Di Daniele Salvati 

Da quando l’intelligenza artificiale ha iniziato a scrivere codice in modo credibile, una domanda torna sempre più spesso: ha ancora senso studiare informatica? E soprattutto, ha ancora senso studiare la teoria, imparare gli algoritmi, capire come funzionano i sistemi, se poi possiamo chiedere a un’AI di fare molte di queste cose al posto nostro?

Per me la risposta è semplice: sì, ha ancora senso. E forse oggi più di prima.

Il motivo, in realtà, va oltre l’informatica. Vale per quasi tutto: se non conosci qualcosa, puoi forse utilizzarla, ma difficilmente puoi governarla davvero. Puoi ottenere un risultato, magari anche molto velocemente, ma non è detto che tu sia in grado di capire se quel risultato è corretto, se esistono alternative migliori o quali conseguenze possa avere.

L’intelligenza artificiale rende questo tema ancora più evidente perché oggi ci permette di ottenere risposte, codice e soluzioni con una facilità che fino a pochi anni fa sembrava impensabile.

Ed è una cosa positiva.

Non sono tra quelli che pensano che prima fosse necessariamente meglio solo perché per risolvere un problema servivano tre ore invece di tre minuti. Se uno strumento ci permette di lavorare meglio, più velocemente e di affrontare problemi più complessi, va utilizzato.

Il punto è un altro: ottenere una risposta non significa comprenderla.

Senza conoscenza, come facciamo a capire se l’AI ha ragione?

Da docente di informatica lo vedo molto chiaramente.
Uno studente può oggi chiedere a un sistema di AI di scrivere un programma, correggere un errore o spiegare una parte di codice. In pochi secondi può ottenere una soluzione che magari funziona perfettamente.

Ma se non possiede le basi, come fa a sapere se quella soluzione è davvero buona?

È sicura? È efficiente? Gestisce tutti i casi? È stata scelta una struttura dati adatta? Cosa succede se cambiano i requisiti? E se tra sei mesi qualcosa smette di funzionare, sarà in grado di capire perché?

Queste domande richiedono conoscenza.

Spesso sentiamo dire che nell’era dell’intelligenza artificiale diventerà fondamentale “saper fare le domande giuste”. È vero, ma c’è un dettaglio importante: per fare buone domande bisogna conoscere l’argomento su cui stiamo facendo domande.
Se non so nulla di database, difficilmente saprò valutare davvero una proposta di progettazione di un database. Se non conosco le reti, potrei non accorgermi di un problema architetturale. Se non conosco i principi della sicurezza informatica, potrei utilizzare del codice perfettamente funzionante senza rendermi conto che contiene una vulnerabilità.

La conoscenza quindi non serve soltanto per trovare le risposte. Serve anche a capire quali domande fare, cosa verificare e quando non fidarsi della prima soluzione che abbiamo davanti.

La teoria serve ancora?

Secondo me assolutamente sì.

Algoritmi, strutture dati, sistemi operativi, reti, database, architetture software possono sembrare argomenti molto teorici in un momento in cui possiamo chiedere all’AI di costruirci un’applicazione in pochi minuti.

Eppure sono proprio questi argomenti a costruire il nostro modo di ragionare.

Studiare un algoritmo non serve soltanto per imparare a scriverlo. Serve a capire che esistono modi diversi per risolvere lo stesso problema e che alcune soluzioni sono migliori di altre. Studiare le strutture dati non significa soltanto ricordare la differenza tra una pila e una coda: significa capire che il modo in cui organizziamo le informazioni influenza profondamente il comportamento di un sistema.
Lo stesso vale per database, reti, sistemi operativi e per tutta quella teoria che spesso, soprattutto quando si è studenti, può sembrare distante dalla pratica.
Con il tempo ci si accorge che quella teoria costruisce dei modelli mentali. Ci permette di intuire dove cercare un problema, capire perché una determinata soluzione non scala, riconoscere qualcosa che non torna.

L’AI può darci una risposta molto più velocemente. Ma quei modelli mentali dobbiamo averli noi.

Il rischio di sentirsi competenti troppo presto

Una delle cose più interessanti dell’AI è che permette a chiunque di realizzare rapidamente qualcosa che funziona.
Ed è straordinario.
Allo stesso tempo, però, può creare una strana illusione: confondere la capacità di ottenere un risultato con la competenza sulla materia.
Posso chiedere all’AI di costruirmi una piccola applicazione web e ritrovarmi dopo mezz’ora con qualcosa di funzionante. Ma questo significa che ho imparato a sviluppare software?

Non necessariamente.

Magari non so spiegare perché è stata scelta una certa architettura, cosa succede realmente quando l’utente effettua una richiesta, dove vengono salvati i dati o come il sistema reagirà quando qualcosa andrà storto.
È qui che, secondo me, dobbiamo stare particolarmente attenti nella formazione.
Non penso abbia senso vietare l’intelligenza artificiale agli studenti. Fa parte del loro presente e farà sicuramente parte del loro futuro professionale. Devono imparare a utilizzarla bene.

Ma esiste una fase nella quale alcune cose devono essere comprese prima di essere delegate.

Uno studente deve ancora sapere cosa sono una variabile, una condizione, un ciclo o una funzione. Deve ancora ragionare su un algoritmo, sbagliare, cercare un errore e provare a capire perché il programma non si comporta come aveva immaginato.
Non perché nel lavoro di domani dovrà necessariamente scrivere ogni riga di codice senza assistenza, ma perché mentre svolge quelle attività sta costruendo qualcosa di molto più importante del programma che ha davanti: sta imparando a ragionare.

Se eliminiamo completamente quella fatica, rischiamo di eliminare anche una parte dell’apprendimento.

Non riguarda soltanto l’informatica

Questo discorso, ovviamente, non vale solo per chi programma.

Un medico che utilizza un sistema di intelligenza artificiale deve conoscere meno medicina? Un avvocato che utilizza l’AI per analizzare dei documenti può permettersi di conoscere meno diritto? Un ingegnere può smettere di studiare matematica e fisica perché esistono software che fanno i calcoli al posto suo?

Direi esattamente il contrario.

Più diventano potenti gli strumenti che utilizziamo, più diventa importante essere in grado di valutarne il lavoro.
Altrimenti smettiamo di governare lo strumento e iniziamo semplicemente ad accettare quello che ci propone.
Per questo non vedo l’intelligenza artificiale come un sostituto della conoscenza. La vedo come un suo amplificatore.

Una persona competente che utilizza bene l’AI può fare cose straordinarie: lavorare più velocemente, esplorare più soluzioni, automatizzare attività ripetitive e concentrarsi sui problemi davvero importanti.
Una persona che invece delega tutto ciò che non conosce rischia di diventare molto efficiente nel produrre risultati che non è in grado di valutare.

E questa non mi sembra una grande conquista.

Conoscere significa poter scegliere

Alla fine, il punto per me è tutto qui.

Continuo a pensare che valga la pena studiare informatica. Vale la pena imparare a programmare, studiare algoritmi, capire come funziona un computer, come viaggiano i dati in rete, come funziona un database e perché un programma si comporta in un certo modo.

Non nonostante l’intelligenza artificiale.

Proprio perché esiste l’intelligenza artificiale.

La conoscenza ci permette di capire quando fidarci di una risposta e quando approfondire, quando una soluzione è adeguata e quando non lo è, quando l’AI ci sta facendo davvero risparmiare tempo e quando invece ci sta portando molto velocemente nella direzione sbagliata.

Gli strumenti cambieranno. Quelli che oggi ci sembrano rivoluzionari tra qualche anno saranno probabilmente normali, e ne arriveranno altri ancora più potenti.
Ma una cosa continuerà a fare la differenza: capire quello che abbiamo davanti.

Perché più conosciamo, più possiamo scegliere. E più possiamo scegliere, più siamo noi a governare la tecnologia, e non il contrario.

È per questo che, anche nell’era dell’intelligenza artificiale, vale ancora la pena studiare informatica.

Forse vale la pena studiarla ancora meglio.