La corsa all’oro californiana del diciannovesimo secolo è stata epocale. Secondo la California State University circa 300.000 persone sono arrivate in California per prendere parte alla ricerca con l’obiettivo di ottenere il massimo guadagno in poco tempo. L’indotto a supporto della corsa all’oro è stato enorme ed ha creato grandi aziende che hanno prosperato grazie alla creazione di infrastrutture e beni di supporto per i lavoratori: Levi Strauss ha creato i famosi jeans per coprire i bisogni di abbigliamento dei minatori, altri hanno creato le principali infrastrutture ferroviarie della California e molti ancora hanno commercializzato gli utensili primari per la lavorazione mineraria.
La vera domanda è: chi ha guadagnato maggiormente dalla corsa all’oro?
Sicuramente molti hanno guadagnato piccole fortune grazie alle scoperte minerarie, ma solo pochi hanno ricavato grandi fortune grazie ai servizi a supporto dei 300.000 lavoratori che hanno partecipato alla corsa all’oro.
Negli ultimi 30 anni lo stesso schema si è ripetuto con l’innovazione tecnologica. Gli esempi più lampanti sono la telefonia mobile, l’energia rinnovabile, le criptovalute, il metaverso e recentemente le opportunità nate dalle intelligenze artificiali generative. Anche in questi casi i veri vincitori della corsa all’oro sono i creatori delle infrastrutture e dei servizi per l’utilizzo della materia prima, qualunque essa sia. Il paradigma è semplice, chi possiede l’infrastruttura tecnologica guadagna poco da ogni transazione, avendo però come leva la massa di persone che utilizza il servizio, il tutto senza avere il rischio di sviluppare un business verticale maggiormente influenzato dall’ingresso di nuovi concorrenti.
Il caso dell’intelligenza artificiale generativa possiede però un sottostante differente.
L’intelligenza artificiale è una disciplina che cerca di emulare il pensiero umano attraverso approcci algoritmici. Nasce dal concetto di “intelligenza”, ovvero l’insieme di abilità che consentono all’uomo di comprendere o spiegare gli eventi o le azioni e di elaborare modelli astratti della realtà, e di “artificiale”, ovvero ottenuto con arte in contrapposizione a ciò che è per natura.
La sfida per costruire intelligenze artificiali è partita nel 1943 portando molte menti a lavorare sui migliori modelli per emulare i ragionamenti umani in modo artificiale. Tra le soluzioni per la realizzazione di sistemi intelligenti le più affascinanti sono sicuramente le reti neurali. Questa famiglia di algoritmi imita il comportamento biologico dei neuroni del cervello e ne condivide gli stessi limiti. Una rete neurale senza un addestramento adeguato che gli fornisca abbastanza esperienza per risolvere un problema non sarà in grado di risolvere un compito specifico. Molti degli algoritmi teorizzati sulle reti neurali negli anni 50 hanno trovato una reale applicazione molti anni dopo, una volta che la capacità di calcolo ha raggiunto un livello tecnologico tale da poter gestire e analizzare grandi moli di dati.
L’intelligenza artificiale per le masse
La fine del 2022 ha visto l’apertura da parte di OpenAI a ChatGPT, il chatbot basato su modello generativo GPT-3 (ora GPT-4) che ha portato alle luci della ribalta l’IA dopo molti anni di lavoro dietro le quinte. Il lancio al grande pubblico di una tecnologia così avanzata, soprattutto con un’incredibile facilità di utilizzo, ha aperto ad una nuova corsa all’oro in cui molte aziende si stanno inserendo per non perdere l’opportunità. La verità è che la costruzione di modelli di intelligenza artificiale così avanzati necessita risorse enormi lasciando quindi l’opportunità di costruire l’infrastruttura globale solo alle principali aziende tecnologiche del pianeta (Microsoft, Google, Facebook, Amazon, ecc.), esattamente come evidenziato per l’innovazione tecnologica del passato.
Un finale a sorpresa
A questo punto entra in gioco Agatha Christie con il suo finale a sorpresa. L’intelligenza artificiale, a differenza di altri modelli di innovazione, ha sicuramente una forte dipendenza dalla componente infrastrutturale, ma può funzionare solo a fronte di un addestramento dei propri modelli a partire da conoscenza di alta qualità. Per questa ragione molti motori di intelligenza artificiale hanno competenze generaliste molto estese, ma peccano di profondità su domini di conoscenza verticali per cui è più complesso accedere a materiale formativo di livello adeguato. Avere accesso a questa conoscenza in modo esclusivo diventa quindi un’opportunità di mercato molto interessante e remunerativa, senza la quale anche le intelligenze artificiali più performanti non potranno raggiungere risultati soddisfacenti. In passato analizzare il comportamento umano era necessario per comprendere le abitudini delle persone e proporre contenuti personalizzati spesso non adeguati alle reali esigenze del momento, ora il comportamento dell’individuo si mescola indissolubilmente con la competenza verticale dell’intelligenza artificiale che comprende le reali necessità proponendo risposte corrette sempre più vicine ai bisogni delle persone. Lo scenario futuribile è quindi di avere a disposizione un esperto di molti domini verticali che può diventare un supporto sinergico alla persona potenziando la capacità intellettiva dei singoli.
L’opportunità collaterale della corsa all’oro per l’intelligenza artificiale è quindi essere i primi a dare accesso a conoscenza esclusiva in settori che al momento non sono serviti dai servizi generalisti. Ovviamente, prima che i modelli generativi diventino onniscenti sullo scibile umano.
