Perché i modelli linguistici di grandi dimensioni (LLM) ci fanno paura?

  • LLM = IA?
  • Perché non altri algoritmi?

Ipotesi

Il topos della differenza tra uomo e macchina è sempre una strategia per produrre subalterni.

Il teorema di Tesler

  • Secondo Hofstadter (GEB 1979):

L’IA è tutto ciò che non è ancora stato fatto

  • Secondo Tesler:

L’intelligenza è tutto ciò che una macchina non ha ancora fatto

Il braccio di ferro uomo-macchina

  • Corsa per rendere la macchina più intelligente?
  • Corsa dell’uomo per spostare il senso dell’intelligenza?

La definizione di ‘umano’

è ‘umano’ ciò che sfugge alla macchina

Le opposizioni

Pensiero/scrittura

Anima/corpo

Senso/sintassi

Immaterialità/materia

Uomini/macchine

Uomini/animali

La macchina e i subalterni

La storia delle computers.

  • In piedi: Ester Gerston

  • Accovacciata: Gloria Gordon Bolotsky

  • Jennifer Light, When Computers Were Women: https://muse.jhu.edu/article/33396

  • Kathy Kleiman, Proving Ground: The Untold Story of the Six Women Who Programmed the World’s First Modern Computer: https://www.hachettebookgroup.com/titles/kathy-kleiman/proving-ground/9781538718292/?lens=grand-central-publishing

Cosa fanno i LLM?

  • La vettorizzazione
  • Un corpus di addestramento
  • Un modello probabilistico
  • I transformer e la self-attention
  • Il reinforcement learning e l’allineamento

Quali caratteristiche

  • Originalità
  • Creatività
  • Mancanza di nozione di verità
  • Eccellente manipolazione del linguaggio naturale
  • Discorso consensuale
  • Discorso verosimile
  • Discorso che rappresenta una maggioranza (in termini di potere)

Aiuto, sono…

  • Politico
  • (Grande) autore
  • Professore

Due strategie ora

  • … ma questo… una macchina non potrà mai farlo…
  • comprendere che non ci sono manine (petites mains)? (cf. Margot Mellet: https://blank.blue/meditions/manifeste-des-petites-mains/)