Nel film di fantascienza Arrival del 2016, una linguista si trova di fronte al compito arduo di decifrare una lingua aliena composta da frasi palindromiche, che si leggono allo stesso modo sia al contrario che in avanti, scritte con simboli circolari. Mentre scopre vari indizi, diverse nazioni in tutto il mondo interpretano i messaggi in modo diverso, con alcune che presumono che trasmettano una minaccia.
Se l’umanità si trovasse oggi in una situazione simile, la nostra migliore scommessa potrebbe essere quella di rivolgerci alla ricerca per scoprire come l’intelligenza artificiale (IA) sviluppa i linguaggi.
Ma cosa definisce esattamente una lingua? La maggior parte di noi ne usa almeno una per comunicare con le persone che ci circondano, ma come è nata? I linguisti riflettono su questa domanda da decenni, ma non esiste un modo semplice per scoprire come si è evoluta la lingua.
Il linguaggio è effimero, non lascia alcuna traccia esaminabile nei registri fossili. A differenza delle ossa, non possiamo dissotterrare lingue antiche per studiare come si sono sviluppate nel tempo.
Sebbene potremmo non essere in grado di studiare la vera evoluzione del linguaggio umano, forse una simulazione potrebbe fornire qualche spunto. È qui che entra in gioco l’intelligenza artificiale, un affascinante campo di ricerca chiamato comunicazione emergente.
Per simulare come il linguaggio potrebbe evolversi, diamo agli agenti (IA) compiti semplici che richiedono comunicazione, come un gioco in cui un robot deve guidarne un altro verso una posizione specifica su una griglia senza mostrargli una mappa. Non forniamo (quasi) alcuna restrizione su cosa possono dire o come: diamo loro semplicemente il compito e li lasciamo risolverlo come vogliono.
Poiché per risolvere questi compiti è necessario che gli agenti comunichino tra loro, possiamo studiare come la loro comunicazione evolve nel tempo per farci un’idea di come potrebbe evolversi il linguaggio.
Esperimenti simili sono stati fatti con gli esseri umani. Immagina che tu, un madrelingua inglese, sia in coppia con un non madrelingua inglese. Il tuo compito è di dare istruzioni al tuo partner di raccogliere un cubo verde da un assortimento di oggetti su un tavolo.
Potresti provare a fare un gesto con le mani a forma di cubo e indicare l’erba fuori dalla finestra per indicare il colore verde. Nel tempo sviluppereste insieme una sorta di proto-linguaggio. Forse creereste gesti o simboli specifici per “cubo” e “verde”. Attraverso interazioni ripetute, questi segnali improvvisati diventerebbero più raffinati e coerenti, formando un sistema di comunicazione di base.
Questo funziona in modo simile per l’IA. Attraverso tentativi ed errori, imparano a comunicare riguardo agli oggetti che vedono e i loro interlocutori imparano a capirli.
Ma come facciamo a sapere di cosa stanno parlando? Se sviluppano questo linguaggio solo con il loro interlocutore artificiale e non con noi, come facciamo a sapere cosa significa ogni parola? Dopotutto, una parola specifica potrebbe significare “verde”, “cubo” o peggio, entrambe le cose.
Decifrare il codice
Il compito di comprendere il linguaggio dell’IA può sembrare quasi impossibile all’inizio. Se provassi a parlare polacco a un collaboratore che parla solo inglese, non potremmo capirci o persino sapere dove inizia e finisce ogni parola.
La sfida con i linguaggi dell’intelligenza artificiale è ancora più grande, poiché potrebbero organizzare le informazioni in modi completamente estranei ai modelli linguistici umani.
Fortunatamente, i linguisti hanno sviluppato strumenti sofisticati che sfruttano la teoria dell’informazione per interpretare le lingue sconosciute.
Proprio come gli archeologi ricompongono le lingue antiche partendo da frammenti, questi ricercatori utilizziano schemi nelle conversazioni AI per comprenderne la struttura linguistica. A volte trovano sorprendenti somiglianze con le lingue umane, altre volte scoprono modi di comunicare completamente nuovi.
Questi strumenti ci aiutano a dare un’occhiata alla “scatola nera” della comunicazione dell’intelligenza artificiale, svelando come gli agenti artificiali sviluppano i propri modi unici di condividere le informazioni.
Un recente studio si concentra sull’uso di ciò che gli agenti vedono e dicono per interpretare il loro linguaggio. Immagina di avere una trascrizione di una conversazione in una lingua a te sconosciuta, insieme a ciò che ogni parlante stava guardando. Possiamo abbinare i pattern nella trascrizione agli oggetti nel campo visivo del partecipante, creando connessioni statistiche tra parole e oggetti.
Ad esempio, forse la frase “yayo” coincide con un uccello che vola via: potremmo supporre che “yayo” sia la parola usata dal parlante per “uccello”. Attraverso un’analisi attenta di questi modelli, possiamo iniziare a decodificare il significato dietro la comunicazione.
Nell’ultimo articolo da i ricercatori, pubblicato negli atti del convegno Neural Information Processing Systems (NeurIPS), dimostrano che tali metodi possono essere utilizzati per sottoporre a reverse engineering almeno parti del linguaggio e della sintassi delle IA, fornendoci spunti su come potrebbero strutturare la comunicazione.
Alieni e sistemi autonomi
Come si collega questo agli alieni? I metodi che si stanno sviluppando per comprendere i linguaggi dell’intelligenza artificiale potrebbero aiutarci a decifrare qualsiasi futura comunicazione aliena.
Se riuscissimo a ottenere del testo alieno scritto insieme a un po’ di contesto (come informazioni visive relative al testo), potremmo applicare gli stessi strumenti statistici per analizzarli. Gli approcci che si stanno sviluppando oggi potrebbero essere strumenti utili nello studio futuro delle lingue aliene, noto come xenolinguistica.
Ma non abbiamo bisogno di trovare extraterrestri per trarre beneficio da questa ricerca. Ci sono numerose applicazioni, dal miglioramento di modelli linguistici come ChatGPT o Claude al miglioramento della comunicazione tra veicoli autonomi o droni.
Decodificando i linguaggi emergenti, possiamo rendere la tecnologia futura più facile da comprendere. Che si tratti di sapere come le auto a guida autonoma coordinano i loro movimenti o come i sistemi di intelligenza artificiale prendono decisioni, non stiamo solo creando sistemi intelligenti, stiamo imparando a capirli.
