Interview with Kalle Lyytinen on "Implications of Theories of Language for Information Systems"
In questa intervista, Kalle Lyytinen riflette sulle origini e sull'evoluzione della sua opera fondamentale sulle basi linguistiche dei sistemi informativi, discutendo della loro continua rilevanza nell'era dei grandi modelli linguistici e dell'IA generativa, delineando al contempo le future direzioni della ricerca.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immaginate il mondo dei Sistemi Informativi (SI) non come una collezione di cavi freddi e duri e schermi luminosi, ma come una gigantesca e frenetica biblioteca dove i libri sono fatti di luce e i bibliotecari sono algoritmi. Al suo cuore, l'IS è lo studio di come usiamo la tecnologia per parlarci e per portare a termine le cose. Pensatelo come a un massiccio progetto di traduzione: gli esseri umani hanno sentimenti e idee disordinati e complicati, mentre i computer parlano in un rigido codice binario (zeri e uno). Il compito dei ricercatori di IS è capire come costruire ponti tra questi due mondi affinché il computer capisca ciò che intendiamo e noi capiamo ciò che il computer sta facendo. Per decenni, gli scienziati hanno discusso su come il linguaggio funzioni per costruire questi ponti. Alcuni pensano che il linguaggio sia come un insieme rigido di regole matematiche (grammatica), mentre altri pensano che sia più simile a un gioco sociale dove il significato cambia a seconda di chi parla e di dove si trova. Questo è importante per tutti perché ogni volta che inviate un messaggio, ordinate una pizza online o usate un GPS, vi affidate a questi ponti invisibili. Se il ponte è costruito sulla base dell'idea sbagliata di come funziona il linguaggio, il messaggio si perde, la pizza va alla casa sbagliata o il GPS vi guida in un lago.
In questa vivace conversazione, Kalle Lyytinen, un veterano della ricerca che ha scritto per la prima volta di questi "ponti linguistici" quarant'anni fa, siede con due curiosi intervistatori per vedere come è cambiato il panorama. Il saggio è essenzialmente una chat che viaggia nel tempo dove Lyytinen guarda indietro al suo famoso articolo del 1985 e si chiede: "Abbiamo fatto bene? E cosa facciamo ora che i computer possono rispondere?".
Lyytinen spiega che la sua idea originale era semplice ma profonda: i Sistemi Informativi non sono solo macchine, sono sistemi linguistici. Li paragona a "stringhe di bit" (lunghe catene di zeri e uno) che sono completamente prive di significato finché gli esseri umani non danno loro una storia. Un computer è solo un robot che sposta queste stringhe di bit; non sa cosa significhino. Il significato viene da noi, gli esseri umani, che usiamo questi sistemi per comunicare e lavorare. Egli sostiene che per molto tempo i ricercatori abbiano trattato il linguaggio come un fatto noioso e di sottofondo — come l'aria che respiriamo senza pensarci. Ma Lyytinen insiste che l' "aria" è in realtà la parte più importante. Se non capite come le persone usano le parole per creare significato, non potete costruire un sistema che aiuti davvero le persone.
Quando gli intervistatori chiedono se il suo vecchio consiglio sia ancora valido, Lyytinen ammette che il mondo è cambiato. Negli anni '80, i computer venivano usati principalmente per automatizzare compiti d'ufficio noiosi, come tenere traccia delle scorte o della contabilità. Questi erano versioni digitali di vecchi file cartacei. Oggi, tuttavia, abbiamo i Large Language Models (LLM) e l'IA Generativa. Questi sono i nuovi arrivati. Lyytinen li descrive come affascinanti ma complicati. A differenza dei vecchi computer che seguivano regole rigide, questi nuovi modelli di IA sono come pappagalli super intelligenti. Non "sanno" realmente cosa significhi una parola; sanno solo quali parole appaiono solitamente vicine tra loro basandosi sulla lettura di miliardi di frasi. Sono incredibilmente bravi a indovinare la parola successiva in una frase, ma non hanno alcun concetto del mondo reale. Se fate loro una domanda, non "pensano" alla risposta; calcolano semplicemente la risposta più probabile basata sui pattern.
Questo porta a un grande colpo di scena. Lyytinen sottolinea che, sebbene questi modelli di IA siano straordinari nel mimare il linguaggio umano, mancano di una "visione normativa". In parole povere, non sanno cosa sia giusto o sbagliato nel mondo reale, sanno solo cosa è comune nei loro dati di addestramento. Sono come uno chef che ha assaggiato ogni ricetta del mondo, ma non ha mai effettivamente mangiato un pasto o capito cosa sia la fame. Per questo motivo, Lyytinen suggerisce che non possiamo fidarci ciecamente di loro. Noi esseri umani siamo ancora gli "arbitri finali": dobbiamo decidere se ciò che l'IA dice abbia effettivamente senso.
La conversazione approfondisce anche come questo cambi lo "strato dei dati" della nostra tecnologia. Lyytinen usa un'analogia creativa qui: in passato, i dati erano come un archivio ordinatamente organizzato con cartelle etichettate. Ora, con l'IA, lo strato dei dati è diventato una zuppa caotica ma potente di "token" (piccoli pezzi di parole) e "modelli" (le ricette per mescolarli). Questo è un nuovo tipo di artefatto che i ricercatori stanno ancora cercando di comprendere. Non si tratta più solo di archiviare dati; si tratta di gestire queste nuove, fluide capacità. Lyytinen avverte che siamo attualmente in una fase di "imparare provando". Non abbiamo ancora una mappa perfetta per gestire questi nuovi strumenti di IA nelle grandi aziende. È come cercare di costruire un grattacielo mentre il terreno è ancora instabile.
Infine, Lyytinen offre un consiglio per la prossima generazione di ricercatori (come gli studenti di dottorato che pongono le domande). Suggerisce che il modo migliore per lasciare il segno non è solo seguire l'ultimo hype, ma porre una domanda di "livello superiore". Invece di chiedere solo "Come codifichiamo questa IA?", chiedetevi "In che modo questa IA cambia il modo in cui pensiamo al lavoro?" o "In che modo cambia il significato dei dati?". Crede che la ricerca più eccitante verrà dal capire come questi nuovi strumenti performativi (strumenti che fanno cose piuttosto che limitarsi a mostrare cose) si inseriscano nelle nostre vite sociali.
In breve, il saggio suggerisce che, sebbene i nostri strumenti per parlare con i computer siano diventati incredibilmente sofisticati, la regola fondamentale rimane: il significato è una cosa umana. I computer possono spostare parole e indovinare pattern, ma non possono creare significato da soli. Mentre procediamo, la sfida non è solo costruire un'IA più intelligente, ma capire come intrecciare queste nuove macchine che riconoscono pattern nella complessa, sociale e linguistica trama della vita umana senza perdere la presa su ciò che conta davvero. Il saggio non sostiene di aver risolto questo enigma; piuttosto, suggerisce che siamo solo all'inizio di un lungo e interessante viaggio per comprenderlo.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.