Puoi investire solo una certa somma di denaro in un problema. Questo sentimento è rispecchiato in un recente sondaggio tra i ricercatori di intelligenza artificiale (IA). Quando è stato chiesto se "aumentare" i metodi di IA esistenti potesse portare allo sviluppo di un'intelligenza artificiale generale (AGI)—un tipo di IA in grado di eguagliare o superare le capacità cognitive umane—un sorprendente 76% degli intervistati ha ritenuto che fosse "improbabile" o "molto improbabile" che avesse successo. Il sondaggio, che ha incluso risposte da 475 ricercatori di IA ed è stato condotto da scienziati dell'Associazione per il Progresso dell'Intelligenza Artificiale, è stato pubblicato in un nuovo rapporto. I risultati mettono fortemente in discussione la strategia preferita dall'industria tecnologica di ottenere progressi nell'IA aumentando l'hardware per i modelli generativi e i data center che li supportano. Con l'AGI proclamata come l'obiettivo finale per i sviluppatori di IA, la visione prevalente è che l'aumento delle capacità sia ampiamente considerato un approccio inefficace. Stuart Russell, un informatico dell'Università della California, Berkeley, coinvolto nell'organizzazione del rapporto, ha commentato a NewScientist: “I vasti investimenti nell'aumento delle capacità, senza paralleli sforzi per comprendere i meccanismi sottostanti, mi sono sempre sembrati fuorvianti. Circa un anno fa, è diventato chiaro a tutti che i vantaggi dello scaling convenzionale avevano raggiunto un plateau. ” Massive risorse finanziarie circolano nella corsa agli armamenti dell'IA, con gli investimenti nell'IA generativa che superano i 56 miliardi di dollari in capitale di rischio solo nel 2024, secondo TechCrunch. Una parte significativa di questo è destinata alla costruzione e manutenzione dei grandi data center necessari per i modelli generativi.

È notevole che Microsoft abbia promesso 80 miliardi di dollari per l'infrastruttura dell'IA entro il 2025. Questo aumento della spesa comporta una domanda energetica altrettanto sorprendente. Microsoft ha recentemente firmato un contratto per attivare un intero impianto nucleare per fornire energia ai suoi data center, mentre concorrenti come Google e Amazon hanno anche avviato importanti partnership nel settore dell'energia nucleare. L'assunzione che lo scaling possa migliorare indefinitamente l'IA è sempre stata precaria. Una recente sfida da parte della startup cinese DeepSeek, che ha sviluppato un modello di IA in grado di competere con i principali chatbot multimiliardari occidentali a una frazione del costo e dell'energia, esemplifica questo concetto. Avvertimenti riguardo a limitazioni imminenti erano emersi precedentemente. A novembre, rapporti indicavano che OpenAI aveva scoperto che l'ultima versione del suo modello di linguaggio GPT mostrava miglioramenti significativamente inferiori, o in alcuni casi, nessun miglioramento rispetto ai suoi predecessori. A dicembre, il CEO di Google, Sundar Pichai, ha dichiarato pubblicamente che i progressi facili nell'IA erano "finiti", ma ha affermato che non c'era motivo di "continuare semplicemente ad aumentare". Alla luce di ciò, ora si stanno esplorando strategie più efficienti e convenienti. OpenAI ha adottato un metodo noto come calcolo al momento del test con i suoi modelli più recenti, che consente all'IA di dedicare tempo extra a "pensare" prima di selezionare la miglior soluzione, portando a un miglioramento che altrimenti avrebbe richiesto un'espansione significativa, secondo i ricercatori. Tuttavia, l'informatico dell'Università di Princeton, Arvind Narayanan, ha avvertito NewScientist che questo metodo è "improbabile che sia una panacea". D'altra parte, DeepSeek ha innovato un approccio chiamato "miscela di esperti", utilizzando più reti neurali specializzate—ognuna un "esperto" nel proprio campo—per derivare soluzioni, piuttosto che fare affidamento su un singolo modello "generalista". Tuttavia, con l'impegno continuo di Microsoft a investire miliardi nei data center, sembra che l'aumento forzato delle capacità continuerà a essere il metodo preferito per i giganti dell'industria, mentre startup più agili cercheranno modi innovativi per raggiungere una maggiore efficienza con meno risorse. Maggiore sull'IA: La Cina annuncia che tutto il materiale generato dall'IA deve essere etichettato online.