Perché gli Autocrati dell’Intelligenza Artificiale Devono Essere Sfidati a Fare Meglio

Se abbiamo imparato qualcosa dall’Età dell’Intelligenza Artificiale, è che l’industria sta lottando con sfide di potere significative. Queste sfide sono sia letterali, come trovare modi per soddisfare le voraci richieste energetiche che i data center dell’intelligenza artificiale richiedono, sia figurative, come la concentrazione della ricchezza dell’intelligenza artificiale in poche mani basate su interessi commerciali ristretti piuttosto che su benefici societali più ampi.

Il Paradosso del Potere dell’Intelligenza Artificiale: Alti Costi, Controllo Concentrato

Perché l’intelligenza artificiale sia di successo e benefichi l’umanità, deve diventare onnipresente. Per diventare onnipresente, deve essere sia economicamente che ecologicamente sostenibile. Non è il percorso che stiamo seguendo adesso. La battaglia ossessiva per costruire sistemi di intelligenza artificiale sempre più potenti è guidata più da guadagni di prestazioni a breve termine e dominio del mercato che da ciò che è meglio per un’intelligenza artificiale sostenibile e accessibile.

La corsa per costruire sistemi di intelligenza artificiale sempre più potenti sta accelerando, ma si verifica a un costo ambientale elevato. I chip di intelligenza artificiale all’avanguardia, come l’H100 di Nvidia (fino a 700 watt), consumano già quantità significative di energia. Si prevede che questo trend continui, con gli esperti del settore che prevedono che l’architettura Blackwell di prossima generazione di Nvidia (NVDA ) potrebbe spingere il consumo di energia per chip ben oltre la gamma dei kilowatt, potenzialmente superando i 1.200 watt. Con i leader del settore che prevedono che milioni di questi chip saranno distribuiti nei data center di tutto il mondo, le richieste energetiche dell’intelligenza artificiale sono pronte a schizzare verso l’alto.

Il Costo Ambientale della Corsa agli Armamenti dell’Intelligenza Artificiale

Mettilo in un contesto quotidiano. L’elettricità che alimenta la tua intera casa potrebbe far funzionare tutti i tuoi elettrodomestici al massimo della potenza contemporaneamente – non che qualcuno lo faccia. Ora immagina un solo rack Nvidia da 120 kW che richiede la stessa quantità di potenza – soprattutto se potrebbero essercene centinaia o migliaia in grandi data center! Ora, 1.200 watt equivalgono a 1,2 kW. Quindi, stiamo parlando di un intero quartiere di medie dimensioni. Un solo rack Nvidia da 120 kW – essenzialmente 100 di quei chip che consumano molta energia – ha bisogno di abbastanza elettricità per alimentare circa 100 case.

Questa traiettoria è preoccupante, dato i vincoli energetici che molte comunità affrontano. Gli esperti dei data center prevedono che gli Stati Uniti avranno bisogno di 18-30 gigawatt di nuova capacità nei prossimi cinque-sette anni, il che fa sì che le aziende si affrettino a trovare modi per gestire quell’aumento. Nel frattempo, la mia industria continua a creare sempre più applicazioni di intelligenza artificiale generativa che consumano energia ben oltre ciò che è teoricamente necessario per l’applicazione o ciò che è fattibile per la maggior parte delle aziende, per non parlare di ciò che è desiderabile per il pianeta.

Bilanciare Sicurezza e Accessibilità: Soluzioni Ibride per i Data Center

Questa autocrazia dell’intelligenza artificiale e “corsa agli armamenti”, ossessionata dalla velocità e dalla potenza grezze, ignora le esigenze pratiche dei data center del mondo reale – vale a dire, il tipo di soluzioni accessibili che riducono le barriere del mercato per il 75% delle organizzazioni statunitensi che non hanno adottato l’intelligenza artificiale. E ammettiamolo, man mano che si attuano sempre più regolamentazioni sull’intelligenza artificiale relative alla privacy, alla sicurezza e alla protezione ambientale, più organizzazioni richiederanno un approccio ibrido ai data center, salvaguardando i loro dati più preziosi, privati e sensibili in aree protette sul posto, lontano dagli attacchi informatici e dell’intelligenza artificiale degli ultimi tempi. Che si tratti di registri sanitari, dati finanziari, segreti di difesa nazionale o integrità elettorale, il futuro dell’intelligenza artificiale aziendale richiede un equilibrio tra sicurezza sul posto e agilità cloud.

Questa è una sfida sistemica significativa e che richiede una collaborazione iper-competitiva. Con un’enorme enfasi su GPU e altri chip acceleratori di intelligenza artificiale con capacità grezza, velocità e metriche di prestazione, stiamo perdendo una considerazione sufficiente per l’infrastruttura accessibile e sostenibile necessaria per i governi e le aziende per adottare le capacità dell’intelligenza artificiale. È come costruire una nave spaziale senza un posto dove lanciarla o mettere una Lamborghini su una strada di campagna.

Democratizzare l’Intelligenza Artificiale: Collaborazione Industriale

Sebbene sia incoraggiante che i governi stiano iniziando a considerare la regolamentazione – assicurandosi che l’intelligenza artificiale benefichi tutti, non solo l’élite – la nostra industria ha bisogno di più.

Ad esempio, il Regno Unito sta sfruttando l’intelligenza artificiale per migliorare le capacità di applicazione della legge aumentando la condivisione dei dati tra le agenzie di applicazione della legge per migliorare la previsione e la prevenzione dei crimini guidati dall’intelligenza artificiale. Si concentrano sulla trasparenza, sulla responsabilità e sull’equità nell’uso dell’intelligenza artificiale per la polizia, assicurando la fiducia pubblica e l’adesione ai diritti umani – con strumenti come il riconoscimento facciale e la polizia predittiva per aiutare nella rilevazione e nella gestione dei crimini.

Nelle industrie altamente regolamentate come la biotecnologia e la sanità, collaborazioni degne di nota includono Johnson & Johnson (JNJ ) MedTech e Nvidia che lavorano insieme per migliorare l’intelligenza artificiale per le procedure chirurgiche. La loro collaborazione mira a sviluppare analisi e capacità di decision-making in tempo reale guidate dall’intelligenza artificiale nella sala operatoria. Questa partnership sfrutta le piattaforme di intelligenza artificiale di NVIDIA per abilitare la distribuzione scalabile, sicura ed efficiente delle applicazioni di intelligenza artificiale in ambienti sanitari.

Nel frattempo, in Germania, Merck ha formato alleanze strategiche con Exscientia e BenevolentAI per avanzare la scoperta di farmaci guidata dall’intelligenza artificiale. Stanno sfruttando l’intelligenza artificiale per accelerare lo sviluppo di nuovi candidati farmaceutici, in particolare in oncologia, neurologia e immunologia. L’obiettivo è migliorare il tasso di successo e la velocità di sviluppo dei farmaci attraverso le potenti capacità di progettazione e scoperta dell’intelligenza artificiale.

Il primo passo è ridurre i costi di implementazione dell’intelligenza artificiale per le aziende al di là di BigPharma e Big Tech, in particolare nella fase di inferenza dell’intelligenza artificiale – quando le aziende installano e eseguono un modello di intelligenza artificiale addestrato come Chat GPT, Llama 3 o Claude in un data center reale ogni giorno. Stime recenti suggeriscono che il costo per sviluppare i più grandi di questi sistemi di prossima generazione potrebbe essere intorno a 1 miliardo di dollari, con costi di inferenza potenzialmente 8-10 volte più alti.

I costi elevati di implementazione dell’intelligenza artificiale nella produzione quotidiana tengono molte aziende dall’adottare appieno l’intelligenza artificiale – i “non-hanno”. Un recente sondaggio ha scoperto che solo una azienda su quattro ha lanciato con successo iniziative di intelligenza artificiale negli ultimi 12 mesi e che il 42% delle aziende non ha ancora visto un beneficio significativo dalle iniziative di intelligenza artificiale generativa.

Per veramente democratizzare l’intelligenza artificiale e renderla onnipresente – vale a dire, adozione aziendale diffusa – la nostra industria dell’intelligenza artificiale deve spostare l’attenzione. Invece di una corsa per i modelli e i chip di intelligenza artificiale più grandi e più veloci, abbiamo bisogno di maggiori sforzi collaborativi per migliorare l’accessibilità, ridurre il consumo di energia e aprire il mercato dell’intelligenza artificiale per condividere appieno e positivamente il suo potenziale più ampio. Un cambiamento sistemico solleverebbe tutte le barche rendendo l’intelligenza artificiale più redditizia per tutti con enormi benefici per i consumatori.

Ci sono segnali promettenti che tagliare i costi dell’intelligenza artificiale è fattibile – abbassando la barriera finanziaria per rafforzare le iniziative di intelligenza artificiale su larga scala a livello nazionale e globale. La mia azienda, NeuReality, sta collaborando con Qualcomm (QCOM ) per raggiungere una riduzione dei costi fino al 90% e una maggiore efficienza energetica di 15 volte per vari applicazioni di intelligenza artificiale su testo, linguaggio, suono e immagini – i blocchi fondamentali dell’intelligenza artificiale. Sapete quei modelli di intelligenza artificiale sotto i buzzword come visione computerizzata, intelligenza artificiale conversazionale, riconoscimento vocale, elaborazione del linguaggio naturale, intelligenza artificiale generativa e modelli di linguaggio di grandi dimensioni. Collaborando con più fornitori di software e servizi, possiamo continuare a personalizzare l’intelligenza artificiale nella pratica per portare le prestazioni verso l’alto e i costi verso il basso.

In effetti, siamo riusciti a ridurre il costo e il consumo di energia per query di intelligenza artificiale rispetto all’infrastruttura tradizionale basata su CPU, su cui si basano oggi tutti i chip acceleratori di intelligenza artificiale, comprese le GPU di Nvidia. Il nostro appliance di inferenza di intelligenza artificiale NR1-S ha iniziato a spedire durante l’estate con acceleratori Qualcomm Cloud AI 100 Ultra abbinati a NR1 NAPU. Il risultato è un’architettura alternativa NeuReality che sostituisce la CPU tradizionale nei data center di intelligenza artificiale – il più grande collo di bottiglia nell’elaborazione dei dati di intelligenza artificiale oggi. Quel cambiamento evolutivo è profondo e altamente necessario.

Oltre l’Iperbole: Costruire un Futuro di Intelligenza Artificiale Economicamente e Sostenibile

Andiamo oltre l’iperbole dell’intelligenza artificiale e affrontiamo seriamente le nostre sfide sistemiche. Il lavoro difficile sta davanti a noi a livello di sistema, richiedendo alla nostra intera industria dell’intelligenza artificiale di lavorare insieme – e non contro – l’una con l’altra. Concentrandoci sull’accessibilità, sulla sostenibilità e sull’accessibilità, possiamo creare un’industria dell’intelligenza artificiale e una base di clienti più ampia che beneficia la società in modi più grandi. Ciò significa offrire scelte di infrastruttura sostenibili senza che la ricchezza dell’intelligenza artificiale sia concentrata nelle mani di pochi, noti come i Big 7.

Il futuro dell’intelligenza artificiale dipende dai nostri sforzi collettivi di oggi. Concentrandoci sull’efficienza energetica e sull’accessibilità, possiamo evitare un futuro dominato da infrastrutture di intelligenza artificiale che consumano molta energia e un’oligarchia dell’intelligenza artificiale concentrata sulla prestazione grezza a spese di un beneficio diffuso.

Facendo ciò, creiamo un potente ciclo di investimento e redditività dell’intelligenza artificiale alimentato dall’innovazione diffusa.

Chi è con noi?