Il futuro dell'intelligenza artificiale potrebbe passare dalla collaborazione fra sistemi specializzati, ognuno capace di svolgere un compito preciso. È l'ipotesi che voglio sviluppare: costruire servizi complessi mettendo insieme componenti più piccoli e comprensibili.

Non è una previsione. Parto dalle tecnologie che incontriamo ogni giorno e da una domanda: perché continuiamo a parlare degli algoritmi come di entità misteriose, invece di provare a capirli?

L'algoritmo non è una creatura invisibile

La lettura di L'impero dell'algoritmo mi ha riportato a un problema che ritrovo anche nelle conversazioni fra amici. Quando diciamo «l'algoritmo di YouTube», trasformiamo una serie di sistemi informatici in una volontà unica e inafferrabile.

L'esempio che mi porto dietro dall'università è quello della ricetta: una sequenza di istruzioni abbastanza precisa descrive come ottenere un risultato. Serve a togliere mistero alla parola.

E un algoritmo non è necessariamente un'intelligenza artificiale. Alcuni sistemi seguono regole esplicite, altri usano modelli appresi dai dati, altri ancora mescolano le due cose.

Una piattaforma svolge compiti diversi

Cercare un video, suggerirne uno dopo, proporre una sequenza di contenuti brevi: non sono la stessa operazione. E anche la tua intenzione cambia — a volte vuoi una spiegazione lunga, a volte solo qualcosa che scorra.

Uso YouTube come esempio perché lo conosciamo tutti. La documentazione della piattaforma distingue diverse superfici di raccomandazione e il peso dei segnali usati.

Questo non ti permette di ricostruire l'architettura interna guardando il tuo feed. Aiuta però a liberarsi dall'idea di un'unica regola che decide tutto allo stesso modo.

La mia ipotesi: sistemi specializzati che collaborano

Immagino un futuro in cui più componenti fanno compiti circoscritti e ne combinano i risultati. Uno seleziona materiali pertinenti, un altro li ordina, un altro verifica condizioni specifiche del servizio.

La modularità mi interessa perché separa responsabilità e problemi. Se una parte sbaglia, puoi capire quale passaggio ha fallito invece di trattare tutta la piattaforma come una scatola chiusa.

È un ragionamento preso dall'organizzazione del software. Non significa che ogni modulo debba essere un agente autonomo, né che un microservizio sia un'intelligenza artificiale.

Piccolo non significa semplice né sicuro

Suddividere un sistema facilita la gestione e introduce collegamenti da controllare. Un errore a monte si propaga, e due componenti corretti separatamente possono interagire in modi inattesi.

Quindi la mia preferenza per la specializzazione è una direzione progettuale da valutare, non una soluzione. Servono criteri di verifica per ogni parte e per l'insieme.

Anche il paragone con una grande intelligenza generale va preso con le pinze: modularità e capacità generali non sono necessariamente alternative, e un modello che apprende non riscrive da solo tutto il proprio programma.

Open source e trasparenza

Poter studiare questi sistemi è l'altra domanda. L'accesso al codice aiuta ricercatori e sviluppatori a capire alcune scelte e a discuterne su basi concrete.

Richiamo le promesse di apertura legate a Twitter. Fanno parte della riflessione di questo momento: non sono la certificazione che una piattaforma sia diventata libera o osservabile per intero.

E per capire un sistema di apprendimento automatico il codice può non bastare. Contano dati, parametri, obiettivi di addestramento, configurazione e modalità d'uso effettive — spesso più del codice stesso.

Capire prima di attribuire intenzioni

La direzione che mi interessa è rendere la tecnologia studiabile. Se sappiamo quali compiti svolge un sistema, quali informazioni usa e come si valutano i risultati, possiamo discuterne anche senza essere specialisti.

La mia ipotesi sui sistemi specializzati nasce da qui: avvicinare un servizio complesso a problemi che possiamo descrivere e verificare. È un modo di ragionare sul futuro dell'IA senza ridurlo a magia né a una macchina destinata a fare tutto.