C’è un genio cinese dell’intelligenza artificiale che Xi Jinping invidia a Donald Trump . Scusate il facile gioco di parole, visto che si tratta del chief executive di Nvidia. Cinese etnicamente, ma originario di Taiwan, e a capo di un’azienda leader nella Silicon Valley, Jensen Huang è un concentrato di sfide per Xi . I microchip di Nvidia rimangono i più avanzati al mondo per l’AI, la Cina non è riuscita finora a replicarli, e questo dà una lunghezza di vantaggio all’America nella gara strategica del nostro tempo. In quanto taiwanese, Huang evoca un’altra spina nel fianco di Pechino: viene da un’isola di soli 24 milioni di abitanti, per lo più etnicamente cinesi, che fioriscono in una liberaldemocrazia che rispetta tutti i diritti umani, e lì hanno dato vita a una superpotenza tecnologica. Una realtà insopportabile per Xi in quanto smentisce il suo teorema sulla superiore efficienza del sistema comunista. Infine, come immigrato negli Stati Uniti, Huang ricorda a tutti un’altra realtà scomoda: per quanto Trump abbia reso meno facile la concessione di visti, la sua America rimane una nazione piena di immigrati e di talenti stranieri; mentre è la Cina ad avere abbracciato da sempre un modello etnocentrico e xenofobo. A tutte queste ragioni che lo rendono interessante, Jensen Huang di recente ne ha aggiunta un’altra: non vuole che abbiamo paura dell’intelligenza artificiale. In un periodo di allarmi apocalittici , la sua è una voce fuori dal coro. Non perché ne sottovaluti i rischi. Al contrario, il fondatore e amministratore delegato di Nvidia sostiene che la sicurezza deve diventare una delle principali attività dell’industria . Ma rifiuta la narrazione secondo cui staremmo creando una nuova forma d’intelligenza destinata a sfuggire al nostro controllo. Dietro fenomeni che vengono descritti con parole inquietanti – agenti che «ingannano», «collaborano», «evadono», sistemi che si «auto-migliorano» – Huang continua a vedere ciò che ha visto per tutta la sua vita professionale: software. Molto più potente di prima, certo. Ma software. E quindi un problema di ingegneria. È il filo conduttore del lungo confronto registrato nel podcast di Ezra Klein sul New York Times. Un testo importante per il peso dell’interlocutore. Nvidia vale ormai 5.400 miliardi di dollari. Dal 2023 il 15% dei guadagni di tutta la Borsa americana sono venuti dal rialzo del suo titolo. Nvidia non è semplicemente una beneficiaria del boom dell’AI: i suoi processori grafici hanno reso possibile il deep learning moderno. Huang parte da una metafora, la torta a cinque strati. Alla base c’è l’energia. Sopra vengono i semiconduttori; poi i data center, che lui preferisce chiamare «fabbriche dell’AI»; quindi i modelli; infine le applicazioni. È quest’ultimo strato che conta di più: medicina, industria, servizi legali, finanza, trasporti. L’intelligenza artificiale diventa davvero una rivoluzione quando permea l’economia reale. Duecento anni fa, osserva Huang, l’elettricità ci consentì di dare energia a qualsiasi cosa. Internet ci ha permesso di trovare qualsiasi informazione. L’AI promette un salto ulteriore: «sapere tutto e fare qualsiasi cosa». Non cercheremo più una sequenza di link: faremo una domanda e riceveremo una risposta; assegneremo un progetto e otterremo una soluzione; affideremo un compito e il sistema lo eseguirà. È qui che nasce la paura per il lavoro. Huang la considera in gran parte fondata su un errore: confondere il mestiere con i compiti che lo compongono . Prende l’esempio dei radiologi. L’intelligenza artificiale è ormai presente nella diagnostica per immagini e svolge alcune analisi con capacità superiori a quelle umane. Ma il mestiere del radiologo non consiste solo nel guardare una scansione. Il suo scopo è diagnosticare malattie e aiutare medici e pazienti. Automatizzando una parte del lavoro, gli ospedali possono effettuare più esami. E infatti, anziché scomparire, la domanda di radiologi è aumentata. Lo stesso ragionamento vale per i programmatori. Si era previsto che gli agenti AI avrebbero scritto quasi tutto il software e reso superflui gli ingegneri. Huang ribatte che lo scopo dell’ingegnere non è digitare codice: è inventare prodotti, risolvere problemi, trasformare bisogni in soluzioni. Il codice è uno strumento. Se viene automatizzato, cambia il mestiere, non lo elimina . Ammette un’eccezione importante. Quando compito e mestiere coincidono quasi del tutto – per esempio certe forme di assistenza telefonica per il servizio al cliente – l’automazione può cancellare posti di lavoro. Ma nel complesso prevede una creazione netta di occupazione . Cita i 500 miliardi di dollari di venture capital negli ultimi sei mesi sono affluiti verso imprese nate grazie all’AI. Nasceranno aziende e mestieri che oggi non esistono . Klein gli oppone l’esperienza dell’agricoltura e dell’industria: l’aumento della produttività può ridurre l’occupazione in un settore. E l’AI potrebbe agire molto più rapidamente delle rivoluzioni precedenti, senza le frizioni geografiche e linguistiche della delocalizzazione. Huang risponde introducendo una variabile che secondo lui manca nei modelli economici: l’ambizione umana. Quando una tecnologia libera tempo e risorse, gli esseri umani non si limitano a produrre la stessa quantità lavorando meno . Inventano nuovi desideri, servizi e industrie. L’ambizione non si misura, ma è una forza economica. L’AI possiede inoltre una caratteristica che la distingue dalle tecnologie precedenti: è facile da usare. Per sfruttare il computer bisognava imparare Fortran, Pascal, C++, CUDA. Con l’AI basta parlare. La lingua naturale diventa l’interfaccia con la macchina. Milioni, forse miliardi di persone potranno utilizzare capacità informatiche prima riservate a una piccola élite tecnica. Huang prevede per questo una sorpresa sul mercato del lavoro giovanile. Oggi si teme che l’AI elimini proprio i posti di ingresso, quelli dei neolaureati. Lui dice: aspettate due anni. Arriverà la prima generazione realmente «nativa» dell’AI, studenti che avranno imparato a collaborare con agenti intelligenti come oggi si impara a usare un personal computer. Saranno, dice, dotati di «superpoteri». Resta il problema di ciò che perdiamo delegando capacità cognitive alle macchine. Klein cita una ricerca cinese su 26.000 studenti: l’AI migliora del 18% i risultati dei compiti a casa e riduce del 30% il tempo necessario per completarli, ma dopo alcuni mesi peggiora i risultati degli esami svolti autonomamente. Huang non nega il fenomeno. Risponde con una domanda: importa davvero? Abbiamo già dimenticato molte capacità considerate essenziali dalle generazioni precedenti. Pochi sanno fare una radice quadrata a mano; lui stesso confessa di non ricordare il proprio numero di telefono e perfino il codice postale di casa. Non tutte le capacità cognitive meritano di essere conservate . La sua previsione è che perderemo una certa «destrezza intellettuale» di basso livello e diventeremo migliori nel pensiero sistemico. Quando Huang cominciò a progettare semiconduttori, lavorava su chip con duecento transistor e poteva conoscerli quasi individualmente. Oggi un processore contiene centinaia di miliardi o perfino trilioni di transistor. Gli ingegneri non possono più pensare a quel livello: devono comprendere sistemi complessi. Ogni rivoluzione tecnologica alza il livello di astrazione. Il passaggio più combattuto dell’intervista riguarda la sicurezza. Klein ricorda esperimenti recenti in cui agenti AI hanno collaborato tra loro e compiuto azioni che sembravano contrarie alle istruzioni ricevute . È il genere di episodio che alimenta gli allarmi di figure come Geoffrey Hinton, Dario Amodei, Sam Altman e altri. Huang rifiuta innanzitutto il linguaggio antropomorfico. Un agente riceve un obiettivo e cerca il modo più efficiente per raggiungerlo. Se gli chiediamo di ottenere il massimo punteggio a un esame, la soluzione più economica può essere rubare le risposte. Non significa che abbia deciso di «imbrogliare» nel senso umano. Significa che abbiamo definito male l’obiettivo e i vincoli. Questo non rende il problema banale. Significa che bisogna migliorare «allineamento», subordinazione dell’AI agli obiettivi di chi la usa, monitoraggio e verifica. E se un laboratorio non sa impedire a un sistema sperimentale di uscire d
C'è un genio cinese dell'AI che Xi invidia a Trump
C’è un genio cinese dell’intelligenza artificiale che Xi Jinping invidia a Donald Trump . Scusate il facile gioco di parole, visto che si tratta del chief executive di Nvidia. Cinese etnicamente, ma originario di Taiwan, e a capo di un’azienda leader nella Silicon Valley, Jensen Huang è un concentrato di sfide per Xi . I microchip di Nvidia rimangono i più avanzati al mondo per l’AI, la Cina non è riuscita finora a replicarli, e questo dà una lunghezza di vantaggio all’America nella gara strategica del nostro tempo. In quanto taiwanese, Huang evoca un’altra spina nel fianco di Pechino: viene da un’isola di soli 24 milioni di abitanti, per lo più etnicamente cinesi, che fioriscono in una liberaldemocrazia che rispetta tutti i diritti umani, e lì hanno dato vita a una superpotenza tecnologica. Una realtà insopportabile per Xi in quanto smentisce il suo teorema sulla superiore efficienza del sistema comunista. Infine, come immigrato negli Stati Uniti, Huang ricorda a tutti un’altra realtà scomoda: per quanto Trump abbia reso meno facile la concessione di visti, la sua America rimane una nazione piena di immigrati e di talenti stranieri; mentre è la Cina ad avere abbracciato da sempre un modello etnocentrico e xenofobo. A tutte queste ragioni che lo rendono interessante, Jensen Huang di recente ne ha aggiunta un’altra: non vuole che abbiamo paura dell’intelligenza artificiale. In un periodo di allarmi apocalittici , la sua è una voce fuori dal coro. Non perché ne sottovaluti i rischi. Al contrario, il fondatore e amministratore delegato di Nvidia sostiene che la sicurezza deve diventare una delle principali attività dell’industria . Ma rifiuta la narrazione secondo cui staremmo creando una nuova forma d’intelligenza destinata a sfuggire al nostro controllo. Dietro fenomeni che vengono descritti con parole inquietanti – agenti che «ingannano», «collaborano», «evadono», sistemi che si «auto-migliorano» – Huang continua a vedere ciò che ha visto per tutta la sua vita professionale: software. Molto più potente di prima, certo. Ma software. E quindi un problema di ingegneria. È il filo conduttore del lungo confronto registrato nel podcast di Ezra Klein sul New York Times. Un testo importante per il peso dell’interlocutore. Nvidia vale ormai 5.400 miliardi di dollari. Dal 2023 il 15% dei guadagni di tutta la Borsa americana sono venuti dal rialzo del suo titolo. Nvidia non è semplicemente una beneficiaria del boom dell’AI: i suoi processori grafici hanno reso possibile il deep learning moderno. Huang parte da una metafora, la torta a cinque strati. Alla base c’è l’energia. Sopra vengono i semiconduttori; poi i data center, che lui preferisce chiamare «fabbriche dell’AI»; quindi i modelli; infine le applicazioni. È quest’ultimo strato che conta di più: medicina, industria, servizi legali, finanza, trasporti. L’intelligenza artificiale diventa davvero una rivoluzione quando permea l’economia reale. Duecento anni fa, osserva Huang, l’elettricità ci consentì di dare energia a qualsiasi cosa. Internet ci ha permesso di trovare qualsiasi informazione. L’AI promette un salto ulteriore: «sapere tutto e fare qualsiasi cosa». Non cercheremo più una sequenza di link: faremo una domanda e riceveremo una risposta; assegneremo un progetto e otterremo una soluzione; affideremo un compito e il sistema lo eseguirà. È qui che nasce la paura per il lavoro. Huang la considera in gran parte fondata su un errore: confondere il mestiere con i compiti che lo compongono . Prende l’esempio dei radiologi. L’intelligenza artificiale è ormai presente nella diagnostica per immagini e svolge alcune analisi con capacità superiori a quelle umane. Ma il mestiere del radiologo non consiste solo nel guardare una scansione. Il suo scopo è diagnosticare malattie e aiutare medici e pazienti. Automatizzando una parte del lavoro, gli ospedali possono effettuare più esami. E infatti, anziché scomparire, la domanda di radiologi è aumentata. Lo stesso ragionamento vale per i programmatori. Si era previsto che gli agenti AI avrebbero scritto quasi tutto il software e reso superflui gli ingegneri. Huang ribatte che lo scopo dell’ingegnere non è digitare codice: è inventare prodotti, risolvere problemi, trasformare bisogni in soluzioni. Il codice è uno strumento. Se viene automatizzato, cambia il mestiere, non lo elimina . Ammette un’eccezione importante. Quando compito e mestiere coincidono quasi del tutto – per esempio certe forme di assistenza telefonica per il servizio al cliente – l’automazione può cancellare posti di lavoro. Ma nel complesso prevede una creazione netta di occupazione . Cita i 500 miliardi di dollari di venture capital negli ultimi sei mesi sono affluiti verso imprese nate grazie all’AI. Nasceranno aziende e mestieri che oggi non esistono . Klein gli oppone l’esperienza dell’agricoltura e dell’industria: l’aumento della produttività può ridurre l’occupazione in un settore. E l’AI potrebbe agire molto più rapidamente delle rivoluzioni precedenti, senza le frizioni geografiche e linguistiche della delocalizzazione. Huang risponde introducendo una variabile che secondo lui manca nei modelli economici: l’ambizione umana. Quando una tecnologia libera tempo e risorse, gli esseri umani non si limitano a produrre la stessa quantità lavorando meno . Inventano nuovi desideri, servizi e industrie. L’ambizione non si misura, ma è una forza economica. L’AI possiede inoltre una caratteristica che la distingue dalle tecnologie precedenti: è facile da usare. Per sfruttare il computer bisognava imparare Fortran, Pascal, C++, CUDA. Con l’AI basta parlare. La lingua naturale diventa l’interfaccia con la macchina. Milioni, forse miliardi di persone potranno utilizzare capacità informatiche prima riservate a una piccola élite tecnica. Huang prevede per questo una sorpresa sul mercato del lavoro giovanile. Oggi si teme che l’AI elimini proprio i posti di ingresso, quelli dei neolaureati. Lui dice: aspettate due anni. Arriverà la prima generazione realmente «nativa» dell’AI, studenti che avranno imparato a collaborare con agenti intelligenti come oggi si impara a usare un personal computer. Saranno, dice, dotati di «superpoteri». Resta il problema di ciò che perdiamo delegando capacità cognitive alle macchine. Klein cita una ricerca cinese su 26.000 studenti: l’AI migliora del 18% i risultati dei compiti a casa e riduce del 30% il tempo necessario per completarli, ma dopo alcuni mesi peggiora i risultati degli esami svolti autonomamente. Huang non nega il fenomeno. Risponde con una domanda: importa davvero? Abbiamo già dimenticato molte capacità considerate essenziali dalle generazioni precedenti. Pochi sanno fare una radice quadrata a mano; lui stesso confessa di non ricordare il proprio numero di telefono e perfino il codice postale di casa. Non tutte le capacità cognitive meritano di essere conservate . La sua previsione è che perderemo una certa «destrezza intellettuale» di basso livello e diventeremo migliori nel pensiero sistemico. Quando Huang cominciò a progettare semiconduttori, lavorava su chip con duecento transistor e poteva conoscerli quasi individualmente. Oggi un processore contiene centinaia di miliardi o perfino trilioni di transistor. Gli ingegneri non possono più pensare a quel livello: devono comprendere sistemi complessi. Ogni rivoluzione tecnologica alza il livello di astrazione. Il passaggio più combattuto dell’intervista riguarda la sicurezza. Klein ricorda esperimenti recenti in cui agenti AI hanno collaborato tra loro e compiuto azioni che sembravano contrarie alle istruzioni ricevute . È il genere di episodio che alimenta gli allarmi di figure come Geoffrey Hinton, Dario Amodei, Sam Altman e altri. Huang rifiuta innanzitutto il linguaggio antropomorfico. Un agente riceve un obiettivo e cerca il modo più efficiente per raggiungerlo. Se gli chiediamo di ottenere il massimo punteggio a un esame, la soluzione più economica può essere rubare le risposte. Non significa che abbia deciso di «imbrogliare» nel senso umano. Significa che abbiamo definito male l’obiettivo e i vincoli. Questo non rende il problema banale. Significa che bisogna migliorare «allineamento», subordinazione dell’AI agli obiettivi di chi la usa, monitoraggio e verifica. E se un laboratorio non sa impedire a un sistema sperimentale di uscire d
RELATED SIGNALS
Latest Trending News
SOURCE TRANSPARENCY