Tutti dovrebbero guardare il documentario di Google DeepMind di 84 minuti, ecco un riassunto dei punti salienti🌟 (guarda come Demis è passato da un giovane con folti capelli neri a un grande maestro nel cammino verso l'AGI) 1. Risolvere l'intelligenza - il cammino verso l'AGI Il cuore del documentario "THE THINKING GAME" è la ricerca di una vita di Demis Hassabis, co-fondatore di DeepMind, per l'AGI, partendo da un prodigio degli scacchi in giovane età ([00:23:41]), passando per lo sviluppo di giochi ("Theme Park" [00:40:22]), fino alla ricerca neuroscientifica ([00:32:22]), con l'obiettivo finale di "risolvere l'intelligenza" (Solve Intelligence). La missione di DeepMind è definita come costruire "la prima macchina di apprendimento generale al mondo" (General Learning Machine). // Questo mi ha colpito e un po' inquietato, investire tutto il capitale della vita in "un obiettivo finale" può portare a una creatività straordinaria, ma può anche amplificare le conseguenze di errori morali. Il documentario non evita questo punto: puoi percepire la loro fiducia, ma puoi anche sentire le preoccupazioni latenti. 2. Usare i giochi come campo di addestramento DeepMind è fermamente convinta che la generalità (Generality) sia la chiave dell'intelligenza. Considerano i giochi come il campo di addestramento perfetto per sviluppare un singolo algoritmo in grado di apprendere molteplici compiti. Ecco alcune delle loro prove: DQN (Deep Q-Network): ha dimostrato la fattibilità della combinazione di apprendimento rinforzato e apprendimento profondo giocando a decine di giochi Atari. AlphaGo: ha preso il Go come "santo graal", dimostrando che le macchine possono scoprire nuove strategie in modi che gli esseri umani non possono nemmeno immaginare, suscitando un'onda globale. AlphaZero: ha eliminato tutta la conoscenza umana, padroneggiando il Go, gli scacchi e altro ancora attraverso il gioco contro se stesso in breve tempo, mostrando una pura capacità di apprendimento generale. // Nel documentario, DeepMind mostra chiaramente questo intervallo: i giochi rendono più forti gli algoritmi, mentre la scienza e le applicazioni reali portano queste forze in campi realmente influenti. 3. Dalla scienza ai giochi, la svolta epocale di AlphaFold DeepMind ha portato la potenza dell'IA in uno dei problemi scientifici più complessi del mondo reale, il problema del ripiegamento delle proteine. Questo problema ha afflitto gli scienziati per 50 anni. L'obiettivo di AlphaFold è prevedere con precisione la struttura 3D delle proteine in base alla sequenza di amminoacidi, fondamentale per comprendere la vita e accelerare lo sviluppo di nuovi farmaci e vaccini. Nella competizione CASP 14 ([01:13:50]), AlphaFold ha raggiunto un'accuratezza straordinaria, venendo definito "il problema del ripiegamento delle proteine è stato risolto". DeepMind ha successivamente reso pubblici gratuitamente 200 milioni di dati sulla struttura delle proteine ([01:15:55]), diventando un "regalo all'umanità" (Gifts to humanity). Allo stesso tempo, il documentario sottolinea anche che l'IA potrebbe essere utilizzata per scopi militari ([00:34:44]), per un monitoraggio più potente, e per essere usata per "sottomettere gli esseri umani" - subduing us with weapons we cannot even understand, non possiamo ripetere gli errori del "Progetto Manhattan", cioè concentrarsi solo sull'entusiasmo tecnologico ignorando le conseguenze morali. ...