fbpx Autori artificiali: una storia di macchine che scrivono | Scienza in rete

Autori artificiali: una storia di macchine che scrivono

--
Tempo di lettura: 1 min

Robot che inventano fiabe o racconti horror, pappagalli stocastici e piovre super intelligenti che ci spiano dagli abissi. Autori artificiali racconta la storia degli algoritmi di intelligenza artificiale in grado di scrivere, programmi che analizzano il nostro linguaggio e sono in grado di riprodurlo in modo sorprendente. La ricerca in questo campo sta avanzando rapidamente e ormai non si fa più solo nelle università: Google, Facebook e Microsoft hanno sviluppato programmi con capacità linguistiche impressionanti, con cui nessun altro è in grado di rivaleggiare. Ma questi algoritmi scrivono davvero come noi o c’è ancora qualcosa che non riescono a imparare?

Autori artificiali è un podcast di Enrico Schlitzer, matematico, fisico e comunicatore scientifico. Questo episodio è stato realizzato per il workshop “Le Voci della Scienza”: un’esperienza stimolante, formativa… e soprattutto molto divertente! Il podcast è uno strumento utilissimo per la divulgazione scientifica, che ci fa entrare nelle orecchie degli ascoltatori, per raccontare la “solita” scienza con formati nuovi.

Crediti
Voci di Enrico Schlitzer, Sergio Pancaldi e Francesca Sanna. Il podcast è stato scritto e realizzato da Enrico Schlitzer con la supervisione di Benjamin Cucchi.
 


Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Citazioni, h-index e highly cited: perché Clarivate, Scopus e Google Scholar non raccontano la stessa storia

disegno di metro su sfondo con neon

Tre database, tre misure diverse dello stesso fenomeno. Capire le differenze non è un dettaglio tecnico: è il presupposto per usare le metriche senza esserne ingannati.

Immaginate un ricercatore che deve comunicare il proprio h-index in una domanda di finanziamento. Apre Web of Science: il numero è, diciamo, 31. Apre Scopus: 38. Apre Google Scholar: 47. Tre piattaforme, tre numeri, nessuna contraddizione interna a ciascuna — eppure nessuna convergenza tra loro. Quale valore è quello “giusto”? La domanda è mal posta, e il disagio che genera è il punto di partenza di questo articolo.