Sono quasi due anni che non sentiamo parlare d’altro, tutti i giorni, che di Intelligenza Artificiale (AI). La causa scatenante è stata la pubblicazione in rete del Chet-Bot Chat-GPT di Open AI, (https://openai.com/) una chat “intelligente” che dà risposte a qualsiasi nostra domanda, simulando l’interazione con un essere umano “esperto”, su qualsiasi problematica. Naturalmente, le risposte che fornisce Chat-GPT sono basate sull’enorme mole di materiale raccolto in rete, dalle pubblicazioni scientifiche ai libri di testo, agli articoli di giornale e persino dai social network.

https://www.punto-informatico.it/limite-conoscenza-chatgpt-esteso-fino-2023/#:~:text=OpenAI%20ha%20annunciato%20di%20aver,limite%20di%20ChatGPT%20al%202023.

Sulla base di queste informazioni, aggiornate a fine 2023, è stata addestrata con la supervisione di esseri umani, per eliminare eventuali schemi di ragionamento derivanti da preconcetti o errori dovuti ad errata interpretazione. Il risultato è quello che vediamo, nulla di “intelligente” ma estremamente efficace. E abbiamo anche imparato che a volte la chat ci dà risposte errate, quando non ha abbastanza indicazioni su come formulare la risposta, semplicemente inventa le cose e “riempie i buchi”, a volte a casaccio. Quindi, da un lato occorre sempre verificare gli output ottenuti con fonti attendibili, dall’altro bisogna imparare a formulare delle richieste molto precise, per delimitare al massimo il margine di errore.

E’ nata così la professione del “Prompt Engineer“, l’abilità tecnica di formulare richieste molto precise, per ottenere risposte affidabili. I cosiddetti “Prompt”. Compilare un prompt è diventata una caratteristica indispensabile per chi vuole utilizzare una AI per lavoro, per studio, per attività professionali, e questa nuova scienza ha già iniziato ad essere strutturata, con precisi “Framework” di riferimento, su come formulare le richieste, come comporre i prompt. Le modalità possono variare da semplici frasi in linguaggio naturale, come le domande che tutti noi abbiamo fatto a Chat-GPT in questi mesi, a dei modelli schematici precisi, per organizzare le richieste in un modo, per così dire, “scientifico”.

Ad esempio, utilizzando Midjourney o Copilot, applicazioni AI di elaborazione di immagini, possiamo dire semplicemente:

“Dammi una immagine di un cavaliere crociato di fronte ad un drago in una foresta”.

E l’immagine che otteniamo è la seguente (da Copilot di Microsoft):

Oppure fornire come input una immagine di partenza da elaborare, a Midjourney, come la seguente:

accompagnandola con precise istruzioni su cosa vogliamo che produca, con tanto di istruzioni tecniche, di parole chiave e anche di descrizioni in linguaggio naturale, con indicazioni molto precise su cosa si vuole ottenere:

“donna bionda, volto serio illuminato dal sole che filtra dall’alto, sguardo profondo, alta definizione, 8K, sfondo scuro –ar 4:3 –q 5″.

Il risultato può essere il seguente:

Sono esempi semplici, basati su chat e immagini, ma per poter utilizzare le applicazioni di AI in modo professionale è indispensabile utilizzare i Framework che dicevamo prima, perchè il risultato che vogliamo ottenere serve per il nostro lavoro, di sviluppatori software, o di medici, o di giuristi.

Si sono così sviluppati due modelli di Framework, uno relativo a richieste abbastanza semplici, denominato Modello RTF, l’altro invece denominato Modello CREATE, che serve per richieste o obiettivi molto complessi, e richiede quindi una molteplicità di indicazioni precise su tutti gli aspetti del lavoro da fare.

Il Modello RTF è l’acronimo di Role (l’obiettivo dettagliato che vogliamo ottenere e il ruolo di chi lo richiede), Task (descrizione dettagliata del lavoro da fare), e Format (il formato con cui presentarci il risultato del lavoro.

Ad esempio posso formulare la seguente rischiesta a Chat-GPT:

“Sono un programmatore Python e ho bisogno di un programma che calcoli il valore minimo tra due numeri interi da acquisire in input. Il risultato dev’essere il codice Python eseguibile.”

La richiesta è precisa e descrive esattamente il risultato che voglio ottenere. Infatti, Chat-GPT mi fornisce la risposta adeguata:

“inizio”

Certo! Ecco un semplice programma in Python che calcola il valore minimo tra due numeri interi inseriti dall’utente:

——————————————————————————————————-

# Funzione per trovare il minimo tra due numeri
def trova_minimo(num1, num2):
    if num1 < num2:
        return num1
    else:
        return num2

# Acquisizione input dall'utente
numero1 = int(input("Inserisci il primo numero intero: "))
numero2 = int(input("Inserisci il secondo numero intero: "))

# Calcolo del minimo
minimo = trova_minimo(numero1, numero2)

# Stampa del risultato
print(f"Il valore minimo tra {numero1} e {numero2} è: {minimo}")
----------------------------------------------------------------------------

Puoi copiare e incollare questo codice in un file Python (.py) ed eseguirlo. Il programma richiederà all’utente di inserire due numeri interi e poi stamperà il valore minimo tra di essi.

“fine”

Il Modello CREATE invece, è l’acronimo di Character (il ruolo che assumiamo nel creare il risultato), Request (l’esposizione dettagliata della richiesta che facciamo), Examples (esempi precisi del risultato che vogliamo ottenere), Adjustment (i vincoli di cui tener conto nel creare il risultato), Type of output (descrizione precisa del tipo di risultato che vogliamo), ed Evaluation (indicazioine di precisi indicatori con cui misurare la qualità del risultato ottenuto). Richiederebbe molto tempo darvi un esempio preciso, ma questo è il lavoro da fare.

Come si vede, per poter ottenere risultati di qualità occorre lavorare molto sulle indicazioni da fornire, ci penserà poi l’AI ad utilizzare tali indicazioni per creare la risposta più adeguata, avendo anche ottenuto da noi opportuni parametri per valutare il risultato, prima di fornirlo.

Questa del Prompt Engineer è quindi una figura molto importante, per le aziende, gli enti e gli studi professionali. Altre professioni riguardano poi l’abilità di creare le AI con gli algoritmi e le strategie di ricerca più adeguate agli scopi che vogliamo ottenere, o anche i controlli di qualità da inserire nelle fasi di addestramento delle AI, e così via. Sono queste professioni necessarie alle aziende che producono i sistemi di AI. Insomma, sono tanti, e molto diversificati, i nuovi “mestieri” che stanno nascendo. Ed altri ne nasceranno, perchè l’AI sta dando un’accelerata straordinaria a tutta la nostra civiltà, alla tecnologia e all’industria.

Abbiamo già parlato, in altri articoli su questo Magazine, anche dei rischi connessi all’utilizzo delle applicazioni di AI, in particolare nelle infrastrutture critiche e per gli utilizzi militari, e non a caso è appena entrato in vigore l’AI-Act dell’Unione Europea, e anche altri paesi, come gli USA, si sono dotati di analoghi strumenti di controllo. Ma la strada è aperta per un utilizzo sempre più esteso di queste applicazioni e gestirne i rischi è compito dei governi e degli enti regolatori, e le opportunità di crescita che stiamo creando sono davvero enormi.

Un saluto.