Come si progetta una strategia nazionale sull'intelligenza artificiale?

Lo sviluppo e l’uso di un’intelligenza artificiale affidabile richiede una conoscenza diversa da quelle di molte altre tecnologie. Per esempio, una forza lavoro qualificata, politiche pubbliche abilitanti, quadri giuridici, l’accesso ai dati e potenza di calcolo sufficiente. Sebbene esistano metriche ampiamente accettate per misurare e confrontare molti di questi indicatori, la misurazione della capacità di calcolo dell’IA nazionale rimane poco esplorata. Anzi, diciamola meglio: molti governi non sanno né quale capacità di calcolo hanno i loro paesi, né di cosa hanno bisogno per realizzare i loro piani di intelligenza artificiale e neppure di come trarre pieno vantaggio dallo sviluppo e dall’uso dell’IAI. È questo il punto da cui partire per Keith Strier, vice presidente Worldwide AI Initiatives di Nivida, gigante delle schede grafiche e oggi leader nei sistemi di intelligenza artificiale. Strier guida una task force all'Ocse che studiare come aiutare i governi a misurare la capacità di calcolo, infrastrutture digitali e fisiche e competenze per uno sviluppo efficiente e intelligente dell'AI. Alcune settimane fa hanno pubblicato report dal titolo “ A blueprint for building national compute capacity for artificial intelligence ” che è diventato ancora più di attualità con il successo planetario di ChatGpt.

«L’Ai è una tecnologia che ha 70 anni ma è merito dell’intelligenza artificiale generativa se oggi tutti, imprenditori e politici stanno aprendo dei dossier e iniziando a progettare delle politiche nazionali», osserva il manager di Nvidia. Tuttavia, aggiunge questi piani hanno un limite:  sono stati sviluppati senza una valutazione completa dell’accesso di un paese alla capacità di calcolo necessaria per creare, addestrare e utilizzare modelli di intelligenza artificiale. In breve, i paesi stanno pianificando dividendi economici dallo sviluppo e dall’uso dell’IA senza sapere se hanno una capacità di calcolo sufficiente per raggiungere questi obiettivi.

«Provate a mettervi nei panni di un ministro della salute. Per programmare gli investimenti sanitari occorre prima sapere quanti ospedali ha il tuo paese, quanti infermieri, quanti dottori e quali è la disponibilità di farmaci. Allo stesso modo i governi dovrebbero considerare gli investimenti nel calcolo dell’IA in relazione ai loro obiettivi politici: in altre parole, ci sono diversi modi per aumentare la capacità di calcolo dell’IA domestica e l’approccio più resiliente dipenderà dal contesto di un paese e dalle esigenze nazionali».Serve quindi fare un censimento dei data center ma anche delle tecnologie disponibili, e condiviere queste informazioni per lavorare in modo più efficiente su una tecnologia che promette di essere rivoluzionaria quanto l’app economy nata nel 2007 con l’iPhone.

Secondo quanto emerge dal report l’Ocse inizierà a definire i livelli di calcolo nei data center o nei supercomputer di proprietà e gestiti da agenzie governative. Da lì, la task force valuterà i cloud IA nazionali di proprietà dei governi. Secondo Strier circa 80 paesi hanno qualcosa di simile a una strategia nazionale per l’IA, ma ora stanno arrivando altre politiche dall’Africa e dall’America Latina. La task force intende sviluppare un quadro iniziale entro questo autunno e quindi iniziare a raccogliere i dati. L’obiettivo è proporre una metrica comune a tutti i  Paesi e offrire conoscenza sull’uso efficiente delle risorse IT. Ad esempio, la distribuzione delle risorse di calcolo può essere migliore per l’ambiente e diffondere l’accesso alla potenza di calcolo a più persone rispetto alla costruzione di un singolo supercomputer gigante.

OFFERTE DI PRIMAVERA

Scopri le migliori offerte Amazon su Consigli24

Scopri di più

LAB24

Il prezzo della benzina oggi in tutta Italia

Scopri di più

Tuttavia non è solo una questione di efficienza. L’Ai come ha sottolineato a più riprese l’Europa è una tecnologia che va regolata. Serve trasparenza, capire come questi algoritmi prendono decisioni e quale è l’impatto sulla nostra società. «Ci sono aspetti etici, tecnologici ed economici da considerare - ammette il manager-. L’Ai non è una tecnologia come le altre. Addestrare l’Ai costa energia. Molta energia, è innegabile - sottolinea Keith Strier che è vice presidente di Nvidia - ma se guardiamo al quadro più generale ci accorgiamo che in termini di impronta ecologica l’It, i computer, valgono solo l’8% delle emissioni globali di CO2». Questa percentuale è destinata ad aumentare, anche perché l’adozione dell’Ai rischia di essere massiva e trasversale ai mercati. «È vero ma al tempo stesso gli algoritmi di machine learning ci possono aiutare a simulare il mondo fisico, a studiare per esempio come progettare le nostre città in modo più sostenibile, a produrre in modo più efficiente. Sono altresì convinto che i progressi sulle architetture dei data center potranno contenere le emissioni di CO2 e il consumo energetico dell’It. «Serve però, e qui mi ripeto, condividere le informazioni e le tecnologie, serve una collaborazione tra pubblico e privato, tra le multinazionali che hanno le tecnologie e e il legislatore».