuti nuovi e innovativi.
In un recente articolo (”There’s No Such Thing as ’Generative AI’”, University of Cambridge, 31 gennaio 2023) Harry Law suggerisce che la mancanza di consenso su ciò che costituisce l’intelligenza artificiale e le origini dell’apprendimento automatico rendono difficile definire con precisione le capacità delle AI generative.
Law sostiene che il termine AI si riferisce a sistemi informatici in grado di eseguire attività che in genere richiedono intelligenza umana. L’apprendimento automatico, d’altra parte, è un campo di indagine statistica incentrato sulla costruzione di sistemi in grado di apprendere. La rivoluzione dell’IA Generativa si basa sulle reti neurali e, sebbene l’intelligenza artificiale e l’apprendimento automatico siano spesso usati in modo intercambiabile, ciascuno appartiene a diversi ambiti.
Secondo Law, l’AI generativa non si può considerare veramente “intelligente”. È un sistema di apprendimento automatico che si basa sulle decisioni prese dagli esseri umani per produrre output. I sistemi di intelligenza artificiale generativa sono addestrati su vasti corpus di dati scelti e creati appositamente da esseri umani e che richiedono l’input umano. Questo perché i sistemi di apprendimento automatico alla base dell’AI generativa non hanno alcuna comprensione degli output che producono. Possono solo prevedere l’output successivo in una sequenza basata sui dati storici su cui sono stati addestrati. Questa mancanza di comprensione non è solo un problema per i sistemi di apprendimento automatico di oggi, ma anche per quelli futuri che verranno addestrati sui loro risultati.
Law osserva inoltre che l’intelligenza artificiale generativa non è in sé una novità. I primi sistemi informatici in grado di generare testo e tentare il test di Turing esistono dalla metà del XX secolo. La recente popolarità dell’AI generativa può essere attribuita alle recenti e molteplici innovazioni ed entusiastici clamori emersi recentemente e ai notevoli budget impiegati nel settore.
Law evidenzia infine le questioni etiche che circondano l’AI generativa. La creazione di modelli di AI generativa richiede grandi quantità di dati, molti dei quali vengono etichettati da lavoratori a basso reddito impiegati nelle aree più svantaggiate del globo. I modelli di intelligenza artificiale generativa richiedono infatti la supervisione umana per garantire un loro funzionamento affidabile, il che porterà a una notevole incremento del numero di lavoratori necessari per supervisionare questi sistemi. La dipendenza dal lavoro umano nella creazione e nel funzionamento dei modelli di AI generativa è motivo di preoccupazione dato che comporta lo sfruttamento di questi lavoratori.
La gara per le AI generative
Nel mondo della tecnologia c’è sempre una nuova innovazione che cattura l’immaginazione delle persone. Attualmente, il discorso di grande attenzione è dato da ChatGPT che ha attirato oltre un milione di utenti in soli cinque giorni dal suo lancio, rendendolo uno dei lanci di prodotti di consumo più veloci della storia.
In un recente articolo (”The race of the AI labs heats up. ChatGPT is not the only game in town”, 30 gennaio 2023) The Economist afferma che la corsa per la supremazia dell’AI sta catalizzando l’interesse delle grandi aziende e di tutti i settori del business e i risultati di questa corsa determineranno l’era dell’AI e chi la dominerà.
Le organizzazioni aziendali che si occupano di ricerca e sviluppo sono state tradizionalmente la fonte dei progressi scientifici. Tuttavia, nel corso degli anni, le aziende si sono allontanate dalla scienza di base per spostarsi nello sviluppo di idee esistenti a causa dell’aumento dei costi della ricerca e della crescente difficoltà di coglierne immediati frutti. Tuttavia, l’intelligenza artificiale sta smuovendo questo ordine e sta trasformando il modo in cui l’industria tecnologica pensa all’innovazione e ai suoi centri di ricerca. Questi laboratori, che facciano parte di grandi aziende tecnologiche o startup indipendenti, sono tutti coinvolti in una affannosa corsa per la supremazia dell’AI.
Le recenti scoperte nella grande intelligenza artificiale a livello globale sono arrivate principalmente dalle grandi aziende perché queste hanno le risorse e potenze di calcolo adeguate e perché questa è un’area in cui i risultati della ricerca di base possono essere rapidamente incorporati nei prodotti. Amazon, Meta, Alphabet (con le sue controllate Google, Google Research e DeepMind), OpenAI, Microsoft e Baidu sono solo alcune delle grandi società che stanno investendo fortemente nella ricerca sull’intelligenza artificiale.
Per quanto riguarda in particolare il tipo di intelligenza artificiale che ChatGPT sta rendendo popolare, la grande competizione attuale è quella tra Microsoft e Alphabet. The Economist ha condotto test sui sistemi di intelligenza artificiale di entrambe le società e ha scoperto che nessuna delle due si è rivelata nettamente superiore proprio per le ragioni su esposte.
Una variabile che può determinare l’esito finale della corsa per la supremazia dell’AI è l’organizzazione stessa dei laboratori di ricerca. OpenAI, una piccola azienda che non ha un consolidato business e pochi flussi di entrate da tutelare, potrebbe trovarsi con più libertà rispetto ai rivali per rilasciare prodotti innovativi e rivoluzionari al pubblico. Gli addetti ai lavori hanno notato che i rapidi progressi di OpenAI negli ultimi anni gli hanno permesso di assumere esperti da aziende rivali, tra cui DeepMind. Per tenere il passo quindi, le aziende più grandi quali Alphabet, Amazon e Meta, potrebbero aver bisogno di riorganizzarsi in modo più snello e veloce.
Le dimensioni dei modelli sono state finora un aspetto importante nell’AI generativa. Tuttavia, ci sono limiti che questi possono raggiungere e per questo si procede con miglioramenti continui nell’ambito della realizzazione dei modelli per specifiche attività con l’obiettivo di ridurne le dimensioni e di ottimizzarne l’efficienza. In pratica si stanno sviluppando nuovi metodi per ottenere “di più con meno”. Ingenti fondi stanno arrivando anche alle startup che operano nel settore e i venture capitalist assicurano che non tutti i capitali in campo saranno di esclusivo appannaggio delle big.
Gli sviluppi dell’intelligenza artificiale stanno trasformando non solo l’industria tecnologica, ma anche il business, la cultura e la società. Queste innovazioni hanno il potenziale per avere un impatto significativo sul futuro e le aziende che sono in prima linea nella corsa all’AI avranno un vantaggio significativo. Sebbene sia troppo presto per determinare l’intera portata dell’impatto dell’AI, una cosa è chiara: le aziende che stanno investendo e che saranno in grado di sviluppare i modelli più avanzati saranno in una posizione di vantaggio per avere successo in futuro.
Cosa si sta facendo in Cina
I laboratori cinesi sembrano avere un grande vantaggio nell’ambito della visione artificiale. La Beijing Academy of artificial intelligence (BAAI) ha realizzato quello che afferma essere il più grande modello di linguaggio naturale del mondo, Wu Dao 2.0. Mentre gli esperti discutono su quale modello sia effettivamente il migliore, è evidente come nessun modello può godere di un vantaggio definitivo e inattaccabile. Le conoscenze sulle IA si diffondono rapidamente e i ricercatori di laboratori concorrenti spesso si spostano tra le varie organizzazioni portando con sé competenza ed esperienza. Inoltre, poiché i migliori cervelli di intelligenza artificiale sono scienziati, spesso subordinano il loro rapporto verso il privato in favore della possibilità di pubblicare le loro ricerche e presentare i risultati alle conferenze.
AI generativa e impatto ambientale
In un recente articolo (”The Generative AI Race Has a Dirty Secret”, Wired, 10 febbraio 2023) Chris Stokel-Walker sostiene che l’AI generativa richiede quantità significative di potenza di calcolo, il che porta a preoccupazioni per il suo impatto ambientale.
I giganti della tecnologia Google e Microsoft hanno recentemente annunciato importanti modifiche ai loro motori di ricerca al fine di incorporare AI generative che utilizzano modelli di linguaggio di grandi dimensioni (LLM). Questa mossa dovrebbe offrire agli utenti un’esperienza di ricerca più accurata e ricca. Tuttavia questo comporterà un drammatico aumento della potenza di calcolo e dei requisiti energetici e ad enormi emissioni di carbonio.
L’addestramento degli LLM come quelli alla base del motore di ricerca Bing di Microsoft, basata su ChatGPT e dell’equivalente di Google, Bard, richiede infatti l’analisi e l’elaborazione di ingenti volumi di dati e necessita di risorse considerevoli per poterli sviluppare. Secondo Carlos Gómez-Rodríguez, scienziato informatico presso l’Università di La Coruña in Spagna, solo le aziende Big Tech possiedono attualmente la potenza di calcolo necessaria per addestrare LLM. Analisi di terze parti stimano che l’addestramento di GPT-3, su cui si basa ChatGPT, abbia consumato 1.287 MWh e portato a emissioni di oltre 550 tonnellate di anidride carbonica equivalente.
L’integrazione di ChatGPT in Bing, che gestisce mezzo miliardo di ricerche ogni giorno, richiederebbe almeno quattro o cinque volte più potenza di calcolo per ciascuna ricerca, secondo Martin Bouchard, cofondatore della società canadese di data center QScale. Inoltre, dato che gli attuali data center e le infrastrutture esistenti non sarebbero in grado di far fronte a questa richiesta, saranno necessari ulteriori investimenti in hardware. Queste azioni potrebbero aumentare quindi le emissioni di gas serra dei data center, che già rappresentano circa l’uno per cento delle relative emissioni mondiali, secondo l’Agenzia internazionale per l’energia.
Per affrontare questo problema, le aziende che gestiscono i motori di ricerca dovrebbero cercare di ridurre il loro contributo netto al riscaldamento globale migrando i rispettivi data center verso fonti di energia più pulite e riprogettando ed ottimizzando le reti neurali per renderle più efficienti. Ciò ridurrebbe il tempo di inferenza richiesto per i modelli di grandi dimensioni, riducendo al minimo la quantità di potenza di calcolo necessaria ad un algoritmo per lavorare su nuovi dati.
La portavoce di Google, Jane Park, suggerisce che la combinazione di azioni di ottimizzazione su modelli, processori e data center efficienti con fonti di energia pulita, potrebbe ridurre l’impronta di carbonio di un sistema di apprendimento automatico fino a 1.000 volte. Microsoft si è impegnata a diventare carbon negative entro il 2050, mentre Google mira a raggiungere zero emissioni nette in tutte le sue operazioni e nella catena del valore entro il 2030.
Nonostante i potenziali impatti ambientali, Nafise Sadat Moosavi, docente di elaborazione del linguaggio naturale presso l’Università di Sheffield che lavora sulla sostenibilità nell’elaborazione del linguaggio naturale, afferma che la direzione di sviluppare nuovi motori di ricerca basati sull’intelligenza artificiale è sicuramente un aspetto vantaggioso per gli utenti finali ma che è altrettanto importante che le aziende si concentrino sull’aspetto dell’efficienza per ridurre la quantità di energia e carbonio generata dagli LLM.
La generazione di testi
L’AI generativa viene sempre più utilizzata per generare contenuti testuali come articoli, libri e altro. La tecnologia è infatti in grado di generare testi coerenti e grammaticalmente corretti che possono essere utilizzati per un’ampia gamma di applicazioni, dalla scrittura di articoli, ai chatbot, agli assistenti virtuali. Uno degli esempi più noti di AI Generativa per la generazione di testo sono i modelli GPT che sono in grado di generare, partendo da un prompt, testi altamente convincenti simili a quelli creati dall’uomo.
Il rilascio di ChatGPT ha creato delle preoccupazioni per l’impatto sulle discipline umanistiche, sul giornalismo e su altri ambiti creativi. Inoltre, tutte le principali aziende tecnologiche stanno sviluppando tecnologie simili da integrare negli strumenti in uso quotidiano, come i motori di ricerca, la posta elettronica e gli elaboratori di testi.
In un recente articolo (”How AI Will Change Writing Forever”, 20 gennaio 2023) Ann Kjellberg evidenzia come nel 2023 stiano accadendo cambiamenti significativi nel modo in cui la scrittura viene prodotta e diffusa.
I vantaggi
I vantaggi dell’utilizzo di ChatGPT e degli altri tool di AI generativa per la generazione di testo sono numerosi e trasformeranno le abitudini della scrittura nella società, dalle università alle redazioni:
- velocità ed efficienza. La tecnologia può produrre rapidamente grandi quantità di testo, consentendo la creazione di contenuti su una scala che sarebbe impossibile per gli uomini. L’intelligenza artificiale generativa può aiutare ad automatizzare attività di scrittura ripetitive o noiose, consentendo agli scrittori di concentrarsi su un lavoro più creativo. Ciò può essere particolarmente utile per applicazioni come il content marketing, dove le aziende devono creare grandi volumi di contenuti per interagire con i clienti e mantenere una forte e costante presenza online;
- creare contenuti personalizzati per il lettore. Analizzando i dati sugli interessi e le preferenze del lettore, la tecnologia può generare un testo adattato alle sue esigenze specifiche. Ciò può aiutare le aziende a fornire un’esperienza più coinvolgente e personalizzata ai propri clienti;
- creare nuove opportunità per gli scrittori, come collaborare con l’AI per produrre contenuti sia creativi che tecnicamente competenti. L’intelligenza artificiale può aiutare gli scrittori a creare contenuti più coinvolgenti e pertinenti e può persino ispirare nuove forme di narrazione e creazione di contenuti.
I limiti
Tuttavia, ci sono anche limitazioni e preoccupazioni nell’utilizzo dell’AI generativa per la generazione di testo.
- Sebbene questi sistemi abbiano compiuto progressi significativi, mancano ancora della capacità di comprendere le sfumature e il contesto umani, il che può portare a risultati privi di senso o imprecisi. Questo perché i modelli di intelligenza artificiale vengono addestrati su vasti set di dati di testo, il che può rafforzare pregiudizi e limitazioni inerenti ai dati.
- Un altro limite è la mancanza di creatività e originalità. Sebbene questi sistemi possano produrre contenuti coerenti e grammaticalmente corretti, spesso faticano a produrre testi innovativi o stimolanti che spingano i confini della creatività umana. Questo perché i modelli di intelligenza artificiale si basano su testi preesistenti per generare nuovi contenuti, piuttosto che sviluppare idee completamente nuove.
- L’uso dell’AI generativa ha inoltre sollevato preoccupazioni sul futuro degli scrittori e sull’impatto sull’occupazione nel settore della scrittura. Man mano che questi sistemi diventano più avanzati, esiste la possibilità che possano sostituire del tutto gli scrittori umani per determinati tipi di contenuto. La prospettiva che il testo generato dall’intelligenza artificiale elimini molti flussi di reddito che prima confluivano nelle mani delle persone è certamente un fatto di cui preoccuparsi.
- Anche l’uso del testo generato dall’intelligenza artificiale nelle scuole è controverso: alcune istituzioni scolastiche e istituti di formazione hanno vietato l’uso di ChatGPT dai dispositivi e dalle reti scolastiche. Alcuni professori stanno riprogettando interamente i corsi alla luce dell’improvvisa ubiquità della tecnologia per la generazione dei compiti mentre altri sostengono l’uso pedagogico del software per la generazione di testi.
Nonostante queste criticità alcuni scrittori sono entusiasti delle possibilità offerte dalla nuova tecnologia e sostengono che un computer non potrebbe mai sostituire completamente uno scrittore nella creazione di una vera e propria arte letteraria.
Generazione di musica
L’intelligenza artificiale generativa sta trasformando l’industria musicale: già molti artisti e produttori utilizzano questi strumenti per creare musica in una varietà di generi, dal pop e hip-hop alla classica e al jazz.
Uno dei principali vantaggi nella musica è quella di consentire agli artisti di sperimentare suoni e stili diversi in modo rapido e semplice, agevolando la sperimentazione e l’innovazione nel settore. La musica generata dall’intelligenza artificiale può essere utilizzata nelle colonne sonore di film, TV, videogiochi e altri progetti multimediali, come modo economico ed efficiente per creare musica originale.
Mentre alcuni esperti prevedono che l’intelligenza artificiale rivoluzionerà positivamente l’industria musicale, altri sono preoccupati per il potenziale impatto sui musicisti e sulla loro produzione nel caso in cui dovesse riuscire a sostituire del tutto i musicisti.
Il nuovo sistema di intelligenza artificiale generativa di Google, MusicLM, ha già sollevato interrogativi sul potenziale impatto della musica generata dall’intelligenza artificiale sull’industria musicale.
In un recente articolo (“Is Google Displacing Musicians with Its New Generative AI System: MusicLM?”, Forbes, 29 gennaio 2023) Cindy Gordon afferma che il sistema, che non è stato ancora rilasciato per problemi di copyright, è basato su una rete n
eurale e addestrato su un ampio set di dati musicali di oltre 280.000 ore di musica. Può produrre automaticamente brani musicali innovativi di diversi strumenti e generi partendo da descrizioni di testo come ”una melodia di violino accompagnata da un riff di chitarra distorta”.
Sebbene la musica generata dall’intelligenza artificiale sia in circolazione da un po’ di tempo, MusicLM promette un audio ad alta fedeltà di qualità superiore e coerente. I ricercatori di Google hanno anche pubblicato un set di dati di addestramento di AI di 5.500 brani musicali per supportare altri ricercatori che lavorano sulla generazione automatizzata di brani. Tuttavia, l’uso dell’intelligenza artificiale nella musica solleva alcuni dubbi sui diritti di proprietà e sulla creatività.
Una delle preoccupazioni principali è il rischio che gli algoritmi di intelligenza artificiale creino in autonomia le proprie composizioni e, in questo caso, ci si chiede chi possiede il risultato di questo lavoro: l’AI o l’uomo. Inoltre, chi può affermare di possedere i diritti di un brano musicale quando un’AI generativa lo crea usando un mix di tutto quanto reperibile sul world wide web? Quando si acquista un brano musicale, si acquista anche il diritto di utilizzare il suo audio come dati di addestramento per AI? Si tratta di questioni complesse che richiedono un’attenta valutazione e un’efficace legislazione.
I musicisti di tutto il mondo stanno cercando di comprendere l’impatto dell’AI sul loro settore. La star di YouTube e concorrente di American Idol, Taryn Southern, ha già iniziato a comporre musica con l’intelligenza artificiale. Mentre l’AI continua a progredire, è necessario che l’industria musicale migliori la propria legislazione in merito al tema dei diritti di proprietà della musica dei musicisti e al modo in cui gestire gli algoritmi di intelligenza artificiale in questo ambito.
Generazione di immagini e video
L’intelligenza artificiale generativa viene utilizzata anche per creare immagini e video e ha il potenziale per rivoluzionare i settori dei media e dell’intrattenimento.
La generazione di immagini AI è il processo di creazione di immagini attraverso algoritmi ai. Queste tecnologie funzionano analizzando grandi set di dati di informazioni visive e quindi generano nuovi contenuti partendo da tali analisi. Questo si ottiene attraverso un processo chiamato diffusione, che interpreta il rumore per creare forme riconoscibili utilizzando una raccolta di dati.
- Una delle aree più promettenti per l’AI generativa in questo campo è la creazione di film e altri media: può creare modelli 3d dettagliati e texture realistiche, i cineasti possono creare mondi e personaggi coinvolgenti che, in precedenza, erano impossibili da realizzare.
- L’uso dell’intelligenza artificiale sta rivoluzionando l’industria cinematografica. In un recente articolo (”How A.I. is reshaping the way movies are made”, 14 febbraio 2023) John Kell afferma che la tecnologia AI viene già utilizzata ad esempio per ringiovanire i volti degli attori. Questa tecnica è più economica da produrre rispetto ai metodi tradizionali come effetti visivi o immagini generate al computer e fornisce anche un risultato più realistico.
- L’AI generativa può anche essere utilizzata per generare immagini e video per campagne pubblicitarie e di marketing. Analizzando grandi set di dati di preferenze e comportamenti dei consumatori, gli algoritmi di intelligenza artificiale possono creare contenuti personalizzati che hanno maggiori probabilità di coinvolgere un pubblico specifico. Ad esempio, una pubblicità generata dall’intelligenza artificiale per una nuova auto potrebbe presentare un colore o uno stile specifico che è popolare tra i consumatori in una particolare regione.
- Un’altra area in cui l’AI generativa viene utilizzata per la generazione di immagini e video è la creazione artistica. Analizzando opere d’arte esistenti e generando nuove immagini conformi a modelli simili, gli algoritmi di intelligenza artificiale possono creare nuove e originali immagini ispirate a opere precedenti. Questa tecnologia viene utilizzata dagli artisti per creare di tutto, dai dipinti astratti a paesaggi fotorealistici.
Nonostante i potenziali vantaggi dell’AI generativa per la generazione di immagini e video, vi sono anche criticità da considerare tra cui:
- il potenziale effetto nella distorsione nei set di dati utilizzati per l’addestramento degli algoritmi. Se i set di dati non sono rappresentativi il contenuto generato può perpetuare stereotipi dannosi o rafforzare disuguaglianze.
- Il fatto che l’AI generativa possa generare contenuti molto simili alle opere esistenti solleva interrogativi su chi detenga i diritti sul contenuto generato e se questo costituisca una violazione del copyright sulla proprietà intellettuale.
Esistono molti strumenti di intelligenza artificiale che possono essere usati per la generazione di immagini.
DALL-E 2, Midjourney e Stable Diffusion sono tre popolari strumenti di generazione IA che generano immagini tramite prompt testo-immagine o prompt immagine-immagine. DALL-E 2 è un servizio a pagamento, accessibile tramite il sito Web OpenAI, e genera immagini fotorealistiche. Midjourney funziona interamente tramite Discord ed è utile per generare concept art ambientali. Stable Diffusion è un modello open source che può essere eseguito localmente su proprio PC o accessibile tramite servizi come Dream Studios ed è più adatto a designer, artisti e produttori.
Mentre DALL-E 2 e Midjourney sono utilizzati al meglio per esplorare diversi stili artistici e concetti visivi, il più grande vantaggio di Stable Diffusion è quello di creare nuove iterazioni e opzioni grafiche per opere d’arte esistenti attraverso processi noti come inpainting e outpainting. L’Inpainting sostituisce sezioni di opere d’arte esistenti con nuovi riferimenti, consentendo modifiche rapide ed efficienti.
I creativi possono utilizzare questi strumenti di generazione di immagini e video nelle fasi di pre-produzione dello storyboard, della grafica, dei video e dello sviluppo del concept. Questi strumenti possono migliorare il flusso di lavoro, liberare risorse interne e, in ultima analisi, ridurre i costi. Tuttavia, vale la pena notare che gli strumenti di intelligenza artificiale possono intimidire gli utenti alle prime armi e che i risultati possono variare in modo significativo a seconda di una varietà di fattori, come le differenze tra gli stessi strumenti e la qualità dei prompt inseriti nell’AI.
Conclusioni
In conclusione, l’AI generativa offre molti vantaggi e le sue applicazioni abbracciano molteplici settori ma, d’altro canto, genera anche sfide significative che devono essere affrontate per garantirne uno sviluppo e un utilizzo responsabili.
Con il progredire delle tecnologie, l’AI generativa consentirà infatti di realizzare sistemi e applicazioni ancora più avanzati. Tuttavia, è importante procedere con cautela, tenendo conto delle implicazioni etiche, sociali e ambientali di queste tecnologie. In questo modo, possiamo garantire che l’AI generativa sia sviluppata e utilizzata nei modi opportuni e a vantaggio della società nel suo complesso.
Fonti
- McKinsey & Company, ”What is Generative AI?”, January 19, 2023.
- Chris Stokel-Walker, ”The Generative AI Race Has a Dirty Secret,” Wired, February 10, 2023.
- Harry Law, ”There’s No Such Thing as ‘Generative AI’,” University of Cambridge, January 31, 2023.
- ”The race of the AI labs heats up. ChatGPT is not the only game in town,” The Economist, Jan 30th, 2023.
- Cindy Gordon, ”Is Google Displacing Musicians with Its New Generative AI System: Music LM?” Forbes, Jan 29, 2023.
- Max Hilsdorf, ”MusicLM — Has Google Solved AI Music Generation?” Medium, Feb 2, 2023.
- John Kell, ”How A.I. is reshaping the way movies are made,” Fortune, February 14, 2023.
- Ann Kjellberg, ”How AI Will Change Writing Forever,” The Hedgehog Review, 20 Jan, 23.
