Uno studio condotto dai ricercatori della Johns Hopkins University rivela che gli attuali modelli di intelligenza artificiale risultano meno efficaci degli umani nell’interpretare le dinamiche sociali in contesti di movimento. Detto altre in altre parole, i modelli non sanno ancora “leggere la stanza” con risultati paragonabili a quelli umani, un’abilità particolarmente necessaria per lo sviluppo di tecnologie come le auto a guida autonoma e i robot assistenziali. La ricerca ha confrontato la capacità di oltre 350 modelli di IA (linguaggio, video e immagine) con quella umana nell’interpretare brevi videoclip di interazioni sociali.
Secondo i risultati dello studio, mentre i giudizi dei partecipanti umani si sono mostrati generalmente concordi, i modelli di IA non sono riusciti a descrivere accuratamente le interazioni e le scene, indipendentemente dalle dimensioni o dai dati di addestramento. Nello specifico, i modelli video non sono stati in grado di descrivere le azioni. Quelli basati su immagini hanno fallito chiari segnali di comunicazione tra le persone, anche con fotogrammi sequenziali. I modelli linguistici hanno ottenuto risultati migliori sui comportamenti umani, mentre quelli video sulle risposte neurali.
I ricercatori osservano che la realtà è intrinsecamente dinamica e che il prossimo passo evolutivo per l’IA consisterà nel saper interpretare la narrazione in divenire di una scena, comprendendone relazioni, contesto e dinamiche sociali. Secondo il team, le attuali limitazioni deriverebbero dall’architettura stessa delle reti neurali artificiali, modellata sulla regione cerebrale specializzata nell’elaborare immagini statiche e non scene sociali dinamiche.
Leggi l’articolo completo: “Awkward. Humans are still better than AI at reading the room” su Science Daily
Immagine generata tramite DALL-E 3. Tutti i diritti sono riservati. Università di Torino (2025).
