Le aziende della Silicon Valley devono puntare sulla ‘small AI’

Nonostante tutte le promesse dell’AI, la maggior parte delle aziende che la utilizzano non sta ancora offrendo un valore reale, né ai propri clienti né a se stessa. Dato che gli investitori sono desiderosi di vedere finalmente un ritorno sull’investimento nell’intelligenza artificiale, è tempo di smettere di generalizzare e iniziare a pensare in piccolo.

Invece di costruire modelli epici che mirano a realizzare tutte le imprese, le aziende che cercano di trarre profitto dalla corsa all’oro dell’AI dovrebbero considerare la possibilità di orientarsi verso modelli mirati, progettati per compiti specifici. Affrontando un singolo problema con una soluzione innovativa, gli innovatori possono creare modelli potenti e innovativi che richiedono meno parametri, meno dati e meno potenza di calcolo.

Con miliardi e miliardi di dollari spesi in ingegneria, chip, formazione e data center per l’IA, una forma più piccola di IA può anche consentire al settore di progredire in modo più sicuro, sostenibile ed efficiente. Inoltre, è possibile sfruttare questo potenziale in vari modi: attraverso servizi basati su modelli generici di commodity, sistemi di recupero potenziato, adattamento a basso rango, messa a punto e altro ancora.

Cosa c’è di male nella ‘grande AI’

Alcuni appassionati di tecnologia potrebbero rabbrividire alla parola “piccolo”, ma quando si parla di IA, piccolo non significa insignificante, e più grande non è necessariamente meglio.

Modelli come GPT-4 di OpenAI, Gemini di Google, Mistral di Mistral AI, Llama 3 di Meta o Claude di Anthropic costano una fortuna e, quando si guarda alle loro prestazioni, non è chiaro perché la maggior parte delle aziende dovrebbe voler entrare in questo gioco.

Anche se i grandi attori monopolizzano il settore, i loro modelli di base generalizzati, accattivanti e che fanno notizia sembrano funzionare abbastanza bene su alcuni benchmark, ma non è chiaro se queste prestazioni si traducano in un valore reale in termini di aumento della produttività o simili.

Al contrario, l’AI mirata che risponde a casi d’uso specifici o a punti critici è più economica, più veloce e più facile da realizzare.

Questo perché i modelli di AI che hanno successo si basano su dati di alta qualità, ben gestiti e di provenienza etica, oltre che sulla comprensione dell’impatto di tutti questi dati sulle prestazioni del modello. Con questa sfida che è parte integrante del motivo per cui oltre l’80% dei progetti di AI fallisce, l’addestramento di un modello più mirato richiede meno parametri e molti meno dati e potenza di calcolo.

Questo non è un argomento a favore dell’AI verde, ma per riportare un po’ di realismo nel ciclo di hype dell’AI. Anche se il modello stesso è di grandi dimensioni e proprietario, più il focus è ristretto, più il numero di output possibili da considerare diventa piccolo e gestibile.

Con una lunghezza dei token inferiore, i modelli ottimizzati per un compito specifico possono funzionare più velocemente ed essere altamente robusti e performanti, il tutto utilizzando meno dati.

Fornire modelli di piccole dimensioni non deve essere un limite

Con un valore stimato di oltre 1 miliardo di dollari all’anno, l’AI nel settore agricolo sta aprendo nuove opportunità di efficienza grazie a innovatori come Bonsai Robotics, che ottimizzano la tecnologia per affrontare casi d’uso specifici.

Bonsai utilizza modelli di AI brevettati, dati potenti e software di visione artificiale per alimentare sistemi autonomi per la raccolta e la selezione in ambienti difficili.

Sebbene gli algoritmi di Bonsai si basino su enormi set di dati continuamente aggiornati, grazie alla sua focalizzazione ristretta, questo pioniere dell’AI fisica è stato nominato Precision Agricolture Solution of the Year da AgTech Breakthrough.

Anche i grandi attori del settore tecnologico stanno lavorando per concentrare la loro offerta di IA su modelli più piccoli e potenti.

Microsoft attualmente utilizza la tecnologia basata su GPT di OpenAI per alimentare Copilot, una suite di strumenti di AI più piccoli integrati nei suoi prodotti.

Questi modelli sono più focalizzati sul software, sulla codifica e sui modelli comuni, il che li rende più facili da mettere a punto rispetto al ChatGPT generico e più efficaci nel generare contenuti personalizzati, riassumere file, riconoscere modelli e automatizzare attività tramite prompt.

Con OpenAI che prevede grandi ritorni quando rilascerà agenti ChatGPT di livello PhD, l’ideale è che un giorno tutti avremo i nostri agenti, o assistenti AI, che utilizzeranno i nostri dati personali per agire per nostro conto senza prompt. È un futuro ambizioso, nonostante le preoccupazioni relative alla privacy e alla sicurezza.

Sebbene il salto da dove siamo ora a dove potremmo arrivare sembri enorme, costruirlo pezzo per pezzo è un approccio chiaro e meno rischioso rispetto all’ipotesi che la risposta sia un monolite massiccio.

Gli innovatori dell’AI che puntano sulla specificità possono creare un team in crescita e agile di modelli esperti che aumentano sempre più il nostro lavoro, invece di un assistente costoso e mediocre, pieno di parametri, che consuma enormi set di dati e continua a non capire.

Come l’AI di piccole dimensioni impedirà lo scoppio della bolla

Creando infrastrutture informatiche più leggere e incentrate sui dati giusti, le aziende possono massimizzare il potenziale dell’AI per ottenere risultati rivoluzionari, riducendo al contempo gli immensi costi finanziari e ambientali della tecnologia.

Tra tutto il clamore che circonda l’AI e i colossi della Big Tech che si contendono i titoli dei giornali, il lungo percorso dell’innovazione si è sempre basato su progressi incrementali e pratici.

Con i dati al centro dei modelli che stanno davvero cambiando il nostro mondo, l’IAI piccola e mirata promette soluzioni più veloci, sostenibili ed economiche e, di conseguenza, offre sia agli investitori che agli utenti il tanto necessario ritorno sull’investimento dall’intelligenza artificiale.

Le opinioni espresse nei commenti pubblicati su Fortune.com sono esclusivamente quelle degli autori e non riflettono necessariamente le opinioni e le convinzioni di Fortune.

L’articolo originale è stato pubblicato su Fortune.com

FOTO: CHIP SOMODEVILLA – GETTY IMAGES