Meglio Bard o ChatGPT? 

di Francesco Pungitore*

Bard si sta affermando nel campo dell'intelligenza artificiale conversazionale come la risposta di Google al popolare ChatGPT di OpenAI. Uno degli aspetti distintivi di Bard è la sua capacità di accedere a Internet per informazioni in tempo reale, una caratteristica che lo distingue dalla versione gratuita di ChatGPT. Questa connessione diretta al web permette all’IA di Google di fornire risposte aggiornate su eventi attuali, politica, sport e altro offrendo agli utenti informazioni più pertinenti.

ChatGPT 4: profondità e affidabilità

Dall'altra parte, ChatGPT 4 (versione a pagamento del chatbot di OpenAI) continua a mantenere il suo primato mondiale come intelligenza artificiale conversazionale più usata e considerata più “affidabile” tra quelle disponibili sul mercato. La sua vasta base di conoscenze, maturata attraverso l'elaborazione di enormi quantità di testi, permette a ChatGPT 4 di fornire risposte dettagliate e approfondite in relazione ad un'ampia gamma di argomenti. ChatGPT 4 ha accesso a Internet, contrariamente alla versione gratuita, e ciò compensa notevolmente la sua capacità di elaborare e sintetizzare complessi concetti e idee.

Analisi delle immagini

Un aspetto notevole di Bard è la sua capacità di analizzare le immagini ed estrarne contenuti. Questa funzione esiste anche in ChatGPT4, ma Bard lo fa gratis! Il chatbot di Google identifica e descrive il contenuto delle immagini caricate come il concorrente di OpenAI che, però, richiede un abbonamento a pagamento per avere funzionalità simili. La precisione di Bard, peraltro, nell'analisi dei dati caricati dimostra la sua versatilità e la sua potenziale applicazione in una varietà di scenari, dalla didattica all'assistenza clienti.

Funzionalità nascoste

Una caratteristica particolarmente interessante di Google Bard è la presenza di funzioni nascoste, facilmente attivabili, che potenziano la sua integrazione con altri servizi Google, come Docs, Maps o Gmail. Queste opzioni ulteriori offrono agli utenti la possibilità di sfruttare Bard utilmente per la gestione dei documenti e le comunicazioni via e-mail. Questa integrazione crea un ecosistema coeso e funzionale, distinguendo ulteriormente Bard nel campo delle IA conversazionali.

Una competizione stimolante

La competizione in atto tra Google Bard e ChatGPT 4 è un chiaro segno dell'evoluzione rapida e della concorrenza accesa che sta animando il settore delle intelligenze artificiali conversazionali. Mentre Bard offre nuove funzionalità e un accesso diretto a Internet, ChatGPT 4 continua a brillare per la sua profonda comprensione e la sua affidabilità nelle risposte. Questa rivalità non solo stimola ulteriori sviluppi e miglioramenti in entrambe le piattaforme, ma offre anche agli utenti una varietà più ampia di strumenti per soddisfare diverse esigenze nella produzione di contenuti.

Un approfondimento tecnico

Google Bard

Google Bard è una piattaforma di intelligenza artificiale avanzata, basata sulla tecnologia di apprendimento automatico di Google, in particolare sull'architettura dei modelli di linguaggio. Questo sistema utilizza un approccio di apprendimento profondo (deep learning), dove enormi reti neurali sono addestrate su vasti set di dati linguistici. Questo addestramento consente a Bard di comprendere e generare linguaggio umano in maniera efficace. Bard si distingue per la sua capacità di interagire con altre tecnologie Google, come la ricerca su Internet, permettendo di fornire informazioni aggiornate e pertinenti. L'addestramento di Bard avviene attraverso tecniche di apprendimento supervisionato e non supervisionato, che gli permettono di affinare le sue capacità di risposta e interazione in base al feedback ricevuto durante l'uso.

ChatGPT 4

ChatGPT 4, sviluppato da OpenAI, è un'altra implementazione avanzata dell'intelligenza artificiale nel campo del linguaggio naturale. Questo modello si basa sulla struttura GPT (Generative Pre-trained Transformer), che sfrutta un approccio transformer per elaborare e generare testi. ChatGPT 4 è addestrato su un dataset estremamente ampio, composto da libri, articoli, siti web e altri materiali testuali, permettendogli di acquisire una vasta conoscenza in diversi campi. Il modello utilizza tecniche di apprendimento profondo per analizzare e comprendere il contesto, generare risposte pertinenti e mantenere coerenza nelle conversazioni. L'addestramento di ChatGPT 4 avviene attraverso una combinazione di apprendimento supervisionato, dove i dati di addestramento sono etichettati e organizzati, e apprendimento rinforzato, dove il modello viene affinato tramite feedback su performance specifiche. Questo approccio misto consente a ChatGPT 4 di generare risposte che sono non solo pertinenti, ma anche in linea con le aspettative “umane” in termini di tono e stile.

Glossario

Deep learning (apprendimento profondo): il deep learning è una tecnica avanzata di intelligenza artificiale che imita il funzionamento del cervello umano nell'elaborare dati e creare modelli per prendere decisioni. Si basa su reti neurali artificiali con diversi livelli (da qui il termine “profondo”), ognuno dei quali elabora un aspetto specifico dell'informazione, come l'identificazione di forme o colori in un'immagine. Questo approccio permette alle macchine di apprendere e migliorare autonomamente le loro prestazioni analizzando grandi quantità di dati.

Apprendimento supervisionato: l’apprendimento supervisionato è un metodo di apprendimento automatico dove un modello viene addestrato utilizzando un insieme di dati già etichettati. In questo contesto, “etichettati” significa che ogni esempio nel set di dati è abbinato a una risposta corretta o a un risultato specifico. Il modello, attraverso l'addestramento, impara a prevedere l'etichetta o il risultato per nuovi esempi non visti in precedenza. È comunemente usato per compiti come la classificazione (dove l'obiettivo è categorizzare gli elementi) e la regressione (dove si prevede un valore numerico continuo).

Apprendimento non supervisionato: l’apprendimento non supervisionato è un approccio di apprendimento automatico in cui i modelli vengono addestrati usando un insieme di dati senza etichette predefinite. In questo caso, il modello cerca autonomamente di identificare strutture, pattern o correlazioni all'interno dei dati. È spesso utilizzato per analisi esplorative, come il raggruppamento (clustering) di dati simili in gruppi per semplificare dati complessi.

Apprendimento rinforzato: l’apprendimento rinforzato è un tipo di apprendimento automatico in cui un agente (il modello) impara a prendere decisioni ottimizzando le sue azioni attraverso un sistema di ricompense e penalità. L'agente compie azioni in un ambiente, riceve feedback sotto forma di ricompense o penalità e usa queste informazioni per migliorare le sue future decisioni. Questo metodo è ispirato al modo in cui gli esseri umani e gli animali imparano da esperienze di successo e fallimento, ed è ampiamente usato in ambiti come i giochi, la navigazione autonoma e i sistemi di raccomandazione.

Richiami alla psicologia

Quando si parla di metodi di apprendimento applicati alle macchine, come il deep learning o l'apprendimento rinforzato, è interessante notare come alcune scuole psicologiche abbiano fornito concetti e teorie che hanno influenzato questi approcci.

Comportamentismo: in particolare il lavoro di psicologi come B.F. Skinner, ha fortemente influenzato l'idea dell'apprendimento rinforzato. Il concetto di “rinforzo”, sia positivo che negativo, derivato da questa scuola, è fondamentale nell'apprendimento rinforzato nelle macchine, dove le azioni sono guidate da ricompense e penalità.

Cognitivismo: si concentra su come le persone pensano, apprendono e risolvono problemi. Ha influenzato l'approccio dell'apprendimento automatico, in particolare nelle tecniche di deep learning, che cercano di emulare le funzioni cerebrali umane come il riconoscimento di pattern e la decisione basata sul contesto.

Costruttivismo: sebbene meno direttamente applicabile, il costruttivismo, che enfatizza l'apprendimento come un processo attivo di costruzione del significato basato su esperienze e interazioni, può essere collegato all'apprendimento non supervisionato. Qui, le macchine tentano di identificare pattern e strutture nei dati senza istruzioni specifiche, creando una loro “comprensione” dei dati.

Connessionismo: si focalizza sulla comprensione dei processi cognitivi attraverso la metafora delle reti neurali. Ha influenzato direttamente il campo delle reti neurali artificiali e del deep learning. Questo approccio considera la mente come un vasto network di unità semplici che lavorano insieme per elaborare informazioni, un concetto che si riflette nelle reti neurali artificiali usate nell'apprendimento automatico.

Tutte queste scuole psicologiche hanno contribuito a formare la base teorica per molti approcci moderni nell'IA, fornendo una struttura concettuale che ha aiutato a guidare lo sviluppo delle tecnologie di apprendimento automatico.

*giornalista professionista, docente di Filosofia, Storia, Scienze Umane e Tecniche di Comunicazione con Perfezionamento post-laurea in Tecnologie per l’Insegnamento e Master in Comunicazione Digitale. Direttore Tecnico dell’Osservatorio Nazionale Minori e Intelligenza Artificiale