Secondo la classifica dei più ricchi di Forbes (molto ambita da quelli che giocano in quella serie) 7 dei primi 10 nomi appartengono all’High Tech. La somma dei valori dei loro patrimoni supera i 1.500 miliardi di dollari (USD), suppergiù il PIL della Spagna o dell’Australia (fonte: macrotrends.net).
A seguire nell’elenco trovate nomi di imprenditori delle più varie attività e nazionalità, da quella mineraria al commercio, dalle Filippine all’Italia. Ma è un caso che quei sette sono tutti negli USA?
Giocando ad essere Gigi Proietti nel film “Febbre da cavallo”, metterei gli occhi su un cavallo da corsa posizionato giù giù giù nella classifica. In 2568esima posizione, con “appena” 1 miliardo di dollari di patrimonio e appena 38 anni di età, si trova un genietto che ha appena dichiarato una cosa che se si dovesse rivelare vera nel giro dei prossimi 2-3 anni lo potrebbe catapultare tra quei primi dieci, oltre a conferirgli una trentina di lauree honoris causa, due o tre premi Nobel e il titolo di Cavaliere.
In caso contrario, si dovrà accontentare di un Oscar per il miglior attore protagonista del film di fantascienza “La mia mandrakata”.
Abbiamo sentito parlare di Sam Altman in diverse occasioni, l’ultima delle quali, pochi giorni orsono, quando l’amico Elon Musk gli ha offerto 97,4 miliardi di dollari per comprarsi la società che ha contribuito a fondare: OpenAI, il creatore di GPT, forse uno dei migliori applicativi di Intelligenza Artificiale del momento. Tralascio le botte e risposte tra i due, per concentrarmi su più recenti dichiarazioni di Altman.
Presentando la versione aggiornata di GPT 5, ha precisato che gli sviluppi nell’Intelligenza Artificiale (AI) avanzano a ritmi molto sostenuti. In campo scientifico, nel giro di pochi anni sarà possibile comprimere in un solo anno il progresso ottenuto in dieci. E, visti i suoi precedenti, c’è da credergli.
Il meccanismo è semplice. Ogni rilascio di un programma crea una quantità aggiuntiva di dati, che una volta archiviati e strutturati sono poi utilizzati per seguire le istruzioni che i programmatori daranno. Con il supporto di macchinari computazionali (supercomputer per intendersi) sempre più veloci e sofisticati, aumenta la capacità dei programmatori di formulare algoritmi più complessi, fornendo risultati che altrimenti richiederebbero mesi o anni.
Il miglioramento progredisce di anno in anno ma tende, dopo un po', a diminuire finché non arriva la trovata che consente il salto a un livello di prestazioni superiore. Questo fa sì che il costo di una generazione di AI tenda a diminuire nel tempo e ciò consente un maggiore utilizzo e diffusione, che crea ancora più dati e così via. Altman dice che la velocità nello sviluppo è di 12 mesi e ciò che paghi il 1° gennaio lo potrai aver gratis il 31 dicembre. (Pensate al lancio di Deepseek).
Se ciò fosse vero, e pare che lo sia, si apre una nuova frontiera per lo sviluppo e applicazione dell’AI. Assisteremo, come già assistiamo, al fenomeno di un maggiore numero di aziende, anche piccole, che svilupperanno nuove applicazioni. Ciò aumenta ancora di più l’utilizzo, ovvero la concorrenza tra ideatori di applicazioni, che genera ulteriore ricerca e innovazioni. Per di più nei campi più svariati, dalla contabilità alla ricerca biologica.
Gli USA sono un terreno fertile da questo punto di vista, per più ragioni. Le strutture di ricerca sono infinite; la figura del “Venture Capitalist” è comune quanto il nostro parroco; le “startup” sono un modus vivendi e le normative in materia sono agevoli; il senso degli affari è una caratteristica genetica della popolazione USA. L’elemento principale è che l’industria è già avanzata nel paese, per cui nessuno parte da zero. Un po' come dire che mentre un ricercatore in Italia è al secondo piano della sua costruzione, un analogo ricercatore negli USA parte dal quinto se non dal decimo.
Gli effetti socio-economici di questo sviluppo possono essere strabilianti. Si procede non più in modo lineare ma in modo esponenziale, per cui ogni versione di AI non sarà due volte più potente della precedente ma magari 10 volte. Il che rende il campo di applicazione dell’AI infinitamente grande.
La visione di Sam Altman lo rende un “tecno-optimist”, un ottimista tecnologico, o, forse meglio, un tecnologico ottimista, nel senso che focalizza la sua visione su un uso dell’AI a beneficio dell’umanità. Certamente, “business is business” ma senza dubbio il beneficio dell’effetto valanga del progresso è maggiore degli effetti collaterali che, a pensarci bene, possono (se si vuole) essere gestiti.
Come?
Ad esempio, con l’Indice Economico Antropico (Anthropic Economic Index), un indice che misura chi e in che modo utilizza l’AI.
Sviluppato da un gruppo di ricercatori della famiglia di OpenAI, Anthropic è una società guidata da Dario Amodei (frenate il vostro orgoglio patriottico, Amodei è statunitense solo di origine italiano), che, con un programma chiamato “Claude”, rigidamente compresso in ogni possibile accorgimento di riservatezza, ha analizzato le interlocuzioni tra gli oltre 4 milioni di operatori che hanno aderito alla ricerca e i sistemi di AI utilizzati. Tra i risultati ottenuti (leggetevi la ricerca “Which Economic Tasks are Performed with AI?”) il 57% utilizza l’AI per scopi di realtà aumentata, e il 43% per operazioni di automazione. In altre parole, i primi l’utilizzano per meglio comprendere un risultato o per ripetere una ricerca, i secondi l’utilizzano per ridurre l’onere umano nello svolgerla.
Al di là dei risultati, molto curiosi, quel che conta è sicuramente la metodologia di funzionamento e la possibilità di inferenze utili per politiche varie. Ad esempio, tra i risultati ottenuti è la relazione tra retribuzione degli interlocutori e il loro uso dell’AI. Classi di reddito elevate sono associate all’uso con caratteristiche di realtà aumentata, mentre per redditi più bassi la si usa in sostituzione del lavoro umano. Il che suggerisce che i primi sono più ricercatori e i secondi magari sono lavoratori con mansioni più impiegatizie.
Potete immaginare che risultati di questo genere possono indirizzare investimenti di ricerca, guidare politiche occupazionali e di istruzione scolastica nonché generare una miriade di iniziative imprenditoriali di ogni sorta.
E questo ci riconduce a OpenAI e a Chat GPT, specie se si rende lo strumento accessibile a studenti, ricercatori e più operatori possibile, come già avviene negli USA. L’effetto moltiplicativo del progresso, quella valanga di cui si parlava, è garantito, per di più con fondi e iniziative di privati. (Una nota polemica verso politiche le europee è intenzionale!)
Non stiamo parlando di quisquilie. Pensate: in ballo c’è la scoperta di ciò che regola la molecola fondamentale della vita: la proteina (di cui però non sono in grado di spiegarvi alcunché).
Sicuramente avete in mente l’immagine della stringa del DNA, quella che sembra una scala a pioli attorcigliata su sé stessa. Immaginate una simile stringa costituita da aminoacidi (le molecole alla base delle proteine) che, sotto diversi effetti fisici, chimici ed elettrostatici inizia a ripiegare su sé stessa dandole una dimensione tri-dimensionale. Configurare questa struttura è stato il cruccio della scienza sin dagli anni 1950 in quanto questa forma determina lo scopo della proteina.
La proteina è l’elemento essenziale di ogni forma di vita, scoprire come si formano le strutture è essenziale per comprendere come si svilupperà la molecola e la sua funzione. È così che nel 1958 è stato scoperto la mioglobina e come questa trasporta l’ossigeno nei muscoli. Nei vent’anni successivi, con gli strumenti allora a disposizione, furono scoperte “solo” un centinaio di altre strutture.
Simulare in laboratorio la sequenza delle reazioni che danno origine alla struttura, e che in natura impiega attimi, richiede tempo, tecnologia e denaro. La caratteristica “deep learning” dell’AI serve proprio a questo scopo: “…è un metodo di intelligenza artificiale che insegna ai computer a elaborare i dati seguendo una modalità ispirata al cervello umano. I modelli di deep learning possono riconoscere immagini, testi, suoni e altri schemi di dati complessi per produrre approfondimenti e previsioni accurati.” (dal sito AWS di Amazon).
Inizialmente con strumenti quali Chat GPT si arrivò a scoprire circa 200.000 strutture, ma il salto arrivò nel 2020-21 con un modello previsionale chiamato Alphafold2, sviluppato nei laboratori di ricerca di Google Deepmind, con cui sono stati individuate circa 200.000.000 di strutture.
C’è ancora molto da scoprire. Comprendere che una reazione può accadere e in quali circostanze non necessariamente spiega il perché accade. L’evoluzione è adattamento, e ci sono voluti milioni di anni per differenziare un leone da una tigre o gli occhi degli orientali dagli europei.
È bene che l’umanità si adatti e accetti l’idea che l’AI non andrà via come una perturbazione. Forse è meglio vederla come una delle invenzioni che hanno rivoluzionato l’esistenza degli esseri umani come il fuoco, la ruota, la penicillina, e focalizzarsi sull’uso costruttivo che se ne può fare.
Sam Altman l’ha capito e l’ha dichiarato nella missione che la sua Open AI si propone: to build artificial general intelligence (AGI) that is safe and benefits all of humanity (costruire l’intelligenza artificiale generale sicura e a beneficio dell’intera umanità).
Non so per voi, ma per me l’amico Sam è già in testa alla Top Ten!