L'AI si fa seria: quando la rivoluzione smette di essere solo hype

Apple ha formato un nuovo team chiamato "Answers, Knowledge, and Information" per sviluppare un motore di risposta AI che possa competere direttamente con ChatGPT. Secondo Mark Gurman di Bloomberg, questo sistema potrebbe essere integrato in Siri, Safari e altri prodotti Apple, o funzionare come app standalone.

La mossa arriva mentre Apple continua a ritardare gli aggiornamenti più ambiziosi di Siri basati sull'AI. Nonostante l'integrazione esistente di ChatGPT in Siri, Cupertino vuole chiaramente il controllo totale della propria infrastruttura AI. L'azienda sta attivamente reclutando esperti in algoritmi di ricerca e sviluppo di motori.

Quello che non vi stanno dicendo è che questo potrebbe anche essere una mossa difensiva. Con la sconfitta antitrust di Google, Apple potrebbe dover rivedere il suo lucroso accordo di ricerca con Mountain View. Un motore AI proprietario non è solo una questione di innovazione - è una questione di sopravvivenza economica.

La domanda vera è: Apple riuscirà a recuperare il terreno perso, o arriverà troppo tardi in una partita dove l'esperienza conta più del design elegante?

OpenAI non si accontenta più di ChatGPT. L'obiettivo ora sono gli agenti AI che possono eseguire compiti complessi come farebbe un umano. Il team MathGen, che inizialmente lavorava sui problemi di matematica delle superiori, è diventato il nucleo dello sviluppo dei modelli di ragionamento o1 - la tecnologia che alimenta questi agenti.

La svolta è arrivata nel 2023 con "Strawberry" (inizialmente chiamato "Q"), che combina large language models, reinforcement learning e test-time computation.* Questo permette ai modelli di pianificare, verificare i propri passaggi e correggere gli errori prima di fornire una risposta. Un modello OpenAI ha recentemente vinto una medaglia d'oro alle Olimpiadi Internazionali di Matematica.

Ma c'è un problema: gli agenti attuali funzionano bene solo su compiti verificabili come il coding, mentre faticano con attività soggettive come lo shopping online. "È un problema di dati", ammette Hunter Lightman di OpenAI. "Stiamo lavorando su come addestrare modelli per compiti meno verificabili."

La vera sfida non è tecnica, è economica. Mark Zuckerberg sta offrendo pacchetti da oltre 100 milioni di dollari per rubare i ricercatori di o1. Cinque di loro sono già passati a Meta.

Il coding junior come lo conosciamo è morto. Compiti che erano il pane quotidiano degli sviluppatori alle prime armi - scripting ripetitivo, layout HTML, setup DevOps semplici - sono ora gestiti in modo affidabile da assistenti AI come GitHub Copilot e Amazon CodeWhisperer.

Non è solo un upgrade di velocità ed efficienza. È un cambiamento strutturale che sta eliminando il primo gradino della scala professionale. I principianti che entrano nel settore devono ora contribuire a un livello che prima richiedeva anni di esperienza. Non si tratta più solo di scrivere codice - si tratta di capire i sistemi, strutturare i problemi e lavorare con l'AI come un membro del team.

I team stanno cambiando radicalmente. Dove prima servivano ruoli chiaramente definiti - sviluppatore front-end, specialista back-end, ingegnere DevOps, tester QA - presto vedremo un singolo sviluppatore gestire un'intera pipeline con l'aiuto dell'AI. Gli sviluppatori potenziati dall'AI sostituiranno i grandi team necessari per far avanzare un progetto.

Ma c'è una via d'uscita: i developer più preziosi del futuro non saranno quelli che scrivono codice perfetto, ma quelli che sanno cosa dovrebbe essere costruito, perché è importante e come far sì che un sistema AI faccia la maggior parte del lavoro in modo pulito ed efficiente. In altre parole, il coder di domani assomiglia più a un product manager con solide competenze tecniche.

Per decenni abbiamo costruito tutto su hardware commodity e architetture scale-out. L'AI sta ribaltando questa filosofia. Le esigenze dell'AI generativa, basata su operazioni matematiche prevedibili su dataset massivi, stanno spingendo verso hardware specializzato - ASIC, GPU, TPU - che offrono miglioramenti di ordini di grandezza nelle prestazioni per dollaro e per watt.

Le reti Ethernet tradizionali e i protocolli TCP/IP non reggono più. I sistemi AI richiedono comunicazione "all-to-all" con bandwidth da terabit al secondo e latenze da nanosecondi che si avvicinano alle velocità della memoria locale. Ecco perché stanno emergendo interconnessioni specializzate come ICI per le TPU e NVLink per le GPU.

Il "memory wall" sta diventando un muro invalicabile. Anche la memoria ad alta larghezza di banda (HBM), che impila DRAM direttamente sul package del processore, ha limitazioni fondamentali. Il perimetro fisico del chip limita il flusso totale di dati, e spostare dataset massivi a velocità terabit crea vincoli energetici significativi.

La sostenibilità energetica è diventata il collo di bottiglia principale. L'accesso all'energia è ora il fattore limitante per scalare l'AI compute. Dobbiamo passare da un design focalizzato sulle prestazioni massime per chip a un approccio end-to-end focalizzato sulle prestazioni per watt su scala.

Demis Hassabis, premio Nobel e capo di Google DeepMind, non ha dubbi: l'AGI arriverà nei prossimi 5-10 anni, "possibilmente nella parte bassa di quella stima". Secondo lui, stiamo vivendo gli ultimi anni della civiltà pre-AGI, dopo i quali niente sarà più lo stesso.

La sua visione è di "abbondanza radicale" - progressi medici, superconduttori a temperatura ambiente, fusione nucleare, avanzamenti nei materiali e nella matematica. "Dovremmo essere in un mondo incredibile di abbondanza, forse per la prima volta nella storia umana, dove le cose non devono essere a somma zero."

Ma c'è un problema con questa utopia tecnologica: i data center AI del futuro richiederanno quantità astronomiche di acqua ed elettricità, proprio mentre il mondo affronta siccità e crisi climatica. La risposta di Hassabis? "Ci sono molti modi per risolvere questo. L'energia che otterremo indietro da questi modelli supererà di gran lunga i costi energetici."

Sulla disoccupazione di massa, Hassabis è più evasivo. Quando l'AI renderà il lavoro obsoleto, "dovremo appoggiarci ancora di più su sport, meditazione, arti. Avremo il tempo e le risorse per farlo." Una risposta che suona più come wishful thinking che come piano concreto per miliardi di lavoratori.