Autore: Dina Pagina 34 di 36

Zhipu ha ottenuto l’approvazione iniziale del governo per un lancio pubblico in agosto e da allora ha rilasciato un modello open source e un chatbot chiamato Qingyan .

Quando Alibaba Group si è quotato in borsa alla Borsa di New York il 18 settembre 2014, il CEO Jack Ma ha detto dell’IPO da 25 miliardi di dollari da record: “Quello che abbiamo raccolto oggi non è denaro, è fiducia”.

Alibaba sta tagliando i prezzi per i suoi clienti cloud a livello globale fino al 59%, in un contesto di crescente concorrenza per respingere i rivali e attirare sviluppatori di software AI, ha riferito Reuters.

Il colosso tecnologico cinese ha affermato che i prodotti relativi all’informatica, allo storage, alla rete, ai database e ai big data vedranno in media una riduzione dei prezzi del 23%, aggiunge il rapporto di Reuters .

Queste riduzioni di prezzo riguardano circa 500 specifiche di prodotti cloud e gli sconti sono ora disponibili per i clienti in 13 regioni, tra cui Giappone, Indonesia, Emirati Arabi Uniti e Germania, ha riferito Bloomberg News .

Questa è la terza volta che l’azienda riduce i prezzi nell’ultimo anno.

A febbraio, Alibaba ha dichiarato che avrebbe effettuato una forte riduzione dei prezzi per i suoi servizi cloud, con l’obiettivo di recuperare utenti da concorrenti come Tencent , che competono per fornire gli strumenti necessari per addestrare l’intelligenza artificiale .

I giganti della tecnologia cinese Alibaba Group Holding e Tencent Holdings hanno investito congiuntamente 2,5 miliardi di yuan (342 milioni di dollari) in Zhipu, una startup di intelligenza artificiale con sede a Pechino .

Alibaba e Tencent, insieme ad altre importanti aziende cinesi come Ant Group, Xiaomi e Meituan, stanno supportando Zhipu nella sua missione di sviluppare alternative nazionali al ChatGPT di OpenAI .

Zhipu è tra le numerose startup cinesi che stanno lavorando attivamente su tecnologie di intelligenza artificiale generativa, con l’obiettivo di competere con attori riconosciuti a livello globale come OpenAI e Google.

Pochi giorni dopo l’annuncio di Alibaba, anche JD.com ha dichiarato che avrebbe tagliato i prezzi del cloud computing.

JD.com ha recentemente annunciato il lancio della sua iniziativa Spring Dawn migliorata, una solida suite di soluzioni per i commercianti di terze parti per aumentare i ricavi, inclusi nuovi servizi di intelligenza artificiale progettati per ridurre i costi operativi dei commercianti fino al 50%.

Dal suo lancio iniziale nel gennaio 2023, l’ iniziativa Spring Dawn è stata un catalizzatore di crescita, aumentando di 4,3 volte il numero di commercianti terzi sulla nostra piattaforma. Mentre ci avviciniamo all’accoglienza del nostro milionesimo partner commerciale, siamo entusiasti di lanciare la fase successiva dell’iniziativa.

Le riduzioni dei prezzi segnano le mosse aggressive di Alibaba per stare al passo con i rivali, tra cui Tencent e Baidu, nel business del cloud, e rischiano di iniziare una guerra dei prezzi in un settore già fortemente competitivo.

Secondo il rapporto di Reuters, gli attuali tagli dei prezzi rappresentano l’ultimo sforzo di Alibaba per attirare gli sviluppatori a creare modelli e applicazioni di intelligenza artificiale ad alta intensità di dati utilizzando i servizi cloud dell’azienda.

Lo scorso novembre, Alibaba ha annullato il progetto di spin-off del suo Cloud Intelligence Group, noto anche come Aliyun. La società ha affermato che l’espansione delle restrizioni statunitensi sull’esportazione di chip informatici avanzati ha creato incertezze sulle prospettive del business del cloud. Successivamente, Alibaba ha avviato un rinnovamento del business del cloud computing, coinvolgendo, tra le altre cose, veterani in nuove posizioni di leadership.

L’intelligenza artificiale ha il potenziale per trasformare vari settori, dai trasporti ai media e alla finanza, e potrebbe guidare una nuova fase di crescita economica.

Tuttavia, la tecnologia ha anche applicazioni militari e governative, il che potrebbe complicare ulteriormente il già teso rapporto tra Washington e Pechino.

AIOS un ecosistema di agenti intelligenti.

Di Dina

il 7 Aprile 2024

in AI

Andrey Karpathy: “Guardare i LLM come chatbot è come guardare i primi computer come calcolatrici. Stiamo assistendo all’emergere di un nuovo paradigma di calcolo, e siamo solo all’inizio.” (23/09)

Carlos E. Perez: “AIOS costituisce una piattaforma olistica per liberare veramente il potenziale degli agenti LLM nel mondo reale.”

Sistema operativo dell’agente LLM. arXiv prestampa arXiv:2403.16971 .

AIOS (LLM Agent Operating System) è un nuovo framework di orchestrazione degli agenti che incorpora modelli di linguaggio di grandi dimensioni nei sistemi operativi, creando un sistema operativo con un “cervello” capace di “comprendere”.

AIOS è progettato per una distribuzione ottimale delle risorse, facilitando i cambi di contesto, l’esecuzione simultanea, i servizi di strumenti per gli agenti, il controllo degli accessi e fornendo un ricco set di strumenti per gli sviluppatori.

AIOS si basa su diversi agenti chiave che orchestrano gli altri. È composto da:

un Gestore di Agenti per la priorizzazione delle richieste degli agenti,
un Gestore di Contesto per la gestione del contesto di interazione,
un Gestore di Memoria per la memoria a breve termine,
un Gestore di Archiviazione per la conservazione dei dati a lungo termine,
un Gestore di Strumenti per la gestione degli strumenti API esterni,
e un Gestore di Accessi per l’applicazione delle politiche di privacy e controllo degli accessi.

Questi agenti comunicano con l’SDK di AIOS in modalità interattiva, insieme a compiti non-LLM provenienti dal Kernel del sistema operativo (con il pianificatore di processi, il gestore di memoria, ecc).

Questa architettura permette ad AIOS di integrare funzionalità AI complesse nei sistemi operativi tradizionali, consentendo lo sviluppo di applicazioni più intelligenti, reattive ed efficienti che possono sfruttare tutta la potenza dei LLM insieme alle risorse e capacità del sistema operativo convenzionale.

Perché è importante.

Questo approccio rappresenta un cambiamento nel modo in cui interagiamo con le macchine, con agenti implementati a livello di Sistema Operativo che svolgono compiti complessi.

Questa tendenza è dimostrata anche dai modelli ReALM di Apple, capaci di comprendere non solo la conversazione, ma anche le informazioni sullo schermo e sui lavori in background. Stiamo entrando in una nuova era del computing intelligente.

2403.16971 Download

“Strategia Italiana per l’Intelligenza Artificiale 2024-2026”

Di Dina

il 6 Aprile 2024

in News

L’executive summary della “Strategia Italiana per l’Intelligenza Artificiale 2024-2026” è stato recentemente pubblicato, delineando una visione ambiziosa per posizionare l’Italia come leader nell’innovazione guidata dall’IA. Questa strategia è un piano dettagliato che mira a sfruttare l’IA come catalizzatore di innovazione, con importanti benefici previsti per la competitività, l’efficienza della pubblica amministrazione e la diffusione delle competenze digitali.

La strategia si sviluppa lungo quattro direttrici principali: Ricerca, Pubblica Amministrazione, Imprese e Formazione.

Ricerca: L’obiettivo è rafforzare e consolidare l’ecosistema di ricerca italiano sull’IA. Questo include il rafforzamento di iniziative esistenti come il Partenariato Esteso sull’Intelligenza Artificiale, l’attrazione e la ritenzione di talenti nel campo dell’IA, lo sviluppo di modelli di linguaggio di grandi dimensioni (LLM) italiani che rispettano i valori e le normative europee, e il finanziamento della ricerca fondamentale e interdisciplinare sull’IA.

Pubblica Amministrazione: L’IA sarà il motore della trasformazione digitale nella pubblica amministrazione. Saranno stabilite linee guida per l’adozione, l’acquisto e lo sviluppo di applicazioni IA nella pubblica amministrazione. Progetti pilota semplificheranno i servizi per cittadini e imprese, mentre iniziative nazionali mireranno a rendere più efficienti i processi interni.

Imprese: L’Italia mira a rafforzare sia il settore ICT che sviluppa soluzioni di intelligenza artificiale, sia i settori tradizionali che possono beneficiare di queste innovazioni. Sarà creato un ecosistema di facilitatori per le piccole e medie imprese (PMI), sostenendo lo sviluppo e l’adozione di soluzioni IA con fondi dedicati. Laboratori congiunti industria-ricerca e misure di supporto per le start-up completeranno il quadro.

Formazione: La formazione è cruciale per colmare il divario di competenze nell’IA. Si prevedono percorsi di avvicinamento all’IA nelle scuole, il potenziamento dell’offerta universitaria nell’IA, incluso il Dottorato Nazionale in IA, programmi di upskilling e reskilling per i lavoratori, e iniziative di alfabetizzazione digitale per i cittadini.

Infine, i fattori abilitanti saranno il potenziamento delle infrastrutture digitali, la creazione di un repository nazionale di dataset e modelli IA, e l’istituzione di una Fondazione per l’IA che coordinerà l’attuazione della strategia. Questi elementi sono fondamentali per garantire il successo della strategia e per fare dell’IA un volano di innovazione in Italia.

L’attuazione della “Strategia Italiana per l’Intelligenza Artificiale 2024-2026” prevede una serie di passaggi chiave:

Ricerca: Si prevede l’implementazione di iniziative per aumentare il numero di dottorati e attrarre in Italia i migliori ricercatori, sia in ambito di ricerca fondamentale sia applicata. Inoltre, si punta alla creazione di nuove cattedre di ricerca sull’IA, a promuovere progetti per incentivare il rientro in Italia di professionisti del settore, e a finanziare piattaforme per la condivisione di dati e software a livello nazionale.

Pubblica Amministrazione: Si prevede un aumento significativo delle procedure di acquisto di servizi legati all’IA, passando da 100 nel 2025 a 300 nel 2026. Inoltre, si prevede l’implementazione di 150 progetti di IA entro il 2025, destinati a crescere fino a 400 entro il 2026.

Imprese: Le misure a favore delle imprese hanno lo scopo di supportare la Transizione 4.0, favorire la nascita e la crescita di imprese innovative dell’IA e supportarle nella sperimentazione e certificazione dei prodotti di IA.

Formazione: Il programma include politiche per promuovere corsi e carriere nelle materie STEM e per rafforzare le competenze digitali e in Intelligenza Artificiale.

Strategia-Italiana-Intelligenza-Artificiale-2024-2026 Download

Infine, si prevede la creazione di una Fondazione per l’IA che coordinerà l’attuazione della strategia. Questi passaggi rappresentano un impegno significativo per l’Italia nel campo dell’Intelligenza Artificiale.

Newsletter AI – non perderti le ultime novità sul mondo dell’Intelligenza Artificiale, i consigli sui tool da provare, i prompt e i corsi di formazione. Iscriviti alla newsletter settimanale e accedi a un mondo di contenuti esclusivi direttamente nella tua casella di posta!

[newsletter_form type=”minimal”]

L’impronta di carbonio dell’Intelligenza Artificiale è più grande di quanto pensi, affermano le scienziate del MIT

Di Dina

il 6 Aprile 2024

Non sono io a dirlo ma alcune studiose del MIT. Sasha Luccioni, con Emma Strubell e Yacine Jernite, hanno testato 88 modelli su 30 set di dati da 10 attività diverse con modalità diverse e hanno trovato cose davvero interessanti:

I compiti generativi e quelli che coinvolgono le immagini consumano più energia e carbonio rispetto ai compiti discriminativi e a quelli che coinvolgono il testo. Abbiamo scoperto che Stable Diffusion XL utilizza quasi 1 carica telefonica di energia per generazione.
La formazione continua ad essere molto più ad alta intensità di energia e di carbonio rispetto all’inferenza. Sono necessari dai 200 ai 500 milioni di deduzioni da un modello della famiglia BLOOM per raggiungere la quantità di energia utilizzata durante l’allenamento. Ma questo può essere raggiunto abbastanza velocemente per un modello popolare utilizzato da milioni di utenti, come ChatGPT.

L’utilizzo di modelli multiuso per compiti discriminativi richiede un maggiore dispendio energetico rispetto ai modelli specifici per compiti per gli stessi compiti. Ciò è particolarmente vero per l’analisi del sentiment e la risposta alle domande. La differenza può essere un fattore di 30 volte a seconda del set di dati.

Ma c’è una cosa di cui la gente non parla abbastanza, ed è l’impronta di carbonio dell’Intelligenza Artificiale. Uno dei motivi è che le grandi aziende tecnologiche non condividono l’impronta di carbonio della formazione e dell’utilizzo dei loro enormi modelli, e non disponiamo di metodi standardizzati per misurare le emissioni di cui è responsabile l’intelligenza artificiale. E anche se sappiamo che addestrare modelli di Intelligenza Artificiale è altamente inquinante , le emissioni attribuibili all’utilizzo dell’Intelligenza Artificiale finora sono state un tassello mancante. Cioè, fino ad ora.

In un nuovo studio condotto dai ricercatori della startup AI Hugging Face e della Carnegie Mellon University, generare un’immagine utilizzando un potente modello di Intelligenza Artificiale richiede la stessa quantità di energia necessaria per caricare completamente uno smartphone. Tuttavia, hanno scoperto che l’utilizzo di un modello di Intelligenza Artificiale per generare testo richiede molta meno energia. La creazione di testo 1.000 volte consuma solo il 16% della carica completa di uno smartphone.

Il loro lavoro, che deve ancora essere sottoposto a revisione paritaria, mostra che, sebbene l’addestramento di enormi modelli di Intelligenza Artificiale richieda un’enorme quantità di energia, è solo una parte del quadro. La maggior parte della loro impronta di carbonio deriva dal loro utilizzo effettivo.

2311.16863 Download

Lo studio segna la prima volta che i ricercatori calcolano le emissioni di carbonio causate dall’utilizzo di un modello di Intelligenza Artificiale per vari compiti, secondo Sasha Luccioni, ricercatrice di intelligenza artificiale presso Hugging Face che ha guidato il lavoro. Spera che la comprensione di queste emissioni possa aiutarci a prendere decisioni informate su come utilizzare l’intelligenza artificiale in un modo più rispettoso del pianeta.

Il consumo di energia e l’impronta di carbonio dell’intelligenza artificiale sono un argomento sempre più importante con la crescita dell’uso dei sistemi di intelligenza artificiale.

Il consumo energetico dei sistemi di Intelligenza Artificiale può essere suddiviso in due fasi principali: addestramento e inferenza.

La fase di formazione, che prevede l’insegnamento del modello di Intelligenza Artificiale utilizzando grandi quantità di dati, è in genere più dispendiosa in termini di energia.

La fase di inferenza, che prevede l’utilizzo del modello addestrato per effettuare previsioni o decisioni, generalmente consuma meno energia ma può comunque accumularsi nel tempo, soprattutto per i sistemi che effettuano previsioni frequenti.

Il consumo energetico dei sistemi di Intelligenza Artificiale è in gran parte determinato dall’hardware e dall’infrastruttura che utilizzano. Ciò include i computer e i server utilizzati per l’addestramento e l’inferenza, nonché i data center che ospitano questi sistemi. Hardware e infrastrutture più efficienti dal punto di vista energetico possono ridurre significativamente il consumo di energia e l’impronta di carbonio dei sistemi di intelligenza artificiale.

La generazione di immagini è di gran lunga l’attività basata sull’Intelligenza Artificiale più dispendiosa in termini di energia e carbonio.

La generazione di 1.000 immagini con un potente modello di intelligenza artificiale, come Stable Diffusion XL, è responsabile della produzione di una quantità di anidride carbonica pari a quella di guidare l’equivalente di 4,1 miglia in un’auto media a benzina.

L’impronta di carbonio dei sistemi di Intelligenza Artificiale dipende anche dalle fonti energetiche utilizzate per alimentarli. I sistemi di Intelligenza Artificiale alimentati da fonti di energia rinnovabile, come l’energia eolica o solare, hanno un’impronta di carbonio inferiore rispetto a quelli alimentati da combustibili fossili.

ESG – La ricerca di Luccioni evidenzia anche come le emissioni legate all’uso dell’intelligenza artificiale dipenderanno da dove verrà utilizzata, afferma Jesse Dodge, ricercatore presso l’Allen Institute for AI, che non ha preso parte allo studio. L’impronta di carbonio dell’intelligenza artificiale in luoghi in cui la rete elettrica è relativamente pulita, come la Francia , sarà molto inferiore rispetto a luoghi con una rete fortemente dipendente dai combustibili fossili, come alcune parti degli Stati Uniti.

Esistono varie strategie per rendere i sistemi di AI più efficienti dal punto di vista energetico, come l’utilizzo di modelli più piccoli, l’ottimizzazione di algoritmi per l’efficienza energetica o l’utilizzo di tecniche come la potatura o la quantizzazione per ridurre i requisiti computazionali dei modelli di AI.

Politiche e normative: le politiche e le normative possono svolgere un ruolo chiave nel ridurre il consumo di energia e l’impronta di carbonio dell’AI. Ciò potrebbe comportare la definizione di standard di efficienza energetica per i sistemi di intelligenza artificiale, l’incentivazione dell’uso di energie rinnovabili o la richiesta alle aziende di segnalare e ridurre le proprie emissioni di carbonio.

Ecco alcuni numeri che evidenziano il consumo energetico e l’impronta di carbonio dell’AI:

Uno studio pubblicato su Nature Climate Change nel 2019 ha stimato che l’addestramento di un singolo modello di intelligenza artificiale può emettere tanto carbonio quanto cinque automobili nel corso della loro vita. Ciò equivale a circa 284.000 libbre (129.000 chilogrammi) di anidride carbonica.
Secondo un rapporto del 2020 dell’Agenzia internazionale per l’energia (IEA), i data center, che ospitano molti sistemi di intelligenza artificiale, rappresentano circa l’1% del consumo globale di elettricità. Ciò equivale all’incirca al consumo di elettricità dell’intero paese dell’Australia.

Uno studio del 2020 condotto da ricercatori dell’Università del Massachusetts, Amherst, ha stimato che l’energia utilizzata per l’inferenza dell’intelligenza artificiale nei data center potrebbe rappresentare il 2,5% del consumo globale di elettricità entro il 2030.

Un rapporto del 2020 di OpenAI ha rilevato che la quantità di potenza di calcolo utilizzata nelle più grandi sessioni di formazione sull’intelligenza artificiale è raddoppiata ogni 3,4 mesi dal 2012. Tuttavia, il rapporto ha anche osservato che i miglioramenti nell’efficienza dell’hardware hanno aiutato per compensare parte di questo aumento del consumo di energia.

Alcune aziende di intelligenza artificiale stanno compensando le proprie emissioni di carbonio. Ad esempio, Google è a zero emissioni di carbonio dal 2007 e mira a operare con energia priva di emissioni di carbonio 24 ore su 24, 7 giorni su 7 in tutti i suoi data center e campus in tutto il mondo entro il 2030.

L’Unione Europea ha fissato l’obiettivo di ridurre le proprie emissioni di gas serra di almeno il 55% entro il 2030 rispetto ai livelli del 1990, e di raggiungere l’azzeramento delle emissioni nette entro il 2050. Questi obiettivi potrebbero portare a riduzioni il consumo energetico e l’impronta di carbonio dell’intelligenza artificiale nell’UE.

Inclusive AI vs Bias computazionale

Di Dina

in Cultura

Nell’esplorare il mondo dell’Intelligenza Artificiale, dobbiamo porci una domanda fondamentale: è veramente inclusiva?

“Non basta semplicemente incoraggiare le ragazze ad avvicinarsi alle discipline STEM.
Dobbiamo affrontare con determinazione i pregiudizi radicati all’interno dell’AI stessa.
Solo così potremo creare un futuro in cui tutti possano partecipare pienamente e equamente alla rivoluzione tecnologica.”

Parrot AI è il classico esempio di come l’AI, se usata nel modo sbagliato, può produrre un livello di disinformazione allarmante.

Nvidia’s Dominance in AI Infrastructures: A Look at the Competition and the Future of AI Chips

Di Dina

I believe that NVIDIA’s moat is currently quite wide, but it appears to have a significant weak point that clever researchers and well-funded newcomers are beginning to try to exploit. NVIDIA initially developed its GPUs and CPUs for non-artificial intelligence specific activities. The computing power provided turned out to be translatable into deep learning and other artificial intelligence capabilities, placing NVIDIA in a particularly strong position as demand for artificial intelligence began to increase exponentially. However, the key point here is that it developed its significant infrastructure suitable for computing activities that are not specifically designed for artificial intelligence. This does not mean that NVIDIA is not aware of it; they are absolutely and will do everything in their power to develop systems and infrastructures that commit to focusing on artificial intelligence first and foremost in the units developed in the future.

However, there is still a certain window here for new companies to potentially gain a share of the market if they challenge NVIDIA, Google, and other leading tech companies in developing chips specifically designed for AI workloads from scratch. The main competitive advantage that these AI-specific chips would have is efficiency in AI workloads, which represents a huge strength as consumers begin to expect faster inferences from AI systems. It is not unlikely that a company much smaller than NVIDIA could effectively achieve all of this, but in my opinion, it takes the right teams with the right funding and the right ingenuity to be able to properly manifest these projects and then have them adopted on a large scale.

Companies like Groq and other less well-known startups are already doing this. But in my opinion and from my research, Groq seems to have the highest advantage here and should offer a rather convincing rival to NVIDIA in the artificial intelligence market in the coming years. It offers a Tensor Streaming Processor architecture that, unlike traditional GPUs and CPUs, provides a deterministic and software-defined approach. This reduces latency and increases efficiency. Moreover, its single-core design allows for high-speed data processing, making it much more attractive for AI-based calculations. Groq’s chips are designed to deliver faster performance in certain AI activities than traditional GPUs, as they are designed to perform trillions of operations per second.

Other major competitors to NVIDIA also include Cerebras and SambaNova. Cerebras offers a very powerful single-chip processor and SambaNova offers an integrated hardware and software system powered by AI-specific chips.

Cerebras has a huge AI chip called the Wafer Scale Engine, which is much larger than traditional chips and takes up almost an entire silicon wafer. Therefore, it has unprecedented computing power and stands out as a significant competitor. Its latest version, called the Wafer Scale Engine 2, contains 2.6 trillion transistors and 850,000 cores, making it the largest chip ever built. This allows for fast and efficient AI activities while minimizing data movement.

SambaNova’s integrated hardware and software solution through its DataScale system is powered by chips that use its reconfigurable dataflow architecture. This allows for adaptable and scalable AI processing and is quite interesting as it offers flexibility to companies that need a range of different levels of processing that vary depending on the needs of their machine learning activities at specific times.

We should remember that NVIDIA will not be dethroned from its first place in AI infrastructures due to its growing moat, but the part of the market that focuses on the current large gap in NVIDIA’s strategic focus, which it now needs to bridge by readjusting, could do very well. I think the challenge will be whether the companies trying to compete with NVIDIA in this sense will be able to remain vital once NVIDIA adapts accordingly to the technological change and comes back with mass production. I believe that the only option for smaller competitors is to focus strictly on quality. I believe that ingenuity and design strength could far outperform NVIDIA, even for a long time. Even though NVIDIA might be the biggest, it might not be the best.

If NVIDIA is eventually seen as the company with the largest offering of computing infrastructures but does not offer the best AI-specific chips in terms of efficiency, at least for a while, this could mean that the stock valuation is too high at the moment. What NVIDIA offers, which I believe is compelling and its most significant competitive advantage, is a full-stack ecosystem for high-computing activities, including AI, which it continues to develop. This is probably what the market wants and requires through the very high valuation. However, if suddenly NVIDIA were seen as the main provider of this, but as the second best in terms of AI-specific workloads, I think that NVIDIA’s valuation could undergo a moderate correction. In light of this risk for NVIDIA, I think it is wise for NVIDIA shareholders to be cautious in the short-medium term. My opinion is that NVIDIA’s valuation at this moment is not too high based on the long-term dependence that the world will have on the NVIDIA ecosystem, but in the short-medium term the stock valuation could be seen as too optimistic given that some major competitors of NVIDIA are emerging that should moderately, but successfully, disrupt the idea of NVIDIA as such a dominant provider of quality in AI workloads. However, NVIDIA’s continuous AI innovations and integrations could mitigate these risks, especially considering its funding power compared to smaller and newer companies.

I think that Jensen Huang is an exceptional entrepreneur and executive. He has inspired many of my thoughts and works and it is well documented that he actively seeks out and evaluates NVIDIA’s competition daily when he realizes that it is true that other companies are trying to take away NVIDIA’s market leader position. This presents quite powerfully what other newcomers are up against, and I believe that his ethic is the foundation of the wide and growing moat that NVIDIA shareholders are getting used to. NVIDIA, without exaggeration, is an exceptional company.

As I mentioned above in my analysis of operations, I believe that NVIDIA has its strength in its full-stack ecosystem. In this area, I believe it will be substantially impossible for competitors to effectively compete for NVIDIA’s market share in a significant way. This is why I think Mr. Huang has done an excellent job in consolidating and solidifying NVIDIA’s position as the most advanced (and well-funded) technology company that develops AI tools. This is also why I believe that NVIDIA remains a fantastic long-term buy.

I believe that NVIDIA’s CUDA deserves special mention here, as it is the architecture that enables a full range of customers to enable NVIDIA’s GPUs for generic processing. I think this is incredibly smart for NVIDIA to do, as it allows them to leverage the power of their own units for multiple purposes through software integration. What it does is democratize the power of NVIDIA’s hardware infrastructure, but what Groq and other startups might be able to do is focus on the niche of AI-specific workloads and design hardware that is absolutely focused only on these tasks. Undoubtedly, this will be faster compared to moderating the high-power units for variable workloads, including AI. However, the versatility of generic GPUs offers broader applicability, which is also crucial in environments that require multiple types of workloads managed simultaneously.

While NVIDIA has to face competition from AMD (AMD), which has also developed an AI ecosystem called ROCm, AMD’s platform is significantly less complete and currently does not have a set of AI-specific features like NVIDIA’s. Instead, AMD’s main competitive focus is to provide high-performance processing from its chip designs at a competitive cost. AMD is still aggressively pursuing improvements in its GPU capabilities and the ROCm ecosystem to support AI and machine learning workloads. For some aspects, if AMD were to focus skillfully on the specific development of AI chips, as Groq does, then it could have a much more significant competitive advantage over NVIDIA. However, this should not underestimate the fact that AMD is generally strategically balancing its attention to AI in its total product portfolio. AMD, like NVIDIA, was not initially an AI company.

While NVIDIA is a leader in the field of AI computing infrastructures, it has become evident that there is a momentary opening for innovators to capture the latency in NVIDIA’s chip configurations. In the near future, I believe it is possible that NVIDIA will be seen as the largest and best AI development ecosystem, but it could find itself, at least for a period, outpaced by competition in chip design from smaller companies focused on direct market quality of chips and units specifically designed for AI. Ultimately, NVIDIA was not initially an AI company; it might take a company dedicated to AI from the beginning to truly deliver the quality that the AI consumer market is about to demand.

Universal-1: il modello di riconoscimento vocale più capace e addestrato di AssemblyAI

Di Dina

in News

Assembly AI afferma che il suo nuovo modello Universal-1 ha il 30% in meno di allucinazioni rispetto a Whisper.

In un post sul blog, l’azienda descrive Universal-1 come “un’altra pietra miliare nella nostra missione di fornire funzionalità di sintesi vocale accurate, fedeli e robuste per più lingue, aiutando i nostri clienti e sviluppatori in tutto il mondo a creare varie applicazioni di intelligenza artificiale vocale“.

AssemblyAI ha recentemente lanciato Universal-1, il loro modello di riconoscimento vocale più capace e addestrato1. Addestrato su oltre 12,5 milioni di ore di dati audio multilingue, Universal-1 raggiunge un’accuratezza di trascrizione da voce a testo di prim’ordine, riduce il tasso di errore delle parole e le allucinazioni, migliora la stima dei timestamp e aiuta AssemblyAI a continuare a elevare l’asticella come fornitore leader di Speech AI.

Multilinguismo e Precisione
Universal-1 è addestrato su quattro lingue principali: inglese, spagnolo, francese e tedesco, e mostra un’accuratezza di trascrizione da voce a testo estremamente forte in quasi tutte le condizioni, compresi rumore di fondo pesante, discorso accentato, conversazioni naturali e cambiamenti di lingua, pur raggiungendo un rapido tempo di risposta e una migliore precisione dei timestampi.

Utilizzo Efficiente delle Risorse
La maggior parte della potenza di calcolo viene sprecata perché non tutti i token sono ugualmente difficili da prevedere. Universal-1 assegna dinamicamente il calcolo nei modelli transformer, ottimizzando l’uso delle risorse pur garantendo l’accuratezza1. Elabora selettivamente i token complessi e salta quelli più semplici, riducendo significativamente il sovraccarico computazionale.

Applicazioni di Universal-1
Con Universal-1, AssemblyAI ha cercato di costruire sulle prestazioni leader del settore dei suoi modelli precedenti, e ha progettato questo nuovo modello guidato dall’idea che l’accuratezza di ogni parola conta. I clienti che utilizzano i modelli di Speech AI di AssemblyAI hanno costruito prodotti che possono riassumere videochiamate con note chiare e punti di azione, automatizzare esperienze di servizio clienti e aiutare le organizzazioni a comprendere la voce dei loro clienti con intuizioni da ogni interazione con il cliente.

In conclusione, Universal-1 è un passo avanti significativo nel campo del riconoscimento vocale. Con la sua capacità di gestire dinamicamente il calcolo e la sua formazione su un vasto set di dati multilingue, Universal-1 si pone come un modello di riconoscimento vocale leader nel settore, aprendo la strada a nuove possibilità nel campo dell’Intelligenza Artificiale.

[newsletter_form type=”minimal”]

Google DeepMind ha recentemente presentato Mixture-of-Depths (MoD), un metodo che aumenta la velocità di elaborazione fino al 50%

Di Dina

Google DeepMind published a paper outlining SELF-DISCOVER, a somewhat of a novel take on LLM reasoning.

in News

Google DeepMind ha recentemente presentato Mixture-of-Depths (MoD), un metodo che aumenta la velocità di elaborazione fino al 50% in compiti come l’elaborazione del linguaggio naturale e la previsione di sequenze complesse.

La maggior parte della potenza di calcolo viene sprecata perché non tutti i token sono ugualmente difficili da prevedere. Questo nuovo metodo assegna dinamicamente il calcolo nei modelli transformer, ottimizzando l’uso delle risorse pur garantendo l’accuratezza. Elabora selettivamente i token complessi e salta quelli più semplici, riducendo significativamente il sovraccarico computazionale.

All’interno dei computer, i testi come quelli prodotti da ChatGPT sono rappresentati in forma numerica, e ogni operazione eseguita su di essi è un’enorme sequenza di semplici operazioni matematiche.

Dato che i numeri decimali sono rappresentati in formato “floating point” (“a virgola mobile”), è naturale contare quante operazioni elementari (per esempio addizioni) su tali numeri possono essere eseguite in un certo tempo: floating point operations, ovvero FLOPs

I transformers sono modelli di apprendimento automatico basati sull’attenzione (attention-based) per elaborare sequenze di input, come le sequenze di parole in un testo. L’attenzione permette al modello di dare maggiore peso a determinate parti dell’input, in modo da prestare maggiore attenzione a informazioni rilevanti e ignorare informazioni meno importanti.

Questa capacità di prestare attenzione a parti specifiche dell’input rende i transformers particolarmente adatti all’elaborazione del linguaggio naturale, dove l’informazione rilevante può essere dispersa all’interno di una sequenza di parole.

I modelli di linguaggio basati su transformer distribuiscono uniformemente i FLOP attraverso le sequenze di input.

In questo lavoro, i ricercatori dimostrano che i transformer possono invece imparare a assegnare dinamicamente i FLOP (o calcoli) a posizioni specifiche in una sequenza, ottimizzando l’allocazione lungo la sequenza per diversi strati attraverso la profondità del modello. Il nostro metodo impone un budget totale di calcolo limitando il numero di token (k) che possono partecipare ai calcoli di self-attention e MLP in un dato strato.

I token da elaborare sono determinati dalla rete utilizzando un meccanismo di instradamento top-k. Poiché k è definito a priori, questa semplice procedura utilizza un grafo di calcolo statico con dimensioni di tensori note, a differenza di altre tecniche di calcolo condizionale. Tuttavia, poiché le identità dei token k sono fluide, questo metodo può sprecare i FLOP in modo non uniforme attraverso le dimensioni del tempo e della profondità del modello.

Quindi, la spesa di calcolo è completamente prevedibile nel totale complessivo, ma dinamica e sensibile al contesto a livello di token. Non solo i modelli addestrati in questo modo imparano a assegnare dinamicamente il calcolo, ma lo fanno in modo efficiente. Questi modelli corrispondono alle prestazioni di base per FLOP equivalenti e tempi di addestramento, ma richiedono una frazione dei FLOP per passaggio in avanti e possono essere più veloci del 50% durante il campionamento post-addestramento.

Questo documento è un altro promemoria che i Modelli di Linguaggio a Lungo Termine (LLM) sono ancora nelle loro prime fasi: lenti, ampi e inefficienti. Creare modelli economici e veloci aprirà un mondo di possibilità, come la capacità di eseguire modelli localmente sui nostri telefoni e GPU. Potrebbe anche ridurre drasticamente i costi di addestramento e esecuzione degli LLM.

2404.02258 Download

[newsletter_form type=”minimal”]

L’AI come strumento per l’empowerment nelle Regioni in via di sviluppo

Di Dina

in Women in AI

Quando riflettiamo sul ruolo dell’Intelligenza Artificiale, è importante considerare non solo l’impatto nei Paesi in via di sviluppo, ma anche l’effetto globale e il potenziale per favorire l’empowerment femminile.

Una Prospettiva globale: l’AI ha un impatto su scala globale, quindi è essenziale considerare come le sue applicazioni e sviluppi influenzino le donne in tutto il mondo. Anche nei Paesi meno sviluppati, le donne possono beneficiare dell’Intelligenza Artificiale in settori come la salute, l’istruzione, l’economia e altro ancora.

Il Digital Markets Act e le implicazioni per le Big Tech: Riflessioni e Prospettive

Di Dina

il 4 Aprile 2024

Il Digital Markets Act (DMA) è una proposta legislativa dell’Unione Europea (UE) volta a regolare le grandi piattaforme digitali, spesso indicate come “Big Tech”, che detengono una posizione dominante nel mercato digitale. Il DMA è parte integrante del pacchetto di riforme digitali dell’UE, insieme al Digital Services Act (DSA), e mira a promuovere la concorrenza equa nel mercato digitale europeo.

In un recente articolo della Prof.ssa Paola Pisano che cosa cambia per le Bigtech dopo il DMA, evidenzia come il DMA potrebbe ridurre il potere di mercato delle Big Tech, favorendo la concorrenza e promuovendo l’innovazione nel settore tecnologico. Tuttavia, sottolinea anche le preoccupazioni riguardo alla complessità delle normative proposte e alla loro possibile efficacia nell’affrontare le preoccupazioni riguardanti il potere delle Big Tech.

Lo stesso articolo cita il Caso Groq, il suo chip Tensor Streaming Processor (TSP), progettato appositamente per accelerare il training e l’inferenza di reti neurali artificiali, il quale ha attirato l’attenzione sia degli investitori che dei giganti tecnologici grazie alla sua tecnologia di punta. Tuttavia, la startup ha anche affrontato sfide, tra cui la competizione con altre aziende nel settore dei chip AI e la necessità di dimostrare l’efficacia e l’affidabilità del suo prodotto in un mercato altamente competitivo.

Nel complesso, Groq rappresenta un interessante caso di studio nel campo dell’innovazione tecnologica, mostrando come le startup possano sfidare i giganti consolidati con idee e approcci innovativi. Il successo futuro di Groq dipenderà dalla sua capacità di continuare a sviluppare e commercializzare la sua tecnologia in un modo che risponda alle esigenze del mercato e superi la concorrenza.

Questo mi ha spinto un riflessione personale.

Nell’era digitale sempre più interconnessa in cui viviamo, le grandi piattaforme tecnologiche hanno acquisito un’influenza senza precedenti sulla nostra vita quotidiana, svolgendo un ruolo centrale nell’economia globale.

Tuttavia, con il loro crescente potere e dominio nel mercato digitale, sono emerse preoccupazioni riguardo alla mancanza di concorrenza equa, alla protezione dei dati degli utenti e alla trasparenza delle loro pratiche commerciali. In risposta a queste preoccupazioni, l’Unione Europea ha proposto il Digital Markets Act (DMA), una legislazione mirata a regolare le grandi piattaforme digitali al fine di promuovere una maggiore concorrenza e proteggere i consumatori.

Tuttavia, il DMA ha suscitato un acceso dibattito riguardo alle sue implicazioni e alla sua efficacia nel risolvere le sfide nel mercato digitale.”

Alcuni analisti finanziari potrebbero vedere il DMA come un importante passo avanti nella regolamentazione delle grandi piattaforme digitali, in quanto mira a promuovere una maggiore concorrenza nel settore e a proteggere i consumatori dai potenziali abusi di posizione dominante da parte delle Big Tech. Questi analisti potrebbero ritenere che la regolamentazione delle piattaforme digitali dominanti possa contribuire a ridurre il rischio sistematico nel settore tecnologico e promuovere una maggiore stabilità nei mercati finanziari.

Tuttavia, altri analisti potrebbero essere preoccupati per le possibili conseguenze negative del DMA sulle grandi società tecnologiche e sui mercati finanziari. Potrebbero temere che eccessive restrizioni alle attività delle Big Tech possano ridurre l’innovazione nel settore e danneggiare la competitività dell’Europa rispetto ad altre regioni del mondo. Questi analisti potrebbero anche preoccuparsi delle implicazioni per gli investitori nel settore tecnologico e per i mercati azionari europei nel loro complesso.

Un’altra area di interesse riguarda l’implementazione e l’applicazione del DMA. Considerando le sfide pratiche e le possibili disparità nell’applicazione tra gli Stati membri dell’UE, sarà fondamentale sviluppare meccanismi efficaci per garantire una regolamentazione uniforme e coerente in tutto il mercato unico digitale europeo.

Una regolamentazione non uniforme potrebbe portare alla frammentazione del mercato digitale, con regole diverse che si applicano in paesi diversi. Questo potrebbe rendere difficile per le aziende operare su più mercati e potrebbe creare un ambiente poco chiaro e confuso per gli utenti e gli operatori del mercato, una disuguaglianza di trattamento tra le grandi piattaforme digitali, a seconda del paese in cui operano e a una concorrenza sleale, con regole diverse (pensiamo alla privacy) che si applicano in diversi paesi, le grandi piattaforme digitali potrebbero trovarsi ad affrontare una maggiore complessità amministrativa e burocratica nel rispettare le diverse normative.

Se alcuni stati ad esempio UK (brexit) considerassero il DMA come un’interferenza eccessiva negli affari interni e una limitazione della sua sovranità decisionale, potrebbero opporsi attivamente alle misure proposte. Oppure vedessero le grandi piattaforme digitali come un motore importante per l’economia e l’innovazione, potrebbero essere riluttante ad adottare misure che limitino il loro potere o che possano danneggiare la loro competitività.

In un contesto di negoziati post-Brexit e di sviluppo di nuove relazioni commerciali, il Regno Unito potrebbe cercare di bilanciare le proprie posizioni politiche e diplomatiche con l’Unione Europea e altri attori internazionali, potenzialmente ostacolando l’adozione del DMA.

Al di fuori di questi scenari geopolitici iIl DMA potrebbe offrire opportunità significative per le piccole e medie imprese (PMI) e le startup nel settore tecnologico. La condivisione dei dati e altre misure proposte potrebbero consentire loro di competere in modo più equo con le Big Tech, favorendo così l’innovazione e la diversificazione nel mercato digitale.

Sarà interessante osservare le reazioni delle grandi società tecnologiche di fronte al potenziale impatto del DMA sul loro modello di business e sul loro dominio di mercato. Le strategie adottate dalle Big Tech per conformarsi alle nuove normative potrebbero avere profonde implicazioni per il futuro del settore tecnologico e per l’evoluzione del panorama digitale europeo.

Il DMA si inserisce in un contesto più ampio di sforzi internazionali per regolare le grandi piattaforme digitali e promuovere la concorrenza nel settore tecnologico.

Stati Uniti: Negli Stati Uniti, ci sono state molte discussioni e proposte legislative volte a regolare le grandi piattaforme tecnologiche. Ad esempio, ci sono state udienze antitrust al Congresso e un’indagine da parte della Federal Trade Commission (FTC) sulla condotta anticoncorrenziale di alcune di queste aziende.

Cina: Anche in Cina, dove le grandi aziende tecnologiche hanno un forte controllo sul mercato digitale, sono state adottate misure per regolare il settore. Ad esempio, ci sono stati interventi governativi per limitare il potere delle piattaforme digitali e garantire una concorrenza più equa.

G7 e G20: I paesi del G7 e del G20 hanno discusso ampiamente questioni legate alla regolamentazione delle piattaforme digitali e alla promozione della concorrenza nel settore tecnologico. Inoltre, sono state discusse strategie coordinate per affrontare le sfide globali legate al potere delle grandi piattaforme digitali.

Organizzazioni internazionali: Organizzazioni internazionali come l’Organizzazione Mondiale del Commercio (OMC) e l’Organizzazione per la Cooperazione e lo Sviluppo Economico (OCSE) sono coinvolte nel dibattito sulla regolamentazione delle piattaforme digitali e lavorano per sviluppare norme e regolamenti globali in materia.

La cooperazione internazionale sarà cruciale per affrontare le sfide globali legate al potere delle Big Tech e per garantire un ambiente digitale sicuro ed equo per tutti gli utenti.

In conclusione, il Digital Markets Act rappresenta un importante passo avanti nella regolamentazione delle piattaforme digitali dominanti e nella promozione della concorrenza nel settore tecnologico europeo.

Tuttavia, sarà fondamentale monitorare da vicino l’implementazione e l’applicazione delle nuove normative, così come le reazioni delle Big Tech e le conseguenze sulle PMI e sulle startup. Solo attraverso una regolamentazione equilibrata e una collaborazione internazionale efficace sarà possibile garantire un futuro digitale prospero e inclusivo per tutti.

DMA Annual Report 2023

Apple presenta ReALM: la nuova intelligenza artificiale più avanzata

Di Dina

il 4 Aprile 2024

in AI

Il CEO Tim Cook ha dichiarato a febbraio durante un’assemblea degli azionisti online :

“Entro la fine dell’anno – ha detto Cook – non vedo l’ora di condividere con voi i modi in cui apriremo nuovi orizzonti nell’intelligenza artificiale generativa, un’altra tecnologia che crediamo possa ridefinire il futuro”.

“Apple – ha proseguito – ha preso atto dell’incredibile potenziale rivoluzionario dell’intelligenza artificiale generativa e sta investendo in modo significativo in questo settore”.

ReALM è la nuova intelligenza artificiale di Apple che, a differenza di molte altre AI, può comprendere un contesto, inclusi i suoi elementi ambigui, senza che questi debbano essere necessariamente indicati e specificati dall’interlocutore. Questo le permette di cogliere sottotesti in modo più dettagliato, consentendo interazioni più naturali con gli utenti.

La risoluzione di questo problema è una parte importante della comprensione del linguaggio naturale, poiché consente agli utenti di utilizzare pronomi e altri riferimenti indiretti senza generare confusione nella macchina. Nella creazione degli assistenti digitali, lo sviluppo della capacità di comprensione delle anafore, applicato a segnali verbali e informazioni visive, ha rappresentato storicamente una sfida significativa.

Il sistema ReALM di Apple cerca di risolvere questo problema convertendo il complesso processo di risoluzione dei riferimenti in un puro problema di modellazione del linguaggio. In tal modo, può comprendere riferimenti a elementi visivi visualizzati su uno schermo e integrare in automatico questa comprensione. Questo rappresenta un passo avanti significativo nel campo dell’intelligenza artificiale.

La “risoluzione delle anafore” è un concetto chiave nel campo dell’intelligenza artificiale e del linguaggio naturale. Le anafore sono espressioni linguistiche che fanno riferimento a un elemento o a un concetto precedentemente menzionato nel discorso. Ad esempio, in una frase come “Mario ha preso il suo cappello. Lo indossa sempre”, “lo” è un’anafora che si riferisce a “il suo cappello”.

La sfida della risoluzione delle anafore consiste nel permettere a un sistema di intelligenza artificiale di capire a cosa si riferiscono queste espressioni anaforiche nel contesto del discorso. Questo è fondamentale per la comprensione del linguaggio naturale, poiché consente agli utenti di utilizzare pronomi e altri riferimenti indiretti senza generare confusione nella macchina.

Nel caso di Apple e del suo sistema ReALM, l’obiettivo è quello di convertire il complesso processo di risoluzione dei riferimenti in un puro problema di modellazione del linguaggio. In questo modo, ReALM può comprendere riferimenti a elementi visivi visualizzati su uno schermo e integrare automaticamente questa comprensione. Questo rappresenta un passo avanti significativo nel campo dell’intelligenza artificiale e della comprensione del linguaggio naturale.

Il più recente documento di ricerca di Apple del 29 Marzo suggerisce che diventera’ un gigante tecnologico quando sarà il “vincitore dell’AI” una volta risolto il problema dell’implementazione su dispositivo che può abilitare un “superciclo” dell’iPhone, hanno detto gli analisti di Evercore ISI. ( nient’altro che una transazione di massa dai vecchi modelli di iPhone a quelli più recenti)

La ricerca, pubblicata lunedì, descrive il nuovo modello linguistico di Apple, noto come Reference Resolution As Language Modeling, o ReALM. I ricercatori hanno indicato che i modelli ReALM più piccoli presentavano prestazioni simili a quelle del GPT-4 di OpenAI, seppur con meno parametri. Ciò potrebbe consentire al nuovo modello di offrire l’AI al limite, o dispositivi come smartphone e PC, fornendo la stessa funzionalità dell’AI nei data center.

“L’innovazione chiave qui sembra essere intorno alla risoluzione dei riferimenti, che si riferisce a come l’AI (Multimodale) può comprendere i riferimenti ai dati visualizzati sullo schermo così come il contesto più conversazionale”, ha affermato l’analista di Evercore ISI Amit Daryanani. “

Apple semplifica il compito normalmente complesso della risoluzione dei riferimenti convertendo tutti i dati visualizzati sullo schermo in testo, che è molto più facile per un [grande modello linguistico] da analizzare rispetto alle immagini. Questa è la caratteristica chiave che consente ad Apple di offrire prestazioni elevate con un numero limitato di parametri.”

Offrendo strumenti di intelligenza artificiale su dispositivi consumer (e forse aumentando l’utilità di Siri), Apple potrebbe offrire agli sviluppatori una latenza inferiore, una migliore sicurezza e rendere più facile e meno costoso fare lavoro correlato all’AI, ha detto Daryanani.

“Pensiamo che la strategia di AI di Apple si concentrerà sull’incorporare l’inferenza su dispositivo per [grandi modelli linguistici] che alzeranno notevolmente l’esperienza utente non solo per l’iPhone ma anche per Mac/iPad”, ha spiegato Daryanani. “

Date la loro integrazione verticale e soprattutto il loro controllo sul proprio silicio, AAPL è meglio posizionata non solo per espandere il fossato che circonda l’ecosistema iOS ma anche potenzialmente guidare un ciclo di aggiornamento accelerato qualora l’implementazione finale venga considerata un cambiamento sufficientemente grande.”

Ha proseguito: “Il ciclo di aggiornamento probabilmente sarà guidato da aggiornamenti significativi all’hardware incluso un motore neurale o GPU potenzialmente migliorato. Inoltre, un aggiornamento sufficientemente significativo delle capacità potrebbe potenzialmente portare a un aumento nei [prezzi medi di vendita].”

Apple è pronta per dare il via alla sua conferenza annuale per sviluppatori il 10 giugno, dove molti si aspettano che la gigante tecnologica faccia una serie di annunci relativi all’AI.

Perchi volesse approfondire :

L’Intelligenza Artificiale (AI) multimodale si riferisce a sistemi di AI che possono processare, capire e/o generare output per più di un tipo di dati. Questo include la combinazione di diverse modalità di input e output, come immagini, testo, suono e video. L’obiettivo è migliorare la comprensione e le capacità di ragionamento dei sistemi di intelligenza artificiale.

Il documento di ricerca “MM1: Methods, Analysis & Insights from Multimodal LLM Pre-training” discute la costruzione di modelli di linguaggio di grandi dimensioni multimodali efficienti (MLLMs). In particolare, studia l’importanza di vari componenti architettonici e scelte di dati. Attraverso ablazioni accurate e complete dell’encoder di immagini, del connettore linguaggio-visione e di varie scelte di dati di pre-addestramento, i ricercatori hanno identificato diverse lezioni di design cruciali.

Per esempio, dimostrano che per un pre-addestramento multimodale su larga scala, l’utilizzo di un mix attento di dati di didascalia di immagini, testo di immagini intercalate e dati solo di testo è fondamentale per ottenere risultati di riferimento pochi colpi allo stato dell’arte (SOTA state of the art), rispetto ad altri risultati di pre-addestramento pubblicati.

I modelli MM1, addestrati su dati visivi e linguistici, hanno dimostrato di eccellere in attività come la descrizione di immagini, la risposta a domande a partire da immagini e l’inferenza in linguaggio naturale. Grazie al pre-addestramento su larga scala, MM1 gode di proprietà interessanti come l’apprendimento migliorato nel contesto e il ragionamento multi-immagine, consentendo il prompting a catena di pensiero con pochi colpi.

[newsletter_form type=”minimal”]

AB-331 il D.L. dalla California contro la discriminazione algoritmica

Di Dina

il 2 Aprile 2024

La California si pone in prima linea nell’affrontare le sfide legate all’Intelligenza Artificiale (AI), con particolare attenzione alla sicurezza e all’equità. Le iniziative legislative proposte mirano a regolamentare l’uso dell’AI sul luogo di lavoro e ad adattare le norme del lavoro per affrontare l’utilizzo di sistemi decisionali automatizzati.

Tuttavia, la sua più recente iniziativa adotta un approccio ancora più ampio, cercando di regolamentare gli strumenti utilizzati per prendere decisioni di vita rilevanti.

Nel gennaio del 2023, la membro dell’assemblea della California Rebecca Bauer-Kahan ha presentato il disegno di legge AB-331, che mira a vietare l’uso di strumenti decisionali automatizzati che contribuiscono alla discriminazione algoritmica.

Questa forma di discriminazione si verifica quando i sistemi algoritmici producono risultati sfavorevoli per le persone in base a caratteristiche come razza, colore, etnia, sesso, religione, età, origine nazionale, conoscenza limitata dell’inglese, disabilità, stato di veterano, informazioni genetiche, salute riproduttiva o altre classificazioni protette dalla legge statale.

Prima di essere sottoposto a revisione, il testo originale del disegno di legge vietava l’uso di strumenti decisionali automatizzati che contribuivano alla discriminazione. Tuttavia, in seguito a revisioni, le attività proibite sono state specificate in modo più dettagliato.

Attualmente, il disegno di legge è in fase di presentazione e potrebbe richiedere alcuni mesi prima di essere esaminato dalla commissione. Tuttavia, se approvato, avrebbe implicazioni significative per gli sviluppatori e gli utilizzatori di tali tecnologie.

Questo tipo di legislazione è cruciale per garantire che l’AI sia utilizzata in modo responsabile e equo, proteggendo i diritti e le libertà individuali. Nel seguito, presentiamo 10 punti chiave riguardanti il disegno di legge AB-331.

AB-331 prende di mira gli strumenti utilizzati per prendere decisioni consequenziali, che hanno un effetto legale, materiale o altro significativo sulla vita di un individuo in termini di impatto, accesso a, costo, termini o disponibilità di quanto segue:

Ecco dieci punti chiave riguardanti il disegno di legge AB-331:

Scopo: Il disegno di legge mira a vietare l’uso di strumenti decisionali automatizzati che contribuiscono alla discriminazione algoritmica.
Discriminazione Algoritmica: Si definisce discriminazione algoritmica il trattamento differenziale che sfavorisce le persone in base a caratteristiche come razza, colore, etnia, sesso, religione, età, origine nazionale, conoscenza limitata dell’inglese, disabilità, stato di veterano, informazioni genetiche, salute riproduttiva o altre classificazioni protette dalla legge statale.
Iniziativa Legislativa: Il disegno di legge è stato introdotto dalla membro dell’assemblea della California, Rebecca Bauer-Kahan, nel gennaio 2023.
Presentazione e Revisioni: Dopo essere stato sottoposto a revisione, il testo del disegno di legge è stato modificato per specificare in modo più dettagliato le attività proibite.
Obiettivo di Equità: L’obiettivo principale del disegno di legge è garantire l’equità nell’uso dei sistemi decisionali automatizzati, proteggendo i diritti e le libertà individuali.
Applicazioni Larghe: La legislazione si applica a una vasta gamma di contesti in cui vengono utilizzati strumenti decisionali automatizzati, inclusi ma non limitati al lavoro e ad altre decisioni cruciali nella vita quotidiana.
Sfide Tecnologiche: Il disegno di legge affronta le sfide emergenti poste dall’IA, evidenziando la necessità di una regolamentazione per garantire un utilizzo responsabile e equo di tali tecnologie.
Processo Legislativo: Attualmente, il disegno di legge è in fase di presentazione e deve ancora essere esaminato dalla commissione. Potrebbe richiedere alcuni mesi prima di essere portato avanti nel processo legislativo.
Implicazioni per gli Sviluppatori: Se approvato, il disegno di legge avrà implicazioni significative per gli sviluppatori di sistemi decisionali automatizzati, richiedendo la conformità alle norme anti-discriminazione stabilite.
Protezione dei Diritti Individuali: La legislazione mira a proteggere i diritti individuali e a garantire che l’IA sia utilizzata per migliorare la società senza perpetuare o amplificare le disparità esistenti.

Gli impatti del disegno di legge AB-331 sull’Intelligenza Artificiale (AI) potrebbero essere notevoli e variegati. Ecco alcuni possibili impatti:

Sviluppo etico: Il disegno di legge mette in evidenza l’importanza di sviluppare e utilizzare l’IA in modo etico, responsabile ed equo, incoraggiando l’adozione di pratiche di sviluppo che minimizzino il rischio di discriminazione algoritmica.
Accuratezza dei modelli: Gli sviluppatori potrebbero concentrarsi maggiormente sull’ottenimento di modelli di intelligenza artificiale più accurati e imparziali, riducendo così il rischio di produrre risultati discriminatori.
Audit e trasparenza: Potrebbe esserci una maggiore richiesta di audit e trasparenza nei sistemi AI per comprendere meglio come vengono presi i decisioni e per identificare eventuali bias algoritmici.
Innovazione regolamentata: Le restrizioni imposte dal disegno di legge potrebbero influenzare l’innovazione nel settore dell’IA, con alcuni sviluppatori che potrebbero sentirsi limitati nei loro sforzi di creare nuove soluzioni a causa delle normative più stringenti.
Responsabilità legale: Le aziende che sviluppano e utilizzano sistemi AI potrebbero diventare maggiormente responsabili legalmente per eventuali danni o discriminazioni causate dai loro prodotti, spingendole a investire maggiormente nella conformità normativa e nella valutazione del rischio.
Diversità dei dati: Potrebbe esserci un maggiore sforzo per garantire la diversità e la rappresentatività dei dati utilizzati per addestrare i modelli di AI, al fine di ridurre il rischio di bias nei risultati.
Educazione e consapevolezza: Potrebbe esserci una maggiore enfasi sull’educazione e la consapevolezza riguardo ai problemi etici e sociali legati all’IA, sia tra gli sviluppatori che tra gli utenti finali.

In definitiva, il disegno di legge AB-331 potrebbe avere un impatto significativo sull’intero ecosistema dell’Intelligenza Artificiale, spingendo verso una maggiore responsabilità, trasparenza ed equità nell’uso di tali tecnologie.

[newsletter_form type=”minimal”]

Ghost in the shell

Di Dina

in Vision

Man mano che l’intelligenza artificiale e il potenziamento umano diventano sempre più comuni, dobbiamo affrontare le implicazioni etiche di queste tecnologie e le potenziali conseguenze della fusione della coscienza umana con le macchine.

Parliamo di un Manga che e’ un punto fermo della fantascienza sin dal suo inizio alla fine degli anni ’80.

“The Ghost in the Shell” è una serie di manga scritta e illustrata da Masamune Shirow. Ambientata in un futuro distopico e tecnologicamente avanzato, la storia segue le vicende della Section 9, un’unità d’elite anti-crimine specializzata nella lotta contro il cyberterrorismo e le minacce legate alla tecnologia.

The State of AI – April Tech 2024

Di Dina

in News, Vision

Come dico da decenni sebbene non disponga di una sfera di cristallo per prevedere il futuro con assoluta certezza, posso fornire approfondimenti e analisi basati sulle tendenze e sugli sviluppi attuali nel campo dell’intelligenza artificiale.

Pubblichiamo in un articolo quanto apparso nel nostro white paper nel caso non lo aveste letto.

Mentre ci avviciniamo alla fine dei primi quattro mesi del 2024, è probabile che alcune macrotendenze continuino ad accelerare il ritmo del cambiamento nell’IA applicata. Sono:

Oltre alle più ampie piattaforme di modelli come servizio, RAG, LoRA, il prompt engineering e altre forme di personalizzazione e personalizzazione dei modelli stanno diventando comuni. Ci saranno molte variazioni su questi strumenti nel prossimo anno.

I creatori di applicazioni stanno realizzando prototipi tramite prompt su modelli all’avanguardia ma costosi di OpenAI, quindi effettuando la messa a punto e le integrazioni su un modello a costo inferiore (spesso open source).

Vediamo anche l’evoluzione del prompt engineering verso una piattaforma per sviluppatori. Nello specifico, gli sviluppatori programmeranno in modo dichiarativo e le funzioni simili al compilatore tradurranno queste attività, SLA e garanzie I/O in prompt ottimizzati.

Models-as-a-Service presentata da Microsoft e simile ad AWS Bedrock. All’inizio dell’anno, abbiamo posto la nostra fiducia nella vastità dei modelli, in particolare quelli Open Source, nell’emergere del “middleware” di intelligenza artificiale e nella possibilità per le aziende storiche di software SAAS di potenziare rapidamente i loro prodotti con GenAI. Queste aspettative hanno trovato conferma nel mondo degli affari. Innovazioni chiave come LoRA, RAG e l’ingegneria dei prompt, che all’epoca erano appena comprese dal punto di vista commerciale, hanno guadagnato terreno. Oltre a questi grandi player del cloud, ci aspettiamo che Nvidia e aziende emergenti come HuggingFace e OctoML svolgano ruoli sempre più strategici nell’orchestrare i livelli dello stack AI per potenziare le applicazioni intelligenti.

Il cloud continua ad espandersi : Credo che la quota di mercato dell’infrastruttura cloud sia molto importante nell’intelligenza artificiale generativa, perché gli algoritmi di apprendimento automatico per l’intelligenza artificiale genuina non creano informazioni dal nulla. Invece, la qualità dell’intelligenza artificiale generativa si sviluppa in larga misura dal numero di diversi scenari di addestramento e iterazioni che l’algoritmo di apprendimento automatico deve affrontare. Detto questo, AWS detiene una quota di mercato quasi tre volte maggiore di Google Cloud, significa che gli algoritmi di machine learning di Amazon hanno accesso a set di dati quasi tre volte più grandi. Lo stesso vale per il confronto con Azure di Microsoft, con una quota di mercato due volte superiore a quella di Google Cloud.

ChatGPT di OpenAI (supportato da Microsoft) è un’apparente superstar dell’intelligenza artificiale generativa e di gran lunga il chatbot più utilizzato . Ciò che è importante qui è che ora funziona come un effetto valanga: più utenti con argomenti diversi interagiscono con il chatbot, più a fondo vengono addestrati i suoi algoritmi e migliore diventa nel tempo la qualità delle risposte del chatbot. È simile alla regola delle 10mila ore per qualcuno che padroneggia un’abilità, e OpenAI sembra essere lo studente più laborioso della classe. Circolano voci secondo cui nei prossimi mesi potrebbe essere rilasciata la nuova versione GPT-5 del chatbot, il che significa che probabilmente verranno introdotte nuove funzionalità sofisticate. Tutti questi sviluppi positivi con ChatGPT migliorano il potenziale tecnologico di tutte le offerte di Microsoft, e in particolare delle soluzioni cloud. Essendo uno dei primi investitori in OpenAI, Microsoft ha accesso esclusivo al codice GPT ed è in grado di integrare le funzionalità del chatbot con i suoi servizi.

L’adozione globale dell’intelligenza artificiale generativa è ancora agli inizi, con solo una piccola percentuale di aziende attualmente in fase di espansione (Lo studio “BCG AI Radar: From Potential to Profit with GenAI”).

Ciò è dovuto a vari fattori, tra cui la complessità della tecnologia, considerazioni etiche e di sicurezza e implicazioni sulla forza lavoro i costi e una workforce non digitale. Le aziende stanno adottando un approccio cauto, studiando la tecnologia e il suo impatto da tutti gli angoli prima di effettuare investimenti significativi .

I grandi produttori di software applicativi come Microsoft, Salesforce e Adobe hanno gia’ iniziato a incorporare l’AI generativa nelle loro soluzioni software (ad esempio Microsoft Copilot, Adobe Firefly e Einstein GPT di Salesforce). Sulla base delle funzionalita’ aggiuntive offerte dall’AI generativa, Microsoft ha posto il prezzo di 365 Copilot a 30 dollari al mese per utente, mentre Adobe ha aumentato la tariffa per il suo Creative Cloud di circa l’8%.

Ci sono stati progressi significativi nei modelli di intelligenza artificiale, con aziende come Anthropic che hanno rilasciato Claude1, Claude2 e Claude3 e OpenAI che si prepara a lanciare GPT5.

Questi modelli rappresentano un significativo passo avanti nelle capacità dell’intelligenza artificiale, offrendo prestazioni e funzionalità migliorate. Notevoli sono anche le offerte di Google Gemini 1.5 Pro e Meta AI.

Questi sviluppi evidenziano il rapido ritmo dell’innovazione nel campo dell’intelligenza artificiale. Interesante l’evoluzione del prompt engineering verso un Tranlator prompt engineering per essere utilizzato con piu’ modelli disponibili.

Maggiore attenzione all’etica e alla regolamentazione: man mano che l’intelligenza artificiale diventa sempre più diffusa, cresce l’attenzione sulle implicazioni etiche dell’intelligenza artificiale e sulla necessità di regolamentazione. Ciò include questioni come i pregiudizi negli algoritmi di intelligenza artificiale, le preoccupazioni sulla privacy e l’impatto dell’intelligenza artificiale sui posti di lavoro. Gli organismi di regolamentazione stanno lavorando per stabilire quadri per affrontare questi problemi.

Nell’articolo “L’urgenza di un’algoretica” di P. Benanti, l’autore sottolinea l’importanza di affrontare le sfide etiche poste dall’intelligenza artificiale e dagli algoritmi. L’articolo discute l’urgente necessità di un quadro che possa guidare lo sviluppo e la diffusione dell’intelligenza artificiale in modo etico, giusto e rispettoso dei diritti umani.

P. Benanti sostiene che, man mano che l’intelligenza artificiale diventa sempre più integrata in vari aspetti della società, è fondamentale garantire che sia progettata e utilizzata in modo da promuovere il bene comune e non esacerbare le disuguaglianze esistenti o crearne di nuove.

Ascensione dell’AI-as-a-Service: l’AI-as-a-Service (AIaaS) è diventata una tendenza popolare, con le aziende che offrono funzionalità di intelligenza artificiale in base al pagamento in base all’uso. Ciò consente alle aziende di sfruttare l’intelligenza artificiale senza la necessità di investimenti iniziali significativi o competenze interne.

Costi e BM. Data la complessità di stimare l’impatto iniziale dei casi d’uso su larga scala a causa del modello di utilizzo basato su token, le aziende dovranno considerare attentamente quando utilizzare il pagamento aziendale -soluzioni utente rispetto a quelle basate su token. Questa decisione dipenderà da vari fattori, tra cui l’adozione prevista e il caso d’uso.

Questo argomento è particolarmente rilevante poiché la maggior parte degli utenti trova difficile prevedere e programmare il modello di utilizzo basato su token.

Nel 2024, è probabile che emerga una “gerarchia dei dati” in cui i dati Internet saranno ampiamente accessibili, i dati specifici del dominio saranno monetizzabili direttamente o indirettamente e i dati dell’azienda/cliente saranno sfruttati per un uso su misura e personalizzato.I

l mondo dell’intelligenza artificiale applicata si sta evolvendo così rapidamente che identificare il modello di business vincente richiederà curiosità, iterazione e agilità Per dare un’idea dei costi e collegarlo al tema delle performance, il costo delle chiamate ad Anthropic varia da 0,25$ a 15$ per MTok. GPT-4 si aggira intorno ai 10$ per MTok, mentre Claude3 Opus promette prestazioni più avanzate.

Man mano che gli operatori storici combinano l’intelligenza artificiale con il software esistente e i clienti richiedono un ROI chiaro per i dollari incrementali che stanno pagando per l’intelligenza artificiale per migliorare i processi aziendali o la produttività del team si avra’ un po di Tensione.

C’e’ un Interessante Articolo sulla Computer Vision da parte del MIT (Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with
Computer Vision?) su quali Tasks meriterebbero una Automazione.

Integrazione dell’intelligenza artificiale nei processi aziendali: sempre più aziende stanno integrando l’intelligenza artificiale nei propri processi aziendali, utilizzandola per automatizzare le attività, migliorare il processo decisionale e migliorare l’esperienza dei clienti. Ciò ha portato ad una maggiore efficienza e competitività.

Vendors Lock-In. Data la rapida evoluzione della tecnologia dell’intelligenza artificiale, è fondamentale per le aziende evitare di legare la propria architettura a un unico modello linguistico di grandi dimensioni (LLM) o a soluzioni specifiche. La configurazione ottimale di una soluzione di intelligenza artificiale generativa dipenderà da vari fattori, tra cui il caso d’uso specifico, le prestazioni previste e i costi. Le aziende dovrebbero puntare alla flessibilità nella loro architettura AI per accogliere progressi e cambiamenti futuri.

All’improvviso, “open source” è l’ultima parola d’ordine nei circoli dell’intelligenza artificiale. Meta si è impegnata a creare un’intelligenza generale artificiale open source. Ed Elon Musk sta facendo causa a OpenAI per la sua mancanza di modelli di intelligenza artificiale open source.

Nel frattempo, un numero crescente di leader e aziende tecnologiche si stanno affermando come campioni dell’open source. Ma c’è un problema fondamentale: nessuno è d’accordo su cosa significhi “AI open source”.

Lo scorso luglio, Meta ha reso disponibile gratuitamente il suo modello Llama 2, che ha definito open source, e ha una lunga esperienza nel rilascio pubblico di tecnologie di intelligenza artificiale. “Sosteniamo lo sforzo dell’OSI per definire l’IA open source e non vediamo l’ora di continuare a partecipare al loro processo a beneficio della comunità open source in tutto il mondo”, Jonathan Torres, consulente generale associato di Meta per AI, open source e licenze ci ha detto.

Ciò è in netto contrasto con il rivale OpenAI, che nel corso degli anni ha condiviso sempre meno dettagli sui suoi modelli di punta, citando problemi di sicurezza. “Renderiamo open source potenti modelli di intelligenza artificiale solo dopo aver valutato attentamente i vantaggi e i rischi, inclusi l’uso improprio e l’accelerazione”, ha affermato un portavoce.

Anche altre importanti società di intelligenza artificiale, come Stability AI e Aleph Alpha, hanno rilasciato modelli descritti come open source e Hugging Face ospita un’ampia libreria di modelli di intelligenza artificiale disponibili gratuitamente.

Mentre Google ha adottato un approccio più bloccato con i suoi modelli più potenti, come Gemini e PaLM 2, i modelli Gemma rilasciati il mese scorso sono liberamente accessibili e progettati per confrontarsi con Llama 2, anche se la società li ha descritti come “aperto” piuttosto che “open source”.

Ma c’è un notevole disaccordo sul fatto che qualcuno di questi modelli possa davvero essere descritto come open source. Tanto per cominciare, sia Llama 2 che Gemma sono dotati di licenze che limitano ciò che gli utenti possono fare con i modelli. Questo è un anatema per i principi open source: una delle clausole chiave della Open Source Definition vieta l’imposizione di qualsiasi restrizione basata sui casi d’uso.

I traduttori svolgeranno un ruolo cruciale nel convertire le richieste per adattarle a diversi LLM senza perdere la logica aziendale integrata. Ciò consentirà alle aziende di passare da un LLM all’altro secondo necessità, a seconda dei requisiti specifici del loro caso d’uso.

Grounding Sarà essenziale tenere traccia di come ciascun LLM è stato modificato e con quali set di dati, in particolare durante la messa a terra. Un ulteriore passo sarà lo sviluppo di strumenti in grado di rilevare se i processi di prompt o di inferenza compromettono l’integrità del LLM originale, fungendo da sorta di filtro guardiano.

Monitorare come ciascun LLM è stato modificato e con quali set di dati è un’altra considerazione importante, soprattutto quando si tratta di messa a terra. Il grounding si riferisce alla capacità di un modello di basare le proprie risposte o azioni su informazioni concrete, verificabili e rilevanti. Esistono molti modi per ottenere il grounding e le aziende dovranno decidere quando e come implementarlo in base alle loro esigenze e requisiti specifici. Poiché esistono numerosi modi per raggiungere il grounding, sarà necessario decidere quando e come implementarlo, ad esempio se fermarsi al RAG o andare oltre.

Sicurezza. L’integrazione di Large Language Models (LLM) nelle piattaforme online rappresenta un’arma a doppio taglio, offrendo esperienze utente migliorate ma introducendo anche vulnerabilità di sicurezza. La gestione non sicura degli output è una preoccupazione importante, in quanto una validazione o sanificazione insufficiente degli output LLM può portare a una serie di exploit come cross-site scripting (XSS) e cross-site request forgery (CSRF).

Il prompt injection indiretto aggrava ulteriormente questi rischi, consentendo agli aggressori di manipolare le risposte LLM attraverso fonti esterne come dati di training o chiamate API, compromettendo potenzialmente le interazioni degli utenti e l’integrità del sistema. Inoltre, l’avvelenamento dei dati di addestramento rappresenta una minaccia significativa, poiché i dati compromessi utilizzati nell’addestramento dei modelli possono comportare la diffusione di informazioni inaccurate o sensibili, minando la fiducia e la sicurezza. Quindi ulteriore avanzamento sara’ la presenza di Tools Guadiani in grado di intercettare il Prompting.

Altro “guardiano” dove si sta’ investendo e’ quello dell’inferenza sicura che mira ad aggiungere un livello di protezione alle conversazioni riservate con i modelli di intelligenza artificiale. Consideralo un canale di comunicazione sicuro, garantendo che solo le parti autorizzate possano ascoltare i tuoi sussurri e la risposta della modella. Le tecniche sono quelle della Crittografia omomorfa, Secure Multi-Party Computing (SMPC) ,Privacy differenziale.

L’ imminente introduzione dell’AIACT (legge sull’intelligenza artificiale) nell’UE potrebbe avere implicazioni significative per l’adozione e l’uso della tecnologia dell’intelligenza artificiale. La legge mira a stabilire un quadro giuridico per l’intelligenza artificiale, affrontando questioni quali sicurezza, trasparenza e responsabilità. Le aziende dovranno garantire il rispetto delle nuove normative, che potrebbero influenzare le loro strategie e i loro investimenti in intelligenza artificiale.

In conclusione, il panorama dell’intelligenza artificiale generativa è in rapida evoluzione e le aziende devono affrontarlo con flessibilità e una comprensione completa degli impatti della tecnologia. Dovrebbero inoltre considerare attentamente la scelta delle soluzioni di intelligenza artificiale e dei modelli di prezzo in relazione ai loro casi d’uso specifici e agli scenari di adozione.

[newsletter_form type=”minimal”]

Se credi in me, se mi dai fiducia, potrai avere un impatto positivo e allora, forse, potrò raggiungere obiettivi, anche inaspettati

Di Dina

in Vision

Madison Tevlin è la protagonista di uno spot statunitense che sensibilizza sulla sindrome di Down e sul nostro ruolo come società nell’abbattere barriere e stereotipi per promuovere l’autonomia delle persone con disabilità.

“Assume that I can” (“Presumi che io possa fare qualsiasi cosa”), la campagna di sensibilizzazione internazionale realizzata in collaborazione con l’agenzia SMALL di New York.

Una giovane donna con sindrome di Down sfida le basse aspettative che gli altri hanno su di lei e propone un ribaltamento di prospettiva: a scuola, al lavoro, in famiglia e nella vita sociale.

Palantir Demo: Gotham in Afghanistan

Di Dina

in AI

Nel video, viene presentata una demo di Palantir Gotham in uso nel 2010, durante le operazioni in Afghanistan. Viene mostrato come il software permetta di raccogliere ed elaborare una vasta gamma di dati provenienti da fonti aperte e militari, fornendo una visione chiara della situazione sul campo.

La demo mira a dimostrare come le informazioni ottenute da fonti aperte possano aiutare i comandanti militari nelle loro missioni in Afghanistan, integrando dati su attacchi, checkpoint, rapporti di pattuglia e operazioni di sicurezza civile.

Palantir è in grado di mostrare una mappa interattiva che evidenzia gli attacchi subiti dalle forze di polizia afghane. Utilizzando un histogramma temporale e una mappa di calore geospaziale, si osservano i modelli di attacco e come questi si concentrino in specifiche aree geografiche, con il 30% degli attacchi legati a ordigni esplosivi improvvisati (IED). La polizia afghana risulta essere l’obiettivo principale, secondo i dati aggregati dal software.

I comandi possono utilizzare dati temporali per seguire gli attacchi nel tempo e verificare la variazione della situazione sul campo. Questa visualizzazione rende chiaro il deterioramento della sicurezza in determinate aree nel corso di settimane o mesi, offrendo strumenti utili per prendere decisioni strategiche.

Il software non si limita a visualizzare dati, ma permette agli analisti di interagire direttamente con le informazioni, rendendo possibile la manipolazione dei dati in tempo reale. Questo, unito alla capacità di intelligenza artificiale (AI), facilita l’identificazione di schemi e anomalie che possono predire il comportamento dell’insurrezione e supportare le decisioni sul campo.

Il video dimostra come già nel 2010 Palantir fosse in grado di supportare missioni complesse e di fornire analisi in tempo reale, con strumenti capaci di migliorare le capacità decisionali dei comandanti sul terreno, anticipando le mosse degli insorti e ottimizzando le operazioni di controinsurrezione.

Questa tecnologia, se utilizzata al massimo delle sue potenzialità, avrebbe potuto prevedere e mitigare la rapida caduta del governo afghano nel 2021, come suggerito dai sistemi attuali di Palantir che oggi sono ancora più avanzati.

Nel 2010, Palantir Gotham aveva già dimostrato la capacità di gestire enormi volumi di dati e di supportare operazioni militari complesse come quelle in Afghanistan, evidenziando modelli di attacco e anticipando minacce. Durante la demo del 2010, il software era in grado di analizzare in tempo reale dati provenienti da diverse fonti, come rapporti di pattugliamento e attacchi, fornendo ai comandanti sul campo una visione integrata e predittiva.

Capacità predittive nel contesto afghano:

Le capacità predittive di Palantir si basano su una combinazione di intelligenza artificiale (AI) e analisi umana. Il sistema poteva analizzare enormi quantità di dati storici e attuali per identificare schemi che suggerivano future minacce, come l’incremento di attacchi tramite IED o l’evoluzione di movimenti insurrezionali.

Nella demo del 2010, ad esempio, il sistema ha mostrato chiaramente la concentrazione di attacchi contro la polizia afghana e la loro evoluzione temporale, fornendo indizi su come si sarebbe evoluta l’insurrezione.

Se avesse operato con i dati disponibili nel 2021, Palantir avrebbe potuto identificare segnali di allarme per il collasso del governo afghano, come la rapida espansione dei Talebani dopo l’annuncio del ritiro americano.

Le informazioni chiave (attacchi in aumento, diserzione delle forze di sicurezza afghane, la capacità di controllo territoriale dei Talebani) sarebbero state aggregate dal sistema e avrebbero permesso di prevedere il deterioramento della sicurezza. Tuttavia, la previsione esatta del crollo immediato e drammatico di Kabul sarebbe dipeso dall’uso efficace del sistema e dalla disponibilità di dati accurati e aggiornati.

Palantir oggi ha strumenti più avanzati che potenziano la capacità predittiva.

L’introduzione di modelli di machine learning più sofisticati e l’accesso a flussi di dati sempre più vasti e in tempo reale, come quelli derivati dai social media, dalle comunicazioni sul campo e dalle immagini satellitari, rendono possibile prevedere con maggiore precisione eventi come il collasso delle forze afghane. Questi strumenti permettono di creare scenari e simulazioni che aiutano i decisori a prepararsi a sviluppi come il rapido deterioramento della sicurezza avvenuto nell’agosto 2021.

Nell’agosto 2021, la rapida disintegrazione delle Forze Nazionali di Difesa e Sicurezza afghane (ANDSF) e la successiva caduta di Kabul nelle mani dei talebani sono stati eventi significativi che hanno colto molti di sorpresa, nonostante le precedenti avvertenze della comunità di intelligence riguardo alla possibilità di una presa di potere talebana. Un rapporto critico dell’Ispettore Generale Speciale per la Ricostruzione dell’Afghanistan (SIGAR) delinea vari fattori che hanno contribuito a questo crollo.

Consapevolezza della Comunità d’Intelligence

La comunità d’intelligence aveva previsto una ripresa dei Talebani, ma non aveva previsto il rapido crollo delle forze di sicurezza afghane. Questa mancanza di previsione era in parte dovuta a una carenza di programmi efficaci di supervisione e valutazione interagenzia, che hanno ostacolato una chiara comprensione delle realtà sul terreno in Afghanistan.

SIGAR-23-16-IP Download

TikTok, e’ solo quando siamo veramente disturbati che ci svegliamo dalla nostra letargia e vediamo chiaramente il mondo che ci circonda

Di Dina

il 31 Marzo 2024

L’innovativo approccio di TikTok rappresenta una svolta nel mondo dei social network, in quanto è il primo a fondare il suo prodotto sull’intelligenza artificiale stessa.

Un recente articolo pubblicato su towardsdatascience.com evidenzia questo cambiamento di paradigma, sottolineando che non sono più le visualizzazioni o i click a determinare la popolarità dei contenuti, bensì un algoritmo di intelligenza artificiale che suggerisce specifici contenuti al fine di trattenere gli utenti il più a lungo possibile.

È importante comprendere che ciò non implica una demonizzazione delle dinamiche della piattaforma, ma piuttosto una presa di coscienza riguardo alle regole del gioco a cui ci si adatta implicitamente utilizzando tali strumenti. Utilizzare TikTok comporta quindi una responsabilità condivisa, sia da parte degli utenti che dei responsabili e progettisti degli algoritmi di raccomandazione.

L’ex segretario al Tesoro Steve USA Mnuchin afferma che sta mettendo insieme un gruppo di investitori per acquisire TiKTok.

La Camera dei Rappresentanti ha approvato un disegno di legge che potrebbe vietare la piattaforma di social media di ByteDance in tutto il paese.

Mnuchin ha dichiarato alla CNBC: “Penso che la legislazione dovrebbe essere approvata e penso che l’APP dovrebbe essere venduta. È un ottimo affare e metterò insieme un gruppo per acquistare TikTok”.

“Questo dovrebbe essere di proprietà delle imprese statunitensi. Non è possibile che i cinesi permettano mai a una società americana di possedere qualcosa di simile in Cina”.

Mnuchin non ha rivelato chi farà parte del gruppo che acquisirà TikTok.

Il Ministero degli Affari Esteri cinese ha risposto al Congresso, affermando: “Sebbene gli Stati Uniti non abbiano mai trovato alcuna prova che TikTok costituisca una minaccia per la sicurezza nazionale degli Stati Uniti, non hanno mai smesso di inseguire TikTok.

Tale pratica di ricorrere a mosse egemoniche quando non è possibile avere successo in una concorrenza leale interrompe il normale funzionamento delle imprese, mina la fiducia degli investitori internazionali nell’ambiente degli investimenti e sabota il normale ordine economico e commerciale nel mondo. Ciò inevitabilmente si ritorcerà contro gli stessi Stati Uniti”.

Gli Stati Uniti hanno espresso preoccupazioni su TikTok per vari motivi:

Sicurezza dei dati: Gli Stati Uniti temono che TikTok, essendo di proprietà della società cinese ByteDance, possa condividere i dati sensibili degli utenti, come le informazioni sulla posizione, con il governo cinese. Questo è dovuto alle leggi cinesi che consentono al governo di richiedere segretamente dati alle aziende e ai cittadini cinesi.

Un’importante irregolarità si manifesta nell’ormai quasi certa pratica di trasferire i dati sensibili degli utenti iscritti a TikTok su server ubicati in Cina. Questa situazione è stata confermata da una class action avviata nello Stato della California da una studentessa di Palo Alto di nome Misty Hong. Hong sostiene con sicurezza di aver utilizzato l’applicazione TikTok esclusivamente per visualizzare contenuti video, senza mai creare o caricare alcun contenuto dopo essersi iscritta. Tuttavia, la giovane ha scoperto l’esistenza di un account a suo nome, non richiesto e utilizzato per caricare contenuti sulla piattaforma, utilizzando come password il suo numero di cellulare e i suoi dati biometrici, probabilmente acquisiti attraverso l’analisi dei video mai condivisi. Hong sostiene che queste anomalie nei suoi dati siano state possibili grazie al trasferimento dei suoi dati verso server situati in Cina.

Propaganda e disinformazione: Gli Stati Uniti sono preoccupati che TikTok possa essere utilizzato come strumento di propaganda dal Partito Comunista Cinese. Inoltre, temono che la Cina possa utilizzare le segnalazioni dei contenuti di TikTok per diffondere disinformazione.

Influenza politica: Alcuni ritengono che TikTok possa interferire con le campagne politiche ed amministrative statunitensi.

TikTok ha negato queste accuse e ha cercato di prendere le distanze da ByteDance. Ha anche affermato di non aver mai condiviso, o ricevuto una richiesta di condivisione, dei dati degli utenti statunitensi con il governo cinese.

Qui un video della FOX che mostra il punto di vista USA : https://www.foxnews.com/video/6309696840112

Meta e Google sembrano essere i maggiori beneficiari se i disegni di legge che mirano a colpire le operazioni di TikTok negli Stati Uniti diventassero legge, secondo Wedbush Securities.

L’analista Scott Devitt e altri presso la società di investimenti hanno recentemente incontrato l’ex membro del Congresso degli Stati Uniti Ryan Costello per discutere le implicazioni del Protecting Americans from Foreign Adversary Controlled Applications Act (H.R. 7521).

Costello, che è stato al Congresso dal 2015 al 2019, ha stimato che esista una probabilità del 55% che una forma della legislazione venga alla fine approvata. Tuttavia, dubita che la società cinese ByteDance si disimpegni da TikTok – come richiede la legislazione – il che alla fine comporterebbe l’uscita di TikTok dal paese.

H.R. 7521 è passato alla Camera dei Rappresentanti degli Stati Uniti il 13 marzo, ricevendo un ampio sostegno bipartisan con un voto di 352-65-1 a favore del disegno di legge.

Il Presidente Biden ha già indicato che firmerà l’H.R. 7521 in legge se arriverà sulla sua scrivania.

Il disegno di legge mira alla “minaccia rappresentata dalle applicazioni controllate da avversari stranieri, come TikTok e qualsiasi applicazione o servizio successivo e qualsiasi altra applicazione o servizio sviluppato o fornito da ByteDance”.

“Questa legislazione bipartizan è necessaria per proteggere la nostra sicurezza nazionale e la privacy dei consumatori americani,” ha detto la deputata Shontel Brown (D-Ohio). “Ci sono chiare e legittime preoccupazioni riguardo alle applicazioni soggette al controllo dei nostri avversari stranieri. È imperativo che il Congresso agisca per proteggere il pubblico, giovane e vecchio.”

Una settimana dopo che l’H.R. 7521 è passato alla Camera, l’organo legislativo ha approvato un secondo disegno di legge, il Protecting Americans’ Data from Foreign Adversaries Act of 2024 (H.R. 7520), all’unanimità.

L’H.R. 7520, che è correlato all’H.R. 7521, proibirebbe ai broker di dati di vendere le informazioni personali sensibili degli americani agli avversari stranieri.

Ci si aspetta che il Senato degli Stati Uniti esamini entrambi i disegni di legge insieme, con un voto che avverrà nei prossimi due mesi, ha detto Costello.

Tuttavia, questi disegni di legge probabilmente subiranno delle modifiche prima di arrivare al Senato, ha detto Costello. Ad esempio, potrebbe essere necessaria una maggiore chiarezza riguardo alla definizione di “avversario straniero” o il termine “broker di dati” potrebbe necessitare di ulteriore classificazione, ha detto l’ex membro del Congresso.

Inoltre, la versione della Camera prevede che TikTok si disimpegni da ByteDance entro 180 giorni. Questo periodo è probabilmente irragionevole per un’affare di questa portata e complessità e verrà probabilmente modificato dal Senato, ha detto Costello.

“Se il disegno di legge slitta ai mesi estivi o all’inizio dell’autunno, è improbabile che passi secondo il parere di Ryan, dato il prossimo elezione e la difficoltà di mantenere il necessario slancio politico per un periodo così prolungato,” ha notato Wedbush.

Se i due disegni di legge diventassero legge, ByteDance e il governo cinese hanno indicato resistenza a disimpegnarsi da TikTok, utilizzato da circa 170 milioni di americani.

Se TikTok fosse costretto a lasciare gli Stati Uniti, Meta e Google sono le due aziende meglio posizionate per beneficiare della ridistribuzione della pubblicità, ha detto Wedbush.

“Delle persone che utilizzano TikTok, l’83%, l’81% e il 73%, utilizzano anche Facebook, Instagram e WhatsApp, rispettivamente,” ha detto l’analista di Seeking Alpha Yuval Rotem. “Dal punto di vista opposto, il 51%, il 52% e il 50% delle persone che utilizzano Facebook, Instagram e WhatsApp, sono anche su TikTok.”

“Secondo me, ciò significa che in caso di divieto di TikTok, il tempo trascorso dagli utenti comuni sulle piattaforme di Meta aumenterà in modo significativo,” ha aggiunto.

Tuttavia, i commercianti cinesi on-line che vendono prodotti su TikTok Shop negli Stati Uniti, come alternativa ad Amazon, sono preoccupati per le mosse, dicono, che l’azienda ha fatto per una adesione più rigorosa alle regole per i venditori stranieri che aprono negozi sull’app, ha riferito Reuters.

Nelle ultime settimane, TikTok – di proprietà della società cinese ByteDance rischia di dover vendere le “operations ” (Processi, Persone e Tecnologia) statunitensi dell’app o affrontare un divieto nel paese – ha adottato una posizione più dura per far rispettare le sue regole interne, ha aggiunto il rapporto citando cinque venditori cinesi sul sito e un’associazione di settore che rappresenta 3.000 negozi cinesi che vendono prodotti online.

TikTok richiede che le entità statunitensi registrate dai commercianti siano di proprietà statunitense al 51% e presiedute da un titolare di passaporto statunitense, secondo i venditori e Winnie Wang, presidente esecutivo dell’Associazione di E-Commerce Transfrontaliero di Shenzhen.

Diversi venditori cinesi avevano utilizzato entità statunitensi per essere considerati come commercianti statunitensi sull’app, ma ora le regole comportano che richiederanno la ri-registrazione come venditori stranieri, che dicono ricevono meno visibilita’ e aiuto, mettendoli in svantaggio rispetto ai venditori di TikTok statunitensi, ha notato il rapporto.

TikTok ha politiche e requisiti chiari per tutti i venditori sul suo negozio, compresi i venditori internazionali, e queste politiche non sono cambiate da quando TikTok Shop è stato lanciato negli Stati Uniti nel settembre 2023, ha detto un portavoce di TikTok, secondo il rapporto.

I commercianti cinesi hanno notato che si sentono presi di mira dalle regolamentazioni di TikTok e alcuni stanno considerando di limitare le risorse che mettono nel promuovere le vendite sull’app o trovare partner statunitensi, secondo il rapporto.

Nel frattempo, alcuni commercianti hanno detto che, in confronto, Amazon non fa distinzioni tra venditori statunitensi e altri venditori sulla sua piattaforma.

Il commerciante di Shenzhen Jackie Bai e altri due venditori cinesi hanno detto di aver sentito dai rappresentanti di TikTok Shop che le regole più severe erano in risposta al clima politico che TikTok sta affrontando negli Stati Uniti in un anno elettorale, ha aggiunto il rapporto.

I funzionari statunitensi temono che i dati degli utenti possano essere condivisi con la Cina, tuttavia, TikTok ha notato che non ha mai condiviso, o ricevuto una richiesta di condividere i dati degli utenti statunitensi con il governo cinese.

Separatamente, la Federal Trade Commission, o FTC, sta indagando su TikTok per presunte pratiche sospette di privacy e sicurezza dei dati, e potrebbe decidere nelle prossime settimane di fare una causa o un accordo, Politico ha riferito martedì, citando persone a conoscenza della questione.

La FTC sta valutando le accuse secondo cui TikTok e la società madre ByteDance, hanno ingannato i suoi utenti negando che le persone in Cina avessero accesso ai loro dati, e hanno anche violato una legge sulla privacy dei bambini, ha aggiunto il rapporto.

La FTC, in collaborazione con il Dipartimento di Giustizia, potrebbe registrare la causa o risolvere con l’azienda, tuttavia, un accordo non è ancora stato raggiunto, ha aggiunto il rapporto.

Il caso FTC non è correlato al disegno di legge che cerca la dismissione dell’app.

Non è stata presa alcuna decisione finale su se portare un caso o quali rivendicazioni includere. Non era chiaro nemmeno se un’eventuale azione contro TikTok avrebbe incluso anche ByteDance, ha aggiunto il rapporto.

TikTok è stato sotto il radar della FTC per le sue attività di privacy e sicurezza dei dati da almeno due anni, secondo il rapporto.

Nel 2019, Musical.ly, ora noto come TikTok, ha accettato di pagare $5.7M per risolvere le accuse della FTC che l’azienda ha raccolto illegalmente informazioni personali dai bambini in violazione della Children’s Online Privacy Protection Act.

[newsletter_form type=”minimal”]

Equinix il backbone dell’AI

Di Dina

il 29 Marzo 2024

Il Wall Street Journal ha pubblicato questo titolo il mese scorso:

Secondo il rapporto, due terzi dei colletti bianchi migliorano la propria produttività utilizzando l’Intelligenza Artificiale.

Detto questo, il rapporto menziona anche che l’Intelligenza Artificiale sta diventando così efficace che molti posti di lavoro gestionali sono ridondanti, costringendo le aziende a tagliare quei posti che non verranno poi recuperati anche se la domanda aziendale dovesse riprendere.

A gennaio il New York Times aveva pubblicato questo:

Non sto scrivendo questo per spaventare nessuno, ma per sottolineare che nulla di tutto ciò è possibile senza l’hardware sottostante, il famoso DataCenter, l’ infrastruttura.

Equinix è un gigante. Dietro la sua capitalizzazione di mercato di 75 miliardi di dollari c’è un’azienda composta da 260 data center in 33 paesi con un record di uptime del 99,999% che serve più di 10.000 clienti.

Come possiamo vedere di seguito, l’82% dei ricavi ricorrenti dell’azienda è generato da proprietà proprietarie o da proprietà le cui scadenze di locazione si estendono fino al 2039 o oltre. Possiede 152 dei suoi 260 data center. (mi ricorda la strategia di Mc Donald’s) Equinix ha un BM con un modello di leading a 18 anni.

L’azienda è la destinazione di riferimento per gli “iper-scaler”, tra cui Amazon Web Services, Azure, Google Cloud e Oracle.

In ciascuno di questi servizi ha una quota di mercato maggiore del 40%, mentre il suo concorrente numero due è molto indietro.

Le attività non statunitensi dell’azienda rappresentano quasi il 60% dei suoi ricavi.

A milano ce ne sono 3.

Lo slancio in corso derivante dalla trasformazione digitale e dalla rivoluzione dell’intelligenza artificiale sta generando una forte domanda di data center, soprattutto negli Stati Uniti, dove si prevede che la domanda di data center crescerà del 10% annuo fino al 2030 (dovremmo presto parlare di Sostenibilità dell AI visto quanto successo recentemente con la rete energetica Usa al collasso per la troppa richiesta di energia).

Il funzionamento dei data center è ad alta intensità energetica e si stima che consumino oltre l’1% della fornitura globale di elettricità. La tendenza crescente verso chip di fascia alta, con un maggiore consumo energetico, rappresenta un rischio x l’ambiente e per i BM.

Ecco cosa ha detto la società durante la conferenza Morgan Stanley Technology, Media & Telecom quando è stata interpellata sugli sviluppi della domanda:

Simon Flannery

Grande. Beh, forse diamo un’occhiata un po’ alla guida. Hai avuto prenotazioni xScale record, 90 megawatt, credo. E questo ha parlato di parte della domanda di intelligenza artificiale. Ma poi hai ancora quel tasso di abbandono elevato. Quindi è molto, molto diverso tra la domanda su larga scala e la domanda aziendale o…

Keith Taylor

Probabilmente un po’ come i mercati azionari, giusto, in una certa misura i Magnificent 7. Guarda, la richiesta di competenze è molto reale. E come abbiamo detto, abbiamo venduto circa 90 megawatt, 1,9 miliardi di dollari di – 1,8 miliardi di dollari di valore contrattuale, durata di 15 anni. Gli hyperscaler che conosci, che ti aspetteresti, li stanno consumando. Siamo utilizzati quasi all’85% di ciò che abbiamo annunciato e di ciò che abbiamo costruito. Se a ciò aggiungiamo ciò che stiamo negoziando in questo momento, probabilmente siamo a oltre il 95% di tutto esaurito. E abbiamo l’impegno di produrre circa 800 megawatt, e al momento siamo a 330. E quindi abbiamo una passerella, una bella passerella davanti a noi.

Magnificent Seven Stocks Performance

Company Name	Symbol	2024 YTD Performance
Alphabet	(GOOGL)	-3.8%
Amazon	(AMZN)	+16.4%
Apple	(AAPL)	-12.2%
Meta Platforms	(META)	+44.7%
Microsoft	(MSFT)	+8.8%
Nvidia	(NVDA)	+87.1%
Tesla	(TSLA)	-28.1%

Source: IBD Data As Of March 7, 2024

Impressionante…

L’influenza dell’intelligenza artificiale è innegabile, poiché rimodella l’economia in modo sostanziale.

Equinix emerge come uno dei principali attori in questo mondo guidato dall’intelligenza artificiale, fornendo l’infrastruttura necessaria per l’espansione dell’intelligenza artificiale.

[newsletter_form type=”minimal”]

Elon Musk: la mia banda suona il “Grok”

Di Dina

il 29 Marzo 2024

in News

Elon Musk ha annunciato che il chatbot Grok della sua startup di intelligenza artificiale xAI sarà presto accessibile a tutti gli abbonati premium della piattaforma di social media, condividendo la notizia su X: “entro questa settimana, Grok sarà abilitato per tutti gli abbonati premium (non solo premium+)“.

All’inizio di questo mese, Musk ha rivelato l’intenzione di xAI di rendere open source Grok, presentato per la prima volta a novembre dello scorso anno. Questa mossa è avvenuta pochi giorni dopo che Musk ha citato in giudizio OpenAI, il produttore di ChatGPT sostenuto da Microsoft (NASDAQ: MSFT), sostenendo che avesse messo il profitto davanti al beneficio dell’umanità. OpenAI, co-fondata da Musk, ha respinto le accuse del miliardario della tecnologia.

Queste ultimi sviluppi pongono il chatbot Grok di xAI al centro dell’attenzione, poiché Musk si impegna a rendere la tecnologia più accessibile e trasparente per gli utenti della sua piattaforma di social media.

[newsletter_form type=”minimal”]

Affrontare il Gender Gap nell’innovazione tecnologica: l’iniziativa di Paola Pisano, ex Ministro dell’Innovazione Tecnologica e della Digitalizzazione

Di Dina

il 29 Marzo 2024

in Cultura

Il Gender Gap, la disparità di genere, continua ad essere una sfida persistente in numerosi settori, inclusa l’innovazione tecnologica.

Tuttavia, negli ultimi anni, sempre più leader politici e figure di spicco si stanno impegnando attivamente per affrontare questa disparità e promuovere una maggiore inclusione delle donne nei settori STEM (Scienza, Tecnologia, Ingegneria e Matematica).

Nvdia + ARM + Databricks + $$

Di Dina

il 28 Marzo 2024

Nvidia Corporation effettua strategicamente investimenti nei settori chiave del campo dell’Intelligenza Artificiale per potenziare le sue capacità future e il suo margine di profitto.

Gli investimenti in Databricks, ARM Inc., Recursion Pharmaceuticals e SoundHound AI hanno il potenziale per incrementare i guadagni di Nvidia.

Le partnership con Databricks e ARM Inc. possono ottimizzare il software ed espandere la tecnologia dell’AI oltre le GPU, mentre le collaborazioni con Recursion Pharmaceuticals e SoundHound AI possono accelerare la scoperta di nuovi farmaci e migliorare le soluzioni di AI vocale.

Il 14 febbraio, Nvidia ha rivelato di detenere azioni pubblicamente quotate in cinque aziende legate all’AI: Arm Holdings plc , SoundHound AI Inc. , Recursion Pharmaceuticals , Nano-X Imaging e TuSimple .

Anche se il valore di questi investimenti dovesse triplicare, il profitto complessivo sarebbe minimo rispetto agli ultimi guadagni trimestrali di oltre 12 miliardi di dollari. Tuttavia, questi investimenti combinati sono sottovalutati dagli investitori di Nvidia e, col tempo, consentiranno all’azienda di rimanere leader nel settore dell’Intelligenza Artificiale.

Per quanto riguarda Databricks, Nvidia ha investito nella società, leader in analisi dei dati con una piattaforma cloud user-friendly. Databricks si concentra su strumenti open source, attraendo una grande base di sviluppatori e acquisendo più clienti. La partnership con Nvidia aiuterà a consolidare la loro posizione all’avanguardia dell’innovazione nell’IA.

È evidente che il software di Databricks funzioni su hardware informatico, e Nvidia è un protagonista principale in questo settore con le loro unità di elaborazione grafica (GPU). Lavorando insieme, possono ottimizzare il software di Databricks per funzionare meglio sulle GPU di Nvidia, rendendo i prodotti di entrambe le aziende più attraenti.

Inoltre, Databricks è un leader nell’analisi dei dati, un campo cruciale per lo sviluppo dell’AI. Avendo una quota in Databricks, Nvidia ottiene un partner che può aiutarli a sviluppare migliori strumenti e soluzioni di Intelligenza Artificiale.

Questo può rafforzare la posizione di Nvidia nell’intero mercato dell’AI. Durante la recente conference call sugli utili, il direttore finanziario di Nvidia, Colette Kress, ha dichiarato che l’azienda “ha compiuto notevoli progressi con le nostre offerte software e servizi, che hanno raggiunto un tasso di fatturato annuo di 1 miliardo di dollari nel quarto trimestre“. Questo è molto importante, perché dimostra le ambizioni di Nvidia di svilupparsi oltre i semiconduttori.

In breve, questo investimento ha creato una situazione vantaggiosa per entrambe le parti. Nvidia ha la possibilità di collaborare con una delle principali aziende di software di AI, mentre Databricks ha accesso all’hardware potente di Nvidia.

Arm Holdings, gigante del design di chip con sede nel Regno Unito, ha rivoluzionato il computing mobile. Nonostante la fallita acquisizione di ARM da parte di Nvidia nel 2020, le opportunità di collaborazione rimangono. Entrambi sono leader nell’AI, e le loro tecnologie potrebbero collaborare in settori come le auto a guida autonoma e il computing ad alte prestazioni.

Recursion Pharmaceuticals utilizza l’IA per la scoperta di farmaci, e la collaborazione con Nvidia potrebbe accelerare significativamente il processo di scoperta di nuovi composti medicinali.

SoundHound, un’azienda di IA vocale, rivale di Shazam, offre una gamma di soluzioni AI-driven. L’investimento di Nvidia in SoundHound potrebbe portare a una migliore esperienza utente nei suoi prodotti grazie a un’interazione vocale più naturale, accurata e versatile.

In conclusione, gli investimenti strategici di Nvidia in questi settori chiave dell’AI promettono di portare benefici significativi all’azienda, migliorando la sua posizione di leader nell’industria dell’Intelligenza Artificiale.

ChatGPT di OpenAI continua a guadagnare popolarità

Di Dina

il 28 Marzo 2024

Secondo un recente sondaggio condotto dal Pew Research Center, il ChatGPT di OpenAI continua a guadagnare popolarità, con quasi un adulto statunitense su quattro che ha affermato di aver utilizzato il chatbot in qualche modo. Questo segna un aumento rispetto al 18% registrato sette mesi prima, evidenziando un trend di crescita costante nell’utilizzo del ChatGPT.

In particolare, l’uso del ChatGPT per scopi lavorativi è aumentato significativamente negli ultimi 12 mesi. Nel marzo 2023, l’8% degli adulti statunitensi ha affermato di aver utilizzato il chatbot per svolgere attività lavorative, percentuale che è salita al 20% a febbraio 2024.

L’età e il livello di istruzione sembrano influenzare chi utilizza maggiormente il ChatGPT per lavoro. Il sondaggio ha rivelato che quasi un americano su tre con meno di 30 anni ha utilizzato il chatbot per scopi lavorativi, mentre questa percentuale scende al 21% per gli adulti tra i 30 e i 49 anni e al 10% per coloro che hanno 50 anni o più.

Inoltre, gli adulti con titoli di studio laureati e triennali utilizzano il ChatGPT in misura maggiore, rispettivamente al 33% e al 25%, mentre scende al 19% per coloro che hanno un diploma di scuola superiore e all’8% per chi ha un diploma di scuola superiore o inferiore.

Tuttavia, c’è un aspetto su cui gli americani sembrano concordare: la diffidenza nei confronti del ChatGPT quando si tratta di politica, soprattutto in vista delle imminenti elezioni presidenziali americane del 2024. Il sondaggio ha rivelato che circa quattro cittadini su dieci non hanno troppa o nessuna fiducia nelle informazioni elettorali fornite dal ChatGPT, superando di gran lunga la fiducia nelle informazioni politiche fornite dalla piattaforma.

Nonostante il crescente numero di utenti del ChatGPT, il 34% degli americani intervistati dal Pew Research Center ha dichiarato di non aver mai sentito parlare del chatbot, evidenziando che c’è ancora una significativa fetta di popolazione che non è a conoscenza di questa tecnologia.

Amazon investe ulteriori 2,75 miliardi in Anthropic, portando il suo investimento nella società a 4 miliardi di dollari

Di Dina

il 28 Marzo 2024