Tutto ciò è avvenuto proprio nel periodo in cui l’apprendimento automatico stava diventando una novità assoluta.
Nel 2012 c’è stato un punto di svolta che sicuramente conoscete: è stato pubblicato un documento, chiamato Algoritmo AlexNet, che di fatto ha riunito una serie di ingredienti e ha dato il via all’attuale momento magico dell’AI, dopo un lungo inverno. Ha dimostrato che, con enormi quantità di dati e potenti chip di calcolo, è possibile far sì che vecchie tecniche algoritmiche, risalenti agli anni Ottanta facciano cose nuove e impressionanti.
Ok… forse ho capito dove vuole arrivare.
Sono ipersensibile ai dati. Ho partecipato alle famigerate guerre della misurazione. Quindi mi chiedo: “Aspetta, cos’è l’apprendimento automatico? Oh, quindi prendete dei dati scadenti che, secondo voi, rappresentano i sentimenti umani, o cose molto più difficili da misurare con precisione rispetto ai dati di basso livello sulle prestazioni di rete con cui avevo molta familiarità, e li inserite in qualche modello statistico, e poi li chiamate intelligenza?“.
Mi sono detta: “Aspetta, no, non potete farlo“, e questo ha animato molte delle mie preoccupazioni sull’intelligenza artificiale.
E naturalmente in questo periodo ho imparato sempre di più quale fosse il vero modello di business. Mi trovavo nel gruppo delle infrastrutture tecniche e ho iniziato a capire che è lì che si fanno i soldi. Guardando il bilancio, l’infrastruttura server del Measurement Lab, più di 10 anni fa, costava 40 milioni di dollari all’anno solo per la connettività uplink.
Questo mi ha reso molto sensibile al capitale. Mi sono detta: “Oh, questa non è innovazione. Questo è capitalismo“.
Quaranta milioni di dollari è praticamente l’intero budget annuale di Signal in questo momento.
È un po’ meno. Ma sì, credo che il capitale nella tecnologia e il consolidamento dell’infrastruttura tecnologica siano stati qualcosa a cui sono stata sensibilizzata molto presto.
Qual è stata la novità che ha scatenato il boom dell’intelligenza artificiale? La presenza di enormi quantità di dati – dati di addestramento e dati di input – e di potenti chip di calcolo, il cui numero è tanto maggiore quanto più sono collegati tra loro. Ora, di che si tratta? Del vantaggio che si sono guadagnate le prime società dietro alle piattaforme, che hanno costruito le loro reti di social media e i loro centri dati. Con l’intelligenza artificiale, stiamo fondamentalmente rilavorando un sacco di questa roba attraverso modelli non funzionanti che danno a Google sempre più autorità, quando in realtà stanno emettendo derivati dei loro dati di merda. E a cosa serviva l’intelligenza artificiale? Perché l’hanno utilizzata? Perché è molto brava a mettere a punto gli algoritmi pubblicitari, a indirizzare gli annunci. Non è un caso che i tre autori di questo articolo scientifico su AlexNet siano stati immediatamente assunti da Google.