Nelle trafficate strade del distretto finanziario di Londra o nelle aule rumorose e affollate di liceali, l’ascesa dell’Intelligenza Artificiale (Ia) generativa ha catturato l’immaginazione di molti. Ma questo entusiasmo è giustificato? E cosa potrebbe significare per gli investitori?
L’emergere di set di dati di grandi dimensioni, l’architettura cloud e una nuova generazione di semiconduttori sempre più potenti mettono questa tecnologia nelle condizioni di estendersi ad ambiti nuovi. Secondo l’International Data Corporation, il mercato globale dell’Ia (hardware, software e servizi) dovrebbe crescere di quasi il 19% all’anno, quindi 900 miliardi di dollari entro il 2026.
Ma questi numeri raccontano solo una parte della storia. Il suo impatto economico potrebbe essere enorme: Goldman Sachs stima che, nel prossimo decennio, l’Ia potrebbe contribuire all’economia globale con circa 7 trilioni di dollari, in parte grazie al miglioramento della produttività che l’accompagna. Il segreto del suo successo? L’utilizzo del machine learning, per sviluppare autonomamente contenuti. Può quindi inventare personaggi e sviluppare storyline per i giochi online, redigere report finanziari ed elaborare richieste sempre più complesse per il servizio clienti.
L’esempio più importante è ChatGpt, sviluppata da OpenAi, un’azienda privata che ha Microsoft come azionista principale. Per i meno esperti, Gpt è l’acronimo di Generative Pre-trained Transformer (transformer generativo pre-addestrato), un tipo di modello linguistico di grandi dimensioni (Llm) addestrato su enormi set di dati di vario genere e non strutturati. Il chatbot Ia è in grado di utilizzare un nuovo processo di deep learning (detto trasformer) per fornire risposte apparentemente umane. OpenAi ha sviluppato anche una soluzione per la generazione di immagini (Dall-E 2) e un’altra per la generazione di vocali (Whisper).
Queste nuove tecnologie non sono spuntate dal nulla. I notevoli progressi negli ultimi due decenni, sono stati ottenuti grazie a vaste risorse di calcolo, allo sviluppo di microprocessori e ai progressi nelle tecnologie di archiviazione.
Monetizzare l’Intelligenza Artificiale.Presto si assisterà all’adozione degli Llm per uso commerciale. È ancora troppo presto per avere una visione chiara delle aziende in grado di trarne i maggiori vantaggi, ma è certo che le opportunità iniziali ricadranno su aziende che operano in tre settori tecnologici principali.
– Il cloud. L’Ia generativa è basata sui dati e necessita di una potente infrastruttura cloud fornita da grandi piattaforme, dette hyperscaler. Di queste fanno parte Aws (Amazon), Gcp (Google), Microsoft Azure e Meta (cloud privato). Insieme, rappresentano circa il 78% della capacità globale. Nei primi tre mesi del 2023, i ricavi dei servizi di infrastruttura cloud hanno raggiunto i 63,7 miliardi di dollari (un aumento su base annua di 10 miliardi).
– I semiconduttori. La potenza computazionale proviene principalmente dallo sviluppo delle unità di elaborazione grafica (Gpu) necessarie per eseguire modelli di Ia generativi; queste sono in grado di ottimizzare l’acquisizione di set di dati di grandi dimensioni grazie alle loro capacità di elaborazione parallela. Indipendentemente dalle Gpu, le aziende produttrici di semiconduttori e attrezzature per semiconduttori in genere trarranno grandi benefici, dall’aumento della domanda di semiconduttori per le necessità crescenti di soluzioni informatiche, di memoria e di rete. Inoltre, la produzione di questi semiconduttori sempre più complessi richiede attrezzature sempre più sofisticate, le cui vendite hanno superato i 100 miliardi nel 2022.
La società di chip Nvidia è stata uno dei principali beneficiari per alimentare gli algoritmi di Ia come ChatGpt, che funzionano con i chip acceleratori per datacenter di fascia alta dell’azienda, come l’A100 e il nuovo H100, che rappresentano ora oltre la metà dei ricavi di Nvidia. La maggior parte delle funzioni computazionali, tuttavia, è ancora eseguita dalle più semplici unità centrali di elaborazione (Cpu). In questo ambito il leader di mercato resta Intel, con però la californiana Amd che continua a crescere.
Che si tratti di Cpu o di Gpu, la domanda di chip sempre più avanzati cresce. Diventa però sempre più difficile renderli più piccoli, efficienti ed economici. Progettarne uno nuovo costa centinaia di milioni di dollari, e un aiuto può giungere, ironicamente, dall’Ia stessa grazie all’uso di strumenti di automazione della progettazione elettronica (Eda) sviluppati da aziende come Synopsys e Cadence. Synopsys ha lanciato un’intera suite di strumenti Eda, che hanno già progettato oltre 200 nuovi microchip.
– Software. Altre aziende che potrebbero emergere come vincitrici sono le case di software. Quelle che riusciranno a integrare l’Ia nei propri prodotti sono destinate a godere di un notevole vantaggio competitivo. GitHub Copilot di Microsoft è oggi il miglior esempio di efficientamento grazie all’impiego dell’Ia. Secondo Microsoft, gli sviluppatori che lo utilizzano sono stati più produttivi, fornendo risultati migliori in minor tempo (55% di meno), il tutto con un abbonamento di circa 100 dollari l’anno.
In gara c’è anche Adobe con il suo modello Firefly, che è addestrato su 175 milioni di immagini di archivio prive di copyright e rende possibile generarne di nuove prive di diritto d’autore. Per quanto riguarda i software per la sicurezza informatica, è possibile che il settore debba adattarsi all’utilizzo dell’Ia generativa per contrastare potenziali minacce. L’Ia permetterebbe di rilevare e rispondere agli attacchi in maniera più rapida. CrowdStrike e Palo Alto sono due delle aziende già impegnate a integrare la potenza dell’Ia nelle proprie piattaforme.
Un aumento dell’efficienza, una riduzione dei tempi di rilevamento e risposta agli attacchi. L’Ia generativa avrà un ruolo importante da svolgere nell’incrementare o eliminare del tutto molte delle attività di routine che gli agenti di sicurezza informatica affrontano nel loro quotidiano.
Ostacoli in vista. L’Ia racchiude tante promesse, ma anche pericoli. Ciò significa che la regolamentazione avrà un ruolo determinante nello sviluppo e nella diffusione di questa tecnologia. Già oggi c’è molta preoccupazione in merito all’affidabilità dei dati, alla violazione dei diritti d’autore, alla privacy e alla concentrazione di mercato. In determinati contesti, l’Ia è in grado di autoregolamentarsi. Modelli di Ia pre-addestrati vengono utilizzati, ad esempio, per moderare i contenuti, filtrando quelli ritenuti tossici. Prassi destinata a crescere.
Tuttavia, c’è anche preoccupazione su ciò che l’Ia potrebbe significare per i mezzi di sostentamento e se, in assenza di controlli, possa rappresentare una minaccia ben più grave per la società. Una regolamentazione ufficiale di questa tecnologia è quindi fondamentale e sia i Governi che le aziende se ne stanno occupando attivamente. I cofondatori di OpenAi hanno richiesto l’istituzione di un organismo paragonabile all’Agenzia Internazionale per l’Energia Atomica per ispezionare i sistemi, imporre audit, testare la conformità agli standard di sicurezza [e] disporre restrizioni sui gradi di implementazione e sui livelli di sicurezza.
La società di chip Nvidia è stata uno dei principali beneficiari per alimentare gli algoritmi di Ia come ChatGpt, che funzionano con i chip acceleratori per datacenter di fascia alta dell’azienda, come l’A100 e il nuovo H100, che rappresentano ora oltre la metà dei ricavi di Nvidia
Primi passi. Non c’è dubbio che si troveranno soluzioni. Pur tenendo conto dei rischi, l’Ia è oggi a un punto di svolta paragonabile ai primordi dell’iPhone: un evento che ha aperto la strada all’uso degli smartphone e delle applicazioni mobili e all’avvento di Aws come primo fornitore di cloud. E sta ora rivoluzionando la prossima generazione di start-up tech.
ChatGpt e simili hanno appena cominciato a sfiorare la superficie. Nel prossimo decennio l’Ia rivoluzionerà i modelli di business, guiderà l’efficienza operativa e darà vita a una differenziazione strategica. Anche se la strada sarà piena di ostacoli, l’Ia generativa è destinata a rimanere.