Durante un’intervista all’Università di Scienze e Tecnologia di Hong Kong, Jensen Huang, CEO di Nvidia, ha discusso vari aspetti legati allo sviluppo dell’intelligenza artificiale e ha rivelato che il problema delle “allucinazioni AI“, in cui un’intelligenza artificiale inventa dati per colmare le lacune nella sua conoscenza, non sarà risolto per diversi anni. Huang ha inoltre parlato dell’incremento esponenziale del fabbisogno di potenza di calcolo per l’IA, che è aumentato fino a un milione di volte negli ultimi dieci anni.
Queste dichiarazioni suggeriscono una continua e rapida evoluzione nel campo dell’intelligenza artificiale, con Nvidia che si posiziona come una delle aziende leader nel ridurre drasticamente i costi computazionali, elemento chiave per permettere progressi significativi nella ricerca AI. L’incremento della potenza di calcolo è stato fondamentale per gestire l’enorme quantità di dati necessari per l’addestramento delle intelligenze artificiali moderne.
Il processo di sviluppo dell’AI delineato da Huang si articola in tre fasi principali: la pre-formazione, il post-allenamento e il “Test Time Scaling”. La pre-formazione è paragonata all’istruzione universitaria dove l’intelligenza artificiale assimila dati globali e scopre nuove conoscenze. Il post-allenamento, invece, approfondisce competenze specifiche attraverso tecniche come il reinforcement learning con feedback umano e IA, la generazione di dati sintetici e l’apprendimento multipercorso. Infine, il Test Time Scaling, descritto come il “pensare” dell’AI, coinvolge una più complessa destrutturazione del problema per elaborare soluzioni attraverso varie iterazioni e simulazioni.
Nel corso dell’intervista è stato anche evidenziato come, nonostante le GPU AI di Nvidia siano ancora costose, queste sarebbero state un milione di volte più costose senza i progressi tecnologici e di scala produttiva introdotti dall’azienda. “Vi ho dato uno sconto di un milione di volte negli ultimi 10 anni. È praticamente gratis!” ha affermato Jensen, sottolineando l’impatto di Nvidia nel rendere l’apprendimento automatizzato accessibile e scalabile.
Il CEO ha altresì condiviso un aneddoto personale su come ha corteggiato sua moglie promettendo di diventare CEO entro i 30 anni, aggiungendo un tocco umano e leggero alla discussione sulle sfide tecnologiche future. Insomma, Huang ha utilizzato la sua ambizione e visione futura non solo per influenzare il corso della sua vita personale, ma anche per guidare Nvidia verso nuovi orizzonti nel campo dell’intelligenza artificiale.
Il problema delle “allucinazioni AI”, la tendenza di un sistema AI a generare dati non accurati o inesistenti, rispecchia una sfida fondamentale: insegnare alle macchine a “capire” il mondo con la stessa finezza di discernimento umano. Storicamente, la capacità computazionale limitata era il maggior ostacolo per lo sviluppo di tecnologie AI più sofisticate. Con e l’avvento della computazione parallela, tuttavia, è stato possibile effettuare progressi notevoli.
La riduzione dei costi di questi calcoli avanzati ha avuto un impatto profondo non solo in campo tecnologico, ma anche in settori come la medicina e l’economia, dove l’AI può analizzare grandi volumi di dati per fare previsioni o assistere nelle diagnosi.