Elogio della Regressione Lineare.
Quando si parla di Artificial Intelligence, c’è un abisso tra immaginazione e realtà. E mentre guardiamo sorgere all’orizzonte il potenziale di modelli con miliardi di parametri, ricordiamoci anche degli strumenti statistici più semplici, ma non per questo meno utili. Se sei un’agenzia immobiliare, può darsi che ChatGPT ti risulti utile per scrivere il testo di un annuncio, ma per prevedere il valore di un immobile probabilmente ti servirà qualcosa di diverso, anche se meno sexy.
--
L’Artificial Intelligence è praticamente ovunque: sui quotidiani, in TV, e anche nelle discussioni con gli amici. E si parla quasi esclusivamente di ChatGPT. Da un certo punto di punto di vista, questo è naturale: i Large Language Models sono strumenti potenti, dotati di un’eloquenza sorprendente. Vederli un po’ come Rachael Rosen è una tentazione fortissima, e possiamo anche lasciarci andare a questo… ma occhio alla capra sul tetto [1].
Qui però non ci chiediamo se ChatGPT sia intelligente, e non ci chiediamo neanche cosa vuol dire esattamente la parola “intelligente”… molto più semplicemente ci facciamo una domanda che avremmo potuto farci ancora prima che i LLM salissero alla ribalta:
Si può realizzare qualcosa di utile con dati e algoritmi, senza per forza aspettare che sia un bestione da miliardi di parametri a risolvere la questione? La risposta è sì, naturalmente.
Ed anche se una Regressione Lineare non è attraente come Rachael Rosen, la scommessa è che può essere utile. Utile a scopi semplici e pratici, a fare previsioni senza per forza far scattare l’allarme rosso nell’ufficio acquisti. Ma, prima di passare oltre, prendiamoci qualche riga per mettere in chiaro una cosa.
Che cosa è, l’AI?
Semplificando forse un po’ troppo, potremmo dire che tutto è AI, e che niente è AI. E non è facile essere tutti d’accordo…
