Lo sviluppo dell’intelligenza artificiale è giunto a un punto morto?

Negli ultimi giorni, la comunità tecnica ha assistito ad un ampio dibattito sullo sviluppo di modelli di intelligenza artificiale generativa, con leader di spicco del settore che hanno rilasciato dichiarazioni sul possibile futuro di questa tecnologia. Alcuni hanno indicato che i miglioramenti dell’intelligenza artificiale hanno raggiunto il loro limite, mentre altri hanno sottolineato che ci sono prospettive promettenti per lo sviluppo futuro.

Tra coloro che hanno commentato la questione c’è Sam Altman, CEO di OpenAI, che in un post sulla piattaforma X ha sottolineato che “non esiste un muro” che limiti lo sviluppo dell’intelligenza artificiale, indicando che non ci sono limiti al suo progresso. Da parte sua, Eric Schmidt, ex amministratore delegato di Google, è d'accordo con questa opinione, sottolineando che i grandi modelli linguistici vedranno enormi sviluppi nei prossimi cinque anni, poiché la loro potenza potrebbe moltiplicarsi fino a 50 o 100 volte.

Inoltre, Dario Amodei, CEO di Anthropic, e Jensen Huang, CEO di NVIDIA, hanno espresso il loro rifiuto delle notizie che indicano un rallentamento nel progresso dell'intelligenza artificiale. In questo contesto, Ilya Sutskever, co-fondatore di OpenAI, ha confermato che gli sforzi per scalare la formazione dei modelli hanno raggiunto una fase di saturazione, sottolineando che il suo team presso SSI sta lavorando su un approccio alternativo per affrontare queste sfide.

Marc Andreessen, cofondatore di a16z, ha invece sottolineato che la maggior parte dei modelli di intelligenza artificiale attualmente disponibili sul mercato hanno raggiunto un livello di prestazioni simile, il che limita la concorrenza tra loro. Ciò rappresenta una sfida per l’industria tecnologica, che ha investito molto nella costruzione di data center e centrali nucleari per sostenere questo sviluppo. Se si scoprisse che gli attuali metodi di formazione non producono più i risultati attesi, come potranno le aziende giustificare questi ingenti investimenti?

Queste discussioni sono di grande importanza dato l’impatto dell’intelligenza artificiale in diversi settori come l’economia, la sanità e l’istruzione, nonché il suo impatto significativo sugli investimenti effettuati in questo settore. Tuttavia, la domanda cruciale rimane: come potranno le aziende superare le sfide attuali per raggiungere la super-intelligenza artificiale?

Le sfide per raggiungere un’intelligenza artificiale superiore
Molti esperti del settore concordano sul fatto che la chiave del progresso risiede nell’esplorazione di nuovi tipi di dati, nello sviluppo di sistemi capaci di ragionamento logico e nel miglioramento dei modelli per renderli più piccoli e più specializzati. Una delle principali sfide che le aziende devono affrontare nello sviluppo di modelli linguistici di grandi dimensioni è la scarsità di dati e la difficoltà di ottenere le unità di elaborazione grafica (GPU) necessarie per addestrare questi modelli. A causa dell’elevata domanda di queste unità, le aziende stanno riscontrando lunghi ritardi nell’ottenimento delle stesse, il che ostacola i progressi.

Un’altra sfida è la scarsità di dati di alta qualità, che è fondamentale per lo sviluppo di modelli. Alcuni hanno sottolineato che stiamo esaurendo i dati testuali disponibili online e questo problema potrebbe rendere molto difficile continuare la formazione dei modelli linguistici.

Passaggio ai dati sintetici
Di fronte a queste sfide, i ricercatori hanno iniziato a passare dal concentrarsi sulla quantità dei dati a concentrarsi sulla loro qualità. Questo cambiamento ha portato all’interesse per i dati sintetici generati dagli stessi modelli di intelligenza artificiale e fornisce una soluzione innovativa al problema della mancanza di dati di alta qualità. Tuttavia, l’uso di dati sintetici non è privo di rischi e i ricercatori devono affrontare sfide nel trovare un equilibrio adeguato per evitare problemi nelle prestazioni del modello.

Concentrarsi sul ragionamento e sul ragionamento
Insieme ai progressi nei dati, l’attenzione si è spostata verso il miglioramento della capacità dei modelli di ragionare e ragionare, nota come ragionamento logico. Questa trasformazione consentirà ai modelli di gestire compiti più complessi e darà loro la capacità di comprendere i significati dietro le parole. Alcune aziende come Microsoft hanno svelato nuovi metodi come il “test-time computing”, che mira a migliorare l’accuratezza dei modelli dando loro più tempo per elaborare query complesse.

La realtà dello sviluppo nell'intelligenza artificiale
Molti esperti hanno spiegato che il progresso dell’intelligenza artificiale segue uno schema logaritmico, il che significa che ogni passo verso lo sviluppo richiede maggiori risorse rispetto al passo precedente. Questa tendenza potrebbe rallentare il ritmo di sviluppo in futuro, il che aumenterà significativamente i costi. Secondo le proiezioni, nei prossimi anni i costi di formazione per i modelli più importanti potrebbero variare da 1 a 10 miliardi di dollari, sollevando interrogativi sulla volontà degli investitori di lavorare con costi così elevati.

Tuttavia, la risposta a queste domande rimane poco chiara, poiché le aziende anticipano lo sviluppo della super-intelligenza artificiale, alcuni clienti si trovano ad affrontare la frustrazione per la lentezza dei progressi, che potrebbe portarli a cercare altre opzioni. Ciò solleva un’importante questione psicologica ed economica: i clienti saranno disposti ad aspettare questo progresso o si sentiranno frustrati e cercheranno alternative?