Il futuro dell’AI: oltre la dipendenza dalle GPU | Festina Lente - Notizie, recensioni e approfondimenti sull’intelligenza artificiale | Turtles AI

L’attuale fase di sviluppo dell’AI si basa fortemente su un uso intensivo di hardware specializzato, come le GPU, ma il futuro sembra riservare soluzioni più efficienti e meno dipendenti da risorse computazionali. Secondo Gartner, questa tendenza non è sostenibile a lungo termine.

Punti chiave:

•  L’AI generativa è utile solo per una piccola percentuale di carichi di lavoro aziendali.
•  La dipendenza da hardware specialistico, come le GPU, potrebbe essere temporanea e destinata a ridursi.
•  Le tecniche di AI consolidate, come l’apprendimento automatico, rimangono fondamentali per molti settori.
•  L’AI composita, che combina intelligenza artificiale generativa e tecniche tradizionali, rappresenta una soluzione più pratica e sicura.

Nel panorama attuale dell’AI, si assiste a una fase di utilizzo intensivo delle risorse hardware, in particolare delle GPU, necessarie per eseguire i complessi calcoli richiesti dai modelli avanzati di machine learning e generazione automatica. Tuttavia, alcuni esperti ritengono che questa dipendenza da hardware specializzato sia un sintomo di un periodo transitorio definito "fase di forza bruta" dello sviluppo dell’AI. Durante questa fase, la potenza di calcolo viene utilizzata come compensazione per la mancanza di metodi di programmazione ottimizzati, ma in futuro, con l’evoluzione delle tecniche, l’IA potrebbe fare meno affidamento su tali risorse.

Secondo Erick Brethenoux, responsabile della ricerca sull’AI presso Gartner, l’attuale enfasi sull’uso di GPU per far fronte a carichi di lavoro AI complessi è destinata a ridursi. Brethenoux ha paragonato questa situazione a un ciclo già visto in passato, dove hardware specializzato è stato spesso soppiantato da soluzioni più generiche e accessibili una volta che le tecnologie sono diventate più efficienti. In questo contesto, ha affermato che le tecniche di AI che oggi richiedono una grande potenza di calcolo saranno probabilmente rese obsolete da nuovi sviluppi che permetteranno di raggiungere gli stessi obiettivi con risorse computazionali standard.

La discussione sull’AI generativa è centrale in questo dibattito. Mentre l’AI generativa ha ricevuto grande attenzione mediatica per le sue capacità creative, come la produzione di testo o immagini, Gartner stima che solo una piccola frazione dei carichi di lavoro aziendali—circa il cinque percento—sia realmente adatta all’impiego di questa tecnologia. Brethenoux ha sottolineato che molte organizzazioni, dopo un iniziale entusiasmo per l’AI generativa, stanno tornando a concentrarsi su tecniche più consolidate, come l’apprendimento automatico o i sistemi basati su regole, che si sono dimostrati efficaci in vari scenari di business.

Un approccio emergente che potrebbe fornire un equilibrio tra queste diverse tecnologie è quello dell’"AI composita", in cui l’AI generativa viene integrata con tecniche tradizionali per migliorare la qualità dei risultati. Ad esempio, l’AI generativa può essere utilizzata per creare descrizioni o raccomandazioni basate su dati analizzati da modelli di apprendimento automatico consolidati. Questo approccio permette di sfruttare la capacità dell’AI generativa di produrre contenuti in modo flessibile, ma senza perdere la robustezza e la precisione garantita dai metodi più maturi.

Anche Bern Elliot, vicepresidente di Gartner, ha espresso cautela riguardo all’uso eccessivo dell’AI generativa. Secondo lui, sebbene la tecnologia sia migliorata notevolmente, riducendo i casi in cui produce risposte errate o "allucinazioni", rimane ancora inaffidabile in contesti che richiedono ragionamento o precisione assoluta. Elliot ha paragonato l’AI generativa a un formaggio svizzero, evidenziando come, nonostante appaia solida, presenti ancora lacune imprevedibili. Ha inoltre avvertito che, pur con un tasso di errore molto basso, un’applicazione su larga scala potrebbe comunque portare a un numero considerevole di risposte sbagliate, creando problemi significativi nelle operazioni quotidiane.

L’uso prudente dell’AI generativa, affiancata da altre tecniche più testate, potrebbe essere quindi la chiave per un’integrazione più efficace e sicura di queste tecnologie. In ambiti come la sicurezza informatica, ad esempio, alcuni software di analisi dei log del firewall stanno iniziando a utilizzare l’AI generativa per suggerire raccomandazioni in prosa o persino scrivere nuove regole di sicurezza, ma tali operazioni vengono comunque verificate da sistemi di AI tradizionale per garantire accuratezza e affidabilità.

La visione di Gartner è che, sebbene l’AI generativa rappresenti una tappa importante nell’evoluzione tecnologica, le sue applicazioni pratiche restano limitate e il suo utilizzo deve essere ponderato attentamente. Le tecniche consolidate di AI continueranno a svolgere un ruolo centrale nei processi aziendali, mentre la fase di forza bruta dell’AI, caratterizzata dall’uso intensivo di hardware specializzato, potrebbe gradualmente cedere il passo a un’era in cui le soluzioni software saranno in grado di offrire prestazioni simili con risorse più comuni.

L’AI generativa, pur offrendo nuove possibilità, non rappresenta una soluzione universale. Le organizzazioni dovranno combinare diverse tecnologie per trarre il massimo vantaggio dall’AI, senza dipendere eccessivamente da singoli approcci o da risorse computazionali elevate.