Cosa ci insegnano i boom tecnologici del passato sull’IA

Il ciclo delle infrastrutture si ripete

La Silicon Valley sostiene spesso che le sue ultime scoperte siano senza precedenti. Non è così. L’attuale ondata di intelligenza artificiale rispecchia l’espansione ferroviaria dell’Ottocento e il boom delle dot-com della fine degli anni ’90. Stiamo assistendo a un enorme cambiamento nel modo in cui fluisce il capitale e in cui si centralizza la potenza di calcolo. Si tratta di capire chi possiede l’infrastruttura del futuro. Gli Stati Uniti sono in testa perché hanno le tasche più profonde e i cloud provider più aggressivi. La storia insegna che chi controlla i binari o i cavi in fibra ottica finisce per dettare le condizioni per tutti gli altri. L’IA non è diversa. Segue un percorso ben tracciato di costruzione di infrastrutture seguito da un rapido consolidamento. Comprendere questo schema ci aiuta a guardare oltre l’hype e a identificare dove risiede il vero potere in questo nuovo ciclo. Il concetto chiave è semplice: non stiamo solo costruendo software più intelligenti, stiamo costruendo una nuova utility che sarà fondamentale quanto l’elettricità o internet. I vincitori saranno coloro che controlleranno l’hardware fisico e gli enormi dataset necessari per mantenere operativi questi sistemi.

Dai binari in acciaio alle reti neurali

Per capire l’IA oggi, guardiamo al boom delle ferrovie americane. A metà dell’Ottocento, enormi quantità di capitale furono investite nella posa di binari in tutto il continente. Molte aziende fallirono, ma i binari rimasero. Quei binari formarono le fondamenta per il secolo successivo di crescita economica. L’IA si trova attualmente nella fase di posa dei binari. Invece di acciaio e vapore, usiamo silicio ed elettricità. Gli ingenti investimenti di aziende come Microsoft e Google stanno costruendo i cluster di calcolo che supporteranno ogni altro settore. Si tratta di una classica operazione infrastrutturale. Quando una tecnologia richiede un capitale immenso per iniziare, favorisce naturalmente i grandi player consolidati. Ecco perché poche aziende negli Stati Uniti dominano il campo. Hanno il denaro per acquistare i chip e il terreno per costruire i data center. Hanno anche le basi di utenti esistenti per testare i loro modelli su larga scala. Questo crea un feedback loop in cui i player più grandi ottengono più dati, il che rende i loro modelli migliori, attirando così più utenti.

Spesso le persone scambiano l’IA per un prodotto a sé stante. È più corretto vederla come una piattaforma. Proprio come internet ha avuto bisogno della [external-link] storia di internet per passare da progetto militare a utility globale, l’IA si sta spostando dai laboratori di ricerca alla spina dorsale delle operazioni aziendali. La transizione sta avvenendo più velocemente rispetto ai cicli precedenti perché la rete di distribuzione esiste già. Non abbiamo bisogno di posare nuovi cavi per raggiungere gli utenti. Dobbiamo solo aggiornare i server alla fine delle linee. Questa velocità è ciò che rende il momento attuale diverso, anche se i modelli economici sottostanti sono familiari. La concentrazione di potere è una caratteristica di questa fase, non un bug. La storia suggerisce che una volta impostata l’infrastruttura, l’attenzione si sposta dalla costruzione dei sistemi all’estrazione di valore da essi. Ci stiamo avvicinando a quel punto di svolta.

Il vantaggio del capitale americano

L’impatto globale dell’IA è legato direttamente a chi può permettersi il conto. Al momento, si tratta principalmente degli Stati Uniti. La profondità dei mercati dei capitali americani consente un livello di rischio che altre regioni faticano a eguagliare. Questo crea un divario significativo nel potere delle piattaforme. Quando una manciata di aziende controlla il cloud, controlla effettivamente le regole del gioco per tutti gli altri. Ciò ha profonde implicazioni per la sovranità nazionale e la competizione globale. I paesi che non dispongono di una propria infrastruttura di calcolo su larga scala devono noleggiarla dai provider americani. Questo crea un nuovo tipo di dipendenza. Non si tratta più solo di licenze software, ma di accesso alla potenza di elaborazione necessaria per far funzionare un’economia moderna. Questa centralizzazione del potere è un tema ricorrente nella storia della tecnologia.

Ci sono tre ragioni principali per cui questo potere rimane concentrato in poche mani:

• Il costo per addestrare un modello di punta raggiunge ormai i miliardi di dollari.
• L’hardware specializzato richiesto è prodotto da un numero molto limitato di produttori.
• Gli enormi requisiti energetici dei data center favoriscono le regioni con reti elettriche stabili ed economiche.

Questa realtà contraddice l’idea che l’IA sarà un grande equalizzatore. Sebbene gli strumenti stiano diventando più accessibili agli individui, il controllo sottostante rimane più consolidato che mai. I governi stanno iniziando a notare questo squilibrio. Stanno guardando a precedenti storici come lo [external-link] Sherman Antitrust Act per vedere se le vecchie leggi possono gestire i nuovi monopoli. Tuttavia, la velocità industriale sta attualmente superando la politica. Nel momento in cui una regolamentazione viene discussa e approvata, la tecnologia è spesso già due generazioni avanti. Questo crea un ritardo permanente in cui la legge reagisce sempre a una realtà che è già cambiata.

Quando il software corre più veloce della legge

L’impatto reale di questa velocità è visibile nel modo in cui le aziende sono costrette ad adattarsi. Consideriamo la giornata tipo di una piccola agenzia di marketing a Chicago. Cinque anni fa, assumevano scrittori junior per redigere testi e ricercatori per individuare i trend. Oggi, il proprietario utilizza un singolo abbonamento a una piattaforma di IA per gestire il settanta percento di quel carico di lavoro. La mattina inizia con un riassunto generato dall’IA sui cambiamenti del mercato globale. Entro mezzogiorno, il sistema ha elaborato trenta diverse varianti di annunci basate su quei cambiamenti. Il personale umano ora agisce come editor e stratega piuttosto che come creatore. Questo cambiamento sta avvenendo in ogni settore, dal legale alla medicina. Aumenta l’efficienza, ma crea anche una massiccia dipendenza dal fornitore della piattaforma. Se il fornitore cambia i prezzi o i termini di servizio, l’agenzia di marketing non ha altra scelta che adeguarsi. Hanno integrato lo strumento così profondamente nel loro flusso di lavoro che non possono tornare facilmente al lavoro manuale.

Questo scenario mostra perché la politica fatica a stare al passo. I regolatori sono ancora preoccupati per la privacy dei dati e il copyright, mentre l’industria si sta già muovendo verso agenti autonomi in grado di prendere decisioni finanziarie. La velocità industriale dello sviluppo dell’IA è guidata da una corsa alla quota di mercato. Le aziende sono disposte a rompere le cose ora e aggiustarle dopo, perché arrivare secondi in una corsa alle infrastrutture equivale spesso ad arrivare ultimi. Lo abbiamo visto con le browser wars e l’ascesa dei social media. I vincitori sono coloro che si muovono abbastanza velocemente da diventare lo standard predefinito. Una volta diventati lo standard, è molto difficile essere sostituiti. Questo crea una situazione in cui l’interesse pubblico è spesso secondario rispetto alla spinta verso la scala. La contraddizione è che vogliamo i benefici della tecnologia, ma siamo diffidenti verso il potere che essa conferisce a poche corporation.

L’ultima analisi del settore IA su [internal-link] ultima analisi del settore IA suggerisce che stiamo entrando in una fase di profonda integrazione. È qui che la tecnologia smette di essere una novità e inizia a diventare un requisito. Per un’azienda, non utilizzare l’IA sarà presto come non usare internet nel 2010. Potrebbe essere possibile, ma incredibilmente inefficiente. Questa pressione ad adottarla è ciò che guida la rapida crescita, anche quando le conseguenze a lungo termine non sono chiare. Stiamo assistendo a una ripetizione dei primi anni 2000, quando le aziende si precipitavano online senza comprendere appieno i rischi per la sicurezza o la privacy. La differenza oggi è che la scala è molto più ampia e la posta in gioco è più alta. I sistemi che stiamo costruendo ora probabilmente governeranno il modo in cui lavoriamo e comunichiamo per i prossimi decenni.

Domande difficili per l’era del calcolo

Dobbiamo applicare lo scetticismo socratico all’attuale boom. Quali sono i costi nascosti di questa rapida espansione? Il più ovvio è l’impatto ambientale. Il [external-link] rapporto dell’Agenzia Internazionale dell’Energia sui data center evidenzia quanto potere consumino questi sistemi. Man mano che costruiamo più data center, mettiamo sotto pressione le reti elettriche obsolete. Chi paga per quell’infrastruttura? Le aziende che fanno miliardi o i contribuenti che condividono la rete? C’è anche la questione del lavoro sui dati. Questi modelli sono addestrati sull’output collettivo dell’umanità, spesso senza consenso o compensazione. È giusto che poche aziende privatizzino il valore dei dati pubblici? Dobbiamo chiederci chi beneficia veramente di questa efficienza. Se un compito che richiedeva dieci ore ora ne richiede dieci minuti, il lavoratore ottiene più tempo libero o ottiene solo dieci volte più lavoro?

La privacy è un’altra area in cui i costi sono spesso nascosti. Per rendere l’IA più utile, le diamo più accesso alle nostre vite personali e professionali. Scambiamo i nostri dati per comodità. La storia insegna che una volta ceduta la privacy, è quasi impossibile riaverla. Lo abbiamo visto con l’ascesa di internet supportato dalla pubblicità. Ciò che era iniziato come un modo per trovare informazioni si è trasformato in un sistema di sorveglianza globale. L’IA ha il potenziale per spingersi ancora oltre. Se un’IA sa come pensi e come lavori, può influenzare le tue decisioni in modi difficili da rilevare. Questi non sono solo problemi tecnici. Sono dilemmi sociali ed etici che richiedono più di una semplice patch software. Dobbiamo decidere se la velocità del progresso valga la perdita dell’autonomia individuale. Le risposte a queste domande determineranno il tipo di società in cui vivremo una volta che il boom dell’IA si sarà stabilizzato nella sua fase matura.

La meccanica del layer dei modelli

Per chi guarda al lato tecnico, l’attenzione si sta spostando dalla dimensione del modello all’integrazione nel flusso di lavoro. Stiamo assistendo a un allontanamento da modelli massicci e generalisti verso quelli più piccoli e specializzati che possono girare su hardware locale. Questa è una risposta agli alti costi e alla latenza delle API basate su cloud. Gli utenti esperti cercano sempre più modi per aggirare i limiti imposti dai principali provider. Ciò include la gestione dei rate limit delle API e la ricerca di modi per archiviare i dati localmente per garantire privacy e velocità. L’integrazione dell’IA negli strumenti esistenti è dove sta avvenendo il vero lavoro. Non si tratta di chattare con un bot. Si tratta di avere un modello in grado di leggere i tuoi file locali, comprendere il tuo stile di programmazione specifico e suggerire modifiche in tempo reale. Ciò richiede un tipo di architettura diverso da quello utilizzato per gli strumenti web pubblici.

Le sfide tecniche per i prossimi anni includono:

• Ottimizzare i modelli per girare su GPU di livello consumer senza perdere troppa precisione.
• Sviluppare modi migliori per gestire la memoria a lungo termine negli agenti IA in modo che possano ricordare il contesto per settimane o mesi.
• Creare protocolli standardizzati affinché diversi sistemi di IA possano comunicare tra loro.

Stiamo anche assistendo a un aumento dell’ *inferenza locale* come modo per mantenere il controllo sui dati sensibili. Eseguendo modelli su una macchina locale, un utente può garantire che le proprie informazioni proprietarie non lascino mai l’edificio. Questo è particolarmente importante per settori come il legale e la finanza, dove la sicurezza dei dati è fondamentale. Tuttavia, l’hardware locale è ancora in ritardo rispetto ai massicci cluster posseduti dai giganti del cloud. Questo crea un sistema a due livelli. I modelli più potenti rimarranno nel cloud, mentre versioni più efficienti e meno capaci gireranno localmente. Bilanciare questi due mondi è la prossima grande sfida per gli sviluppatori. Devono decidere quando utilizzare la potenza bruta del cloud e quando dare priorità alla privacy e alla velocità del calcolo locale. Questa tensione tecnica guiderà gran parte dell’innovazione nei prossimi anni.

Hai una storia, uno strumento, una tendenza o una domanda sull'IA che pensi dovremmo trattare? Inviaci la tua idea per un articolo — ci piacerebbe sentirla.

La storia incompiuta della scala

La storia della tecnologia è una storia di consolidamento. Dalle ferrovie a internet, vediamo uno schema di esplosione seguito dal controllo. L’IA è attualmente nel mezzo di questo ciclo. L’angolazione americana è dominante perché le risorse necessarie per questa fase di crescita sono concentrate lì. Tuttavia, la storia non è finita. Man mano che la tecnologia matura, vedremo nuove sfide a questo potere delle piattaforme. Se ciò avverrà tramite regolamentazione, nuove scoperte tecniche o un cambiamento nel modo in cui valutiamo i nostri dati, resta da vedere. La domanda viva è se possiamo godere dei benefici di questa nuova infrastruttura senza rinunciare alla concorrenza e alla privacy che rendono possibile un’economia sana. Stiamo costruendo le fondamenta del prossimo secolo. Dovremmo stare molto attenti a chi ne detiene le chiavi.

Nota dell'editore: Abbiamo creato questo sito come un hub multilingue di notizie e guide sull'IA per le persone che non sono esperti di computer, ma che desiderano comunque comprendere l'intelligenza artificiale, usarla con maggiore fiducia e seguire il futuro che sta già arrivando.