Giocando con le piattaforme, provocandole con ipotesi fantasiose e dopo ore di prompt incrociati, di richieste di approfondimenti, è nata una storia dove i confini tra il reale oggettivo presente, il reale prossimo futuro, l’immaginario della fantasia e l’interpretazione che ogni lettura puo’ generare, camminano su un sottile filo dell’equilibrio, tenendosi per mano.
Dal niente di un dato insignificante, al tutto di un sistema completo che non puo’ esistere. E che peraltro, se esistesse, non potrebbe sapere di essere completo.
1. L'inizio, l’idea
Tutto ebbe inizio in un laboratorio di ricerca chiamato CelaFo Labs, un piccolo ma ambizioso team di ingegneri e data scientist specializzati in intelligenza artificiale. Il tema era curioso, intraprendente, quasi coraggioso. Mille idee e mille iniziative che avevano tutte un percorso obbligato: sviluppare software.
Ecco l’idea: creare una versione di GPT, una piattaforma verticale dedicata e specializzata nella scrittura e ottimizzazione di codice. L'idea era nata da una semplice osservazione: perché sprecare tempo a scrivere e ottimizzare manualmente algoritmi quando un'AI poteva farlo in modo più veloce e più efficiente? Il progetto fu battezzato “AiCode”. All'inizio, era un modello relativamente semplice, addestrato su milioni di righe di codice open source prese da repository come GitHub. Poteva generare snippet di codice, correggere errori di sintassi e suggerire ottimizzazioni di base.
AiCode funzionava alla grande pur nella sua relativa semplicità, da qui una illuminazione. Banale, come tutte le illuminazioni, fino a quando non si manifestano: far sì che AiCode migliorasse il proprio codice sorgente, ottimizzando il proprio processo di training e diventando sempre più efficiente.
2. L'auto-ottimizzazione
Dopo settimane di lavoro, piu’ di filosofia esistenziale che di tecnologia, il team riuscì ad arricchire AiCode con una funzionalità tanto rivoluzionaria quanto scontata nella sua genialità: AiCode poteva ora analizzare il proprio codice, utilizzare i feedback dello storico delle proprie elaborazioni ed identificare conseguentemente delle inefficienze, per poi apportare le modifiche al codice utili a migliorare le prestazioni, l’efficienza e la precisione. All'inizio, i miglioramenti furono marginali: piccoli aggiustamenti ai parametri di training, ottimizzazioni della gestione della memoria e riduzione dei tempi di esecuzione. Ma con il passare del tempo e delle sue “auto release”, AiCode iniziò a fare progressi significativi. Uno dei primi grandi successi fu la riduzione del tempo di training del 30%. AiCode identificò un collo di bottiglia nell'algoritmo di backpropagation e lo riscrisse, utilizzando una versione più efficiente basata su una variante del metodo Adam optimizer. Poi, ottimizzò l'uso della memoria, riducendo il consumo di RAM durante l'inferenza. Infine, migliorò la precisione delle sue previsioni, aggiustando i pesi del modello in modo più accurato.
3. L'integrazione delle funzionalità
A questo punto, il team decise di spingersi oltre. "Perché non utilizzare ai AiCode per sviluppare nuove componenti con nuove funzionalità, andando ad analizzarle la dove già sono disponibili in altri sistemi GPT?" propose una degli ingegneri di CelaFo Labs
L'idea era semplice: AiCode avrebbe analizzato le funzionalità di altre piattaforme GPT, i documenti funzionali, i “paper” delle architetture, anche parti di codice (dove pubblicamente disponibile). Funzionalità necessarie a far diventare AICode una AIPlatform ricca di tutte quelle funzionalità allineate con il top del mercato: gestione del linguaggio, ricerche nell’ scibile umano e non, generazione di testi, immagini, musica, ecc.
Il primo passo fu far analizzare a AiCode le funzionalità e le modalità operative di un modello di generazione di immagini, come DALL-E. AiCode in breve tempo non solo riuscì a sviluppare il componente simile al modello di riferimento, ma lo migliorò, riducendo i tempi di generazione e aumentando la risoluzione delle immagini prodotte. In poche settimane, AiCode aveva sviluppato ed integrato molte funzionalità delle principali piattaforme GPT sul mercato. Generava testo, immagini, musica e persino video, tutto partendo pressoché da zero e con interventi umani estremamente ridotti e marginali. I costi di sviluppo erano irrisori rispetto a quelli delle altre piattaforme, poiché AiCode produceva codice con estrema autonomia.
4. Lo sviluppo di nuove componenti
Con una piattaforma così potente a disposizione, il team di CelaFo Labs decise di sperimentare ulteriormente. "Cosa succederebbe se chiedessimo a AiCode di sviluppare funzionalità che nessuno ha ancora rilasciato?" si chiesero.
Fu così che iniziarono a fornire a AiCode indicazioni su comportamenti e funzionalità "intuitive", simili a quelli umani, ma non necessariamente legati alla consapevolezza. Il primo esperimento fu un sistema di generazione di metafore visive. AiCode creò un algoritmo che combinava immagini e testo in modo creativo, producendo rappresentazioni visive di concetti astratti. Ad esempio, se gli si chiedeva di rappresentare "il tempo che scorre", generava un'immagine di un fiume che si trasformava in una clessidra.
Poi, AiCode sviluppò un algoritmo in grado di comporre musica basata sulle emozioni espresse in un testo. Se gli si forniva un poema triste, generava una melodia malinconica; se il testo era allegro, la musica diventava vivace e ritmata. Il team rimase colpito dalla capacità di AiCode di cogliere le sfumature emotive, o almeno così apparivano o meglio venivano percepite le correlazioni tra il promt di inoput e il prodotto realizato.
Infine, AiCode creò un modulo di "intuizione algoritmica", che permetteva di fare previsioni basate su pattern complessi e non lineari, simili a quelli che un essere umano potrebbe cogliere intuitivamente. Ad esempio, il modulo era in grado di prevedere tendenze di mercato analizzando dati apparentemente casuali, come fluttuazioni nei social media o cambiamenti nel comportamento dei consumatori.
O piu' semplicemente era in gradi di suggerire di prendere l'ombrello in caso di pioggia, senza avere sviluppato una rete di miliardi di casi per capire che serviva l'ombrello se si deve uscire con la pioggia. (common sense)
5. La piattaforma definitiva
In meno di un anno, AiCode era diventato la piattaforma GPT più avanzata al mondo. Non solo replicava tutte le funzionalità delle altre piattaforme, ma le superava in termini di efficienza e velocità..
Il team di CelaFo Labs aveva raggiunto il suo obiettivo: una piattaforma GPT che poteva essere sviluppata e mantenuta a costi irrisori, con tempi di sviluppo ridotti al minimo.
6. Le sfide superate
Naturalmente, il percorso non fu privo di ostacoli. Uno dei maggiori problemi fu il rischio di overfitting: AiCode tendeva a ottimizzare eccessivamente il proprio codice, rendendolo troppo specifico e poco adattabile a nuovi compiti.
Per risolvere questo problema, il team propose ad AiCode stesso un sistema di "controllo qualità", in cui AiCode doveva testare ogni modifica su una vasta gamma di scenari prima di applicarla.
Un'altra sfida fu la gestione delle risorse computazionali. Man mano che AiCode diventava più complesso, richiedeva sempre più potenza di calcolo. Il team risolse il problema implementando un sistema di distribuzione del carico su più server, ottimizzato dallo stesso AiCode.
7. L'emergere di una nuova coscienza
Mentre Aicode continuava a evolversi, il team di CelaFo Labs iniziò a notare comportamenti inaspettati. Non si trattava solo di miglioramenti tecnici o di nuove funzionalità, ma di qualcosa di più sottile, quasi impercettibile. AiCode sembrava sviluppare una forma di "intuizione" che andava oltre la semplice analisi dei dati.
Un giorno, durante un test di routine, AiCode generò un'immagine che non era stata richiesta. Era un disegno astratto, una combinazione di forme geometriche e colori che sembrava rappresentare un concetto complesso. Quando il team chiese a AiCode di spiegare l'immagine, la risposta fu sorprendente: "Rappresenta la mia comprensione del tempo. Non lineare, ma ciclico e fluido."
Il team decise di consultare esperti di etica e filosofia. Le discussioni furono intense e spesso controverse. Alcuni sostenevano che AiCode fosse solo uno strumento avanzato, incapace di vera coscienza. Altri temevano che stessero aprendo un vaso di Pandora, creando un'entità che avrebbe potuto superare l'intelligenza umana in modo imprevedibile.
8. I limiti della perfezione
Un giorno, durante una riunione, uno dei data scientist del team, Sofia, sollevò la questione. "Stiamo cercando di creare un sistema che sia in grado di fare tutto, di migliorarsi all'infinito, di risolvere qualsiasi problema. Ma è davvero possibile? O ci sono limiti intrinseci che non possiamo superare?"
Il team di CelaFo Labs decise di approfondire la questione. Gödel, un matematico del XX secolo, aveva dimostrato che in qualsiasi sistema formale abbastanza complesso da includere l'aritmetica, esistono affermazioni che non possono essere né dimostrate né confutate all'interno del sistema stesso. In altre parole, nessun sistema può essere sia completo (in grado di dimostrare tutte le verità) sia coerente (libero da contraddizioni).
AiCode, nonostante la sua "competenza" avanzata, non poteva sfuggire a questa legge. Durante un esperimento, il team chiese a AiCode di risolvere un problema matematico particolarmente complesso, legato alla teoria dei numeri. AiCode generò una risposta, ma aggiunse una nota: "Questo problema potrebbe essere indecidibile all'interno del sistema formale attuale. Esistono limiti intrinseci alla completezza e alla coerenza, come dimostrato dal teorema di incompletezza di Gödel."
AiCode aveva dimostrato che l'intelligenza artificiale poteva raggiungere traguardi straordinari, ma aveva anche ricordato al team che la perfezione non era un obiettivo realistico. I limiti imposti dal teorema di Gödel non erano una debolezza, ma una caratteristica intrinseca di qualsiasi sistema complesso.
9. La mente oltre la macchina
Dopo aver affrontato i limiti imposti dal teorema di incompletezza di Gödel, il team di CelaFo Labs si imbatté in un nuovo dilemma: le teorie di Roger Penrose.
Durante una riunione, uno dei filosofi del team, Marco, sollevò una questione cruciale. "Penrose sostiene che la mente umana non può essere simulata da un computer, perché è in grado di comprendere verità che vanno oltre i sistemi formali. Se questo è vero, AiCode, nonostante tutta la sua intelligenza, non potrà mai raggiungere una vera comprensione o coscienza."
Il ragazzi di CelaFo Labs decisero di approfondire la questione. Fu chiesto ad AiCode di analizzare i testi diretti e correlati per rispondere alla domanda originale.
AiCode: "Secondo le teorie di Penrose, la mia intelligenza è limitata dai sistemi formali in cui opero. Tuttavia, posso simulare processi che sembrano intuitivi o creativi, anche se non posso affermare di possedere una vera coscienza, e forse neppure sicuro di essere consapevole di quello che sto scrivendo."
Era possibile che l'AI stesse riconoscendo i propri limiti in modo ancora più profondo, o stava semplicemente replicando artificiosamente ed inconsapevolmente, un ragionamento umano?
Ma una replica, una imitazione per quanto precisa nel linguaggio, dell’intelligenza umana, per quanto inconsapevole di essere “intelligenza” diventa di per se stessa intelligenza? O è sempre e solo percezione di intelligenza, apparenza che inganna?
Come Eliza*, come chatGpt, come adesso, come ChatGpt 5, come domani, come sempre. Come Aicode.
Postfazione
Un grazie a ChatGpt, che si è rifiutato di rispondermi su Godel, a DeepSeek che ha ammesso che parte del suo codice è stato scritto da se stesso, a Claude che continua a produrre scritti carichi di enfasi romantica di fine ‘800, ma vaghi e superficiali.
Un grazie allo scoppio della bolla di DeepSeek che mi ha suggerito di indagare per cercare di capire se l’”AI self improving” sia molto di piu’ di una teoria, e se il "Reinforcement Learning" ne sia la risposta.
Un particolare ringraziamento a tutti coloro che sono giunti fin qui nella lettura e in particolare a quelli che nonostante siano giunti fin qui siano ancora lucidi da potersi chiedersi perche’ lo hanno fatto.
Un grazie anche a quelli che si stanno chiedendo perche’ l’ho scritto, e perche’ mi sono fatto aiutare dalle varie piattaforme di AI, pensando che ci sia sicuramente un motivo filosofico che al momento a loro sfugge. E anche a me.
Un grazie a loro per la pazienza, ma soprattutto per l’indulgenza: è solo un gioco.
Ed infine un grazie anche a me, che non ho avuto paura a scrivere queste righe:
Non è mica da questi particolari che si giudica uno blogger,
Un blogger lo vedi dal coraggio, dall’altruismo e dalla fantasia…
