\n
\n <\/tr>\n
<\/p>\n
\n
\n <\/tr>\n
<\/p>\n
\n <\/td>\n
<\/p>\n
\n Questo articolo si pu\u00f2 ascoltare nel podcast di Internazionale A voce.
\n \u00c8 disponibile ogni venerd\u00ec nell\u2019app di Internazionale e su internazionale.it\/podcast<\/a>
<\/p>\n
\n
\n <\/tr>\n
<\/p>\n
La maggior parte di questi casi non \u00e8 cos\u00ec. Perfino la bolla dei Mari del sud, l\u2019evento che ha dato il nome a questi fenomeni speculativi, aveva una sua logica di fondo, perch\u00e9 l\u2019espansione delle reti globali del commercio e del capitale \u00e8 stata senza dubbio un passaggio straordinariamente redditizio. Nonostante ci\u00f2, gli investitori di quella prima bolla (compreso Isaac Newton, che ne aveva intuito la natura speculativa ma si lasci\u00f2 travolgere dall\u2019entusiasmo) finirono rovinati. Lo schema ricorrente \u00e8 che una grande e autentica innovazione appare all\u2019orizzonte e la gente tenta di approfittarne riversandoci sopra fiumi di denaro. Troppo denaro. Talmente tanto che diventa impossibile investire il capitale in modo corretto, quindi sfumano i confini tra probabile e impossibile, tra prudenza e azzardo, tra ci\u00f2 che potrebbe accadere e ci\u00f2 che non accadr\u00e0 mai. Dopo l\u2019ondata di capitali arrivano i dubbi; dopo i dubbi, il crollo; dopo il crollo, si consolida a poco a poco il fenomeno che aveva acceso l\u2019entusiasmo iniziale. \u00c8 accaduto con la bolla dei Mari del sud, con la febbre delle ferrovie di met\u00e0 ottocento, con la corsa all\u2019elettrificazione cinquant\u2019anni pi\u00f9 tardi e con la bolla delle dot-com all\u2019inizio di questo secolo. <\/p>\n
Ecco dove ci troviamo oggi con l\u2019intelligenza artificiale (ia). Nel lontano 2018 la Apple \u00e8 stata la prima impresa quotata al mondo a superare la soglia dei mille miliardi di dollari di capitalizzazione. Oggi le dieci aziende pi\u00f9 grandi del mondo valgono tutte pi\u00f9 di mille miliardi di dollari. Tra queste, solo la Aramco, azienda saudita monopolista del petrolio, non \u00e8 legata al valore futuro dell\u2019intelligenza artificiale. Al primo posto c\u2019\u00e8 la Nvidia, che vale 4,45 migliaia di miliardi di dollari. Non a caso, la sua quotazione rappresenta la scommessa pi\u00f9 diretta sull\u2019impatto dell\u2019intelligenza artificiale. I grandi gruppi si prestano denaro a vicenda in schemi circolari, sostenendo fatturati e valutazioni. Enormi flussi di capitali si riversano nel settore. \u00c8 una bolla? Certo che \u00e8 una bolla. Le domande fondamentali sono: come ci siamo arrivati? E adesso che succede? <\/p>\n
La storia, tra le altre cose, \u00e8 anche il racconto delle due principali, archetipiche tipologie maschili dell\u2019era tecnologica: immigrati dal curriculum accademico brillante (Elon Musk, Sergey Brin, Sundar Pichai, Satya Nadella) e studenti nati negli Stati Uniti che hanno abbandonato l\u2019universit\u00e0 (Steve Jobs, Bill Gates, Mark Zuckerberg). Le aziende fondate o guidate da questi uomini sono la prima, la seconda, la terza, la quarta, la quinta e la settima al mondo per capitalizzazione di mercato. Il loro valore complessivo ammonta a 20,94 migliaia di miliardi di dollari, un sesto dell\u2019intera economia mondiale. <\/p>\n
Cominciamo dal momento chiave. Nella primavera del 1993, tre nerd si presentarono da un avvocato della Silicon valley con l\u2019intenzione di fondare un\u2019azienda di microprocessori. Erano Curtis Priem, Chris Malachowsky e l\u2019amministratore delegato in pectore, Jensen Huang, un ingegnere elettrico nato a Taiwan con un talento naturale per il management e gli affari. Malachowsky e Priem, come racconta Stephen Witt in La macchina pensante, avevano competenze complementari: uno progettava chip, l\u2019altro li costruiva. L\u2019idea era creare un nuovo tipo di processore ottimizzato per un settore in grande crescita, quello dei video\u00adgiochi. Al loro titolare, la grande azienda di semiconduttori Lsi Logic, la proposta non era piaciuta, cos\u00ec i tre avevano buttato gi\u00f9 un piano d\u2019impresa in un fast food della catena Denny\u2019s aperto 24 ore su 24. Secondo Huang non valeva la pena di lanciare una nuova impresa a meno che non ci fosse la prospettiva concreta di fatturare almeno 50 milioni di dollari l\u2019anno. Dopo lunghe sedute di calcoli su fogli elettronici al Denny\u2019s, finalmente riusc\u00ec a far quadrare i conti. I tre amici si presentarono allora da Jim Gaither, avvocato molto noto nella Silicon valley, che compil\u00f2 le pratiche registrando la societ\u00e0 come Nv, acronimo di New venture, \u201cnuova impresa\u201d. A Malachowsky e Priem l\u2019idea piacque moltissimo: avevano giocato dei nomi che suggerivano che il loro chip avrebbe fatto invidia ai concorrenti. La coincidenza era troppo ghiotta per lasciarsela sfuggire. Scelsero Nvision. Ma quando l\u2019avvocato scopr\u00ec che il nome era gi\u00e0 registrato optarono per il piano B: Nvidia. <\/p>\n
Sia la scelta dell\u2019amministratore delegato sia quella del nome si sarebbero rivelate azzeccate. Un terzo di secolo pi\u00f9 tardi, Huang \u00e8 l\u2019amministratore delegato di pi\u00f9 lungo corso nel settore e la Nvidia \u00e8 l\u2019azienda che vale di pi\u00f9 al mondo. La sua quota sulla capitalizzazione dei mercati globali non ha precedenti: le azioni della Nvidia pesano sugli indici mondiali pi\u00f9 dell\u2019intero mercato azionario britannico. <\/p>\n
Huang non aveva avuto una vita facile. Era arrivato negli Stati Uniti nel 1973, a nove anni. Era un bambino minuto per la sua et\u00e0 e non parlava quasi una parola d\u2019inglese. I genitori, originari della citt\u00e0 di Tainan e di lingua hokkien, emigrati poi a Bangkok, avevano provato a insegnare l\u2019inglese a lui e ai suoi fratelli facendogli imparare a memoria dieci parole al giorno, scelte a caso dal dizionario. Convinti per errore che fosse un collegio prestigioso, lo avevano iscritto all\u2019Oneida baptist institute, in Kentucky, una scuola-riformatorio per ragazzi difficili che il sistema scolastico statunitense non riusciva a gestire. Per via del suo rendimento, fu inserito in una classe con ragazzi pi\u00f9 grandi di un anno. Non c\u2019era modo migliore per farlo diventare un bersaglio dei bulli. La prima notte il suo compagno di stanza si sollev\u00f2 la maglietta per fargli vedere le cicatrici lasciate dalle coltellate. Huang, che durante le vacanze restava a scuola perch\u00e9 non aveva un altro posto dove andare, fu incaricato di pulire i bagni. <\/p>\n
Potrebbe sembrare la classica storia di privazioni, ma Huang non la racconta cos\u00ec. Ricorda che insegn\u00f2 al compagno di stanza a leggere, e lui in cambio gli insegn\u00f2 a fare cento flessioni al giorno. I bulli smisero di cercare di buttarlo gi\u00f9 dal ponte di corde che doveva attraversare per andare a scuola. Huang dice che quell\u2019esperienza l\u2019ha temprato, e in un discorso del 2020, scrive Witt, \u201cha raccontato che il periodo passato in quella scuola \u00e8 stato una delle cose migliori che gli siano mai capitate\u201d. Dopo due anni in Kentucky si trasfer\u00ec in Oregon, dove nel frattempo erano emigrati i suoi genitori. L\u00ec frequent\u00f2 scuola e universit\u00e0, si spos\u00f2 e poi cominci\u00f2 la sua carriera alla Amd, azienda di progettazione di microchip della Silicon valley. Dopo diverse promozioni e un cambio di lavoro, incontr\u00f2 Malachowsky e Priem alla Lsi.<\/p>\n
La nuova avventura dei tre non ebbe un successo immediato. C\u2019erano almeno trentacinque aziende in corsa per costruire un chip specializzato per i videogiochi, ed era chiaro che molte sarebbero finite a gambe all\u2019aria. Il loro primo processore, l\u2019Nv1, fu un disastro, e per un momento sembr\u00f2 che anche la Nvidia avesse i giorni contati. \u201cLe sbagliammo tutte\u201d, ricorda Huang, \u201cogni nostra decisione era sbagliata\u201d. Licenzi\u00f2 gran parte dei dipendenti e punt\u00f2 tutto sul progetto del chip successivo, l\u2019Nv3 (l\u2019Nv2 era stato cancellato prima del lancio). <\/p>\n
Christian Dellavedova<\/p>\n
Invece di costruire il chip nel modo tradizionale (non potevano permetterselo, sarebbero rimasti senza soldi prima di finirlo) usarono un emulatore, una macchina che riproduce via software il comportamento di un chip in silicio per testarlo virtualmente. Il primo prototipo fisico dell\u2019Nv3 fu sottoposto a un test decisivo: se anche uno solo dei suoi 3,5 milioni di transistor non avesse funzionato, il chip sarebbe stato inutilizzabile e la Nvidia sarebbe sparita dalla circolazione. I transistor funzionarono, e l\u2019azienda rimase in piedi. \u201cAncora oggi siamo i maggiori utilizzatori di emulatori del mondo\u201d, dice Huang. <\/p>\n
Era il 1997 e Huang aveva gi\u00e0 vinto due grandi scommesse: la prima sulla fame dei videogiochi per i miglioramenti nella grafica, la seconda sull\u2019emulatore. Poi ne ha fatte altre tre. La prima \u00e8 stata quella del parallel processing o \u201celaborazione parallela\u201d. Un chip tradizionale, come quello del portatile su cui sto scrivendo, funziona con una cpu (unit\u00e0 di elaborazione centrale) che esegue operazioni in sequenza. Man mano che i chip sono diventati pi\u00f9 potenti sono aumentate anche la lunghezza e la complessit\u00e0 dei calcoli. I chip, per\u00f2, erano diventati cos\u00ec piccoli da cominciare a scontrarsi con le leggi della fisica. <\/p>\n
L\u2019elaborazione parallela, invece, esegue i calcoli non in sequenza, ma in simultanea. Anzich\u00e9 affrontare un\u2019unica grande operazione dall\u2019inizio alla fine, ne svolge moltissime, pi\u00f9 piccole, tutte nello stesso momento. Su YouTube, un video dei MythBusters, un\u2019esuberante coppia di divulgatori scientifici statunitensi, mostra la differenza tra i due sistemi durante una conferenza della Nvidia del 2008. Nel video, i MythBusters montano una pistola robotica che spara palline di vernice contro una tela. Il primo test imita il funzionamento di una cpu: la pistola spara una rapida sequenza di palline blu, correggendo la mira dopo ogni colpo per disegnare una faccina sorridente. L\u2019operazione dura una trentina di secondi. Finito il primo test, i due preparano un\u2019altra pistola robotica, capace di sparare 1.100 palline contemporaneamente. Un colpo secco, e in una frazione di secondo \u2013 ottanta millisecondi, per la precisione \u2013 sulla tela appare una versione paintball della Gioconda. Quel quadro istantaneo era la metafora visiva del funzionamento dei nuovi chip: non pi\u00f9 calcoli giganteschi eseguiti uno dopo l\u2019altro, ma un\u2019enorme quantit\u00e0 di microcalcoli fatti tutti insieme. Elaborazione parallela. <\/p>\n
L\u2019industria dei videogiochi s\u2019innamor\u00f2 dei nuovi chip e pretese un aggiornamento ogni sei mesi, per gestire e renderizzare ambienti di gioco sempre pi\u00f9 complessi e dettagliati. Tenere il passo con quell\u2019appetito era impegnativo e costoso, ma consent\u00ec alla Nvidia di raggiungere una posizione dominante nel settore dei chip. In Nvidia e il genio di Jensen Huang, Tae Kim racconta della determinazione di Huang a rimanere sempre un passo avanti alla concorrenza. \u201cLa caratteristica numero uno di qualsiasi prodotto \u00e8 la tabella di marcia\u201d, dice Huang, sottolineando la differenza tra l\u2019eleganza ingegneristica e l\u2019approccio della Nvidia, tutto basato sul terminare il progetto e consegnarlo. <\/p>\n
A quel punto i chip della Nvidia erano cos\u00ec potenti che sembrava assurdo usarli solo per far collegare le persone online per spararsi addosso in scenari fantascientifici sempre pi\u00f9 complessi. Cos\u00ec Huang lanci\u00f2 un\u2019altra delle sue scommesse. Fece sviluppare all\u2019azienda un nuovo tipo di architettura di chip a cui diede un nome volutamente criptico: cuda, acronimo di compute unified device architecture. <\/p>\n
Il termine in s\u00e9 non significava molto, e non era un caso: Huang non voleva che la concorrenza capisse cosa stava preparando. Gli ingegneri della Nvidia stavano sviluppando un nuovo tipo di architettura per un nuovo tipo di utenti: \u201cMedici, astronomi, geologi e altri scienziati, specialisti molto qualificati nei loro campi, ma che magari non sapevano programmare in codice\u201d. Per descrivere il funzionamento di una cpu, Witt usa la metafora del coltello da cucina: \u201cUno splendido utensile multifunzione, capace di qualsiasi tipo di taglio. Pu\u00f2 tagliare alla julienne, tritare, affettare, dadolare o sminuzzare\u2026 ma pu\u00f2 lavorare sempre e solo una verdura alla volta\u201d. Il processore di Nvidia, che l\u2019azienda ormai chiamava gpu, graphics processing unit (unit\u00e0 di elaborazione grafica), era pi\u00f9 simile a un robot da cucina: \u201c\u00c8 rumoroso, \u00e8 poco delicato e consuma tanta energia. Non ci puoi preparare una chiffonade di dragoncello o incidere un calamaro a griglia. Ma se devi tritare tante verdure velocemente, lo strumento da usare \u00e8 la gpu\u201d. L\u2019architettura cuda prese quello stesso strumento e lo reinvent\u00f2 per un nuovo pubblico. In pratica, erano i videogiocatori a finanziare i costi di sviluppo dei chip destinati agli scienziati che, secondo Huang, sarebbero venuti a bussare alla porta, secondo il principio \u201ccostruiscilo, prima o poi i clienti arriveranno\u201d. <\/p>\n
Gli scienziati per\u00f2 non vennero a bussare alla porta, o almeno non in numero sufficiente da trasformare la cuda in un successo. La domanda rimase al palo, e cos\u00ec il titolo dell\u2019azienda in borsa. Nella storia della tecnologia abbondano gli esempi d\u2019invenzioni in attesa della loro killer app, un\u2019applicazione o una funzione capace, da sola, di dare a quella tecnologia una finalit\u00e0 a cui \u00e8 impossibile rinunciare. La killer app del personal computer, per esempio, \u00e8 stata il foglio di calcolo: da un giorno all\u2019altro \u00e8 arrivata una nuova tecnologia che permetteva di giocare con numeri e parametri e vedere cosa succedeva modificando a e b per arrivare a z. Non \u00e8 un\u2019esagerazione dire che i fogli di calcolo hanno reinventato il capitalismo negli anni ottanta, rendendo semplice simulare all\u2019infinito scenari alternativi fino a trovare una soluzione sensata. I nuovi straordinari chip della Nvidia e l\u2019architettura cuda erano in attesa della loro killer app. <\/p>\n
La salvezza arriv\u00f2 da un ramo dell\u2019informatica all\u2019epoca trascurato: le reti neurali. L\u2019idea di fondo delle reti neurali era che i computer potessero imitare la struttura del cervello creando neuroni artificiali e collegandoli in reti. Le prime reti erano addestrate su sistemi di dati, etichettati, in cui la risposta per ogni immagine era gi\u00e0 nota. La rete faceva una previsione, la confrontava con l\u2019etichetta corretta e si correggeva usando un algoritmo. La svolta ci fu quando i ricercatori impararono ad addestrare le reti con neuroni artificiali multistrato: il cosiddetto deep learning (apprendimento profondo). Queste reti riuscivano a individuare schemi sempre pi\u00f9 complessi nei dati, portando a progressi spettacolari nel riconoscimento delle immagini e in altri campi. Un tecnico informatico di Google, per esempio, \u201cdiede in pasto alla sua rete di deep learning un campione casuale di dieci milioni d\u2019immagini tratte da YouTube e la lasci\u00f2 libera di decidere quali schemi ricorrenti valesse la pena di \u2018memorizzare\u2019. Nel campione c\u2019erano talmente tanti video di gatti che, senza alcun intervento umano, il modello svilupp\u00f2 da solo un\u2019immagine composita di un volto felino. Da quel momento in poi fu in grado di riconoscere i gatti anche in immagini che non facevano parte del set di addestramento\u201d. <\/p>\n
Christian Dellavedova<\/p>\n
Si erano combinati tre elementi: algoritmi, dataset e hardware. Gli informatici avevano sviluppato i primi due. Il terzo lo port\u00f2 la Nvidia, perch\u00e9 si d\u00e0 il caso che l\u2019elaborazione parallela dei suoi chip fosse perfettamente adatta al nuovo Eldorado del deep learning. La capacit\u00e0 di eseguire simultaneamente calcoli multipli, infatti, \u00e8 esattamente ci\u00f2 che definisce le reti neurali. Queste reti sono la tecnologia fondamentale di quello che un tempo si chiamava machine learning (apprendimento automatico) e che oggi \u00e8 generalmente indicato come intelligenza artificiale (ma\u00adchine learning \u00e8, a mio avviso, un termine pi\u00f9 preciso e utile, ma questa \u00e8 un\u2019altra storia). <\/p>\n
Il capo scienziato della Nvidia si chiamava David Kirk. Come ha raccontato a Witt, \u201ccon l\u2019elaborazione parallela facemmo molta fatica a convincere Huang\u201d. Con l\u2019intelligenza artificiale, invece, rimase folgorato. \u201cL\u2019ha capito subito, prima di chiunque altro. \u00c8 stato il primo a intuire dove potesse arrivare\u201d. <\/p>\n
Se le reti neurali potevano risolvere il problema dell\u2019apprendimento visivo, ragionava Huang, allora potevano risolvere qualsiasi altra cosa. Un venerd\u00ec, invi\u00f2 un\u2019email a tutta l\u2019azienda annunciando che la Nvidia non sarebbe stata pi\u00f9 un\u2019azienda di grafica. Un collega ricorda: \u201cIl luned\u00ec mattina, letteralmente, da un giorno all\u2019altro, eravamo diventati un\u2019azienda d\u2019intelligenza artificiale\u201d. Era il 2014. La quinta, e la pi\u00f9 riuscita, delle cinque scommesse di Huang \u00e8 quella che ha trasformato la Nvidia nel colosso planetario che conosciamo oggi. <\/p>\n
Poco dopo, i nerd o comunque quelli che orbitavano nel loro mondo cominciarono a sentir parlare di intelligenza artificiale. Quando ero con persone che ne sapevano pi\u00f9 di me di tecnologia ed economia, finivo spesso per fare domande tipo: \u201cE ora cosa succede?\u201d, oppure: \u201cQual \u00e8 la prossima grande novit\u00e0?\u201d, e sempre pi\u00f9 spesso la risposta aveva a che fare con l\u2019ia. Ho il ricordo preciso di una conversazione con un investitore molto sveglio, pochi giorni dopo il voto sulla Brexit: gli chiesi cosa sarebbe successo secondo lui. I dettagli me li sono dimenticati perch\u00e9 stavamo bevendo dei Martini, ma il succo della risposta era che in Cina stavano facendo grandi progressi nell\u2019intelligenza artificiale. La cosa che mi colp\u00ec di pi\u00f9 fu che gli stavo chiedendo della Brexit, ma per lui l\u2019ia era talmente pi\u00f9 importante che non gli era passato per la testa che potessi riferirmi a qualcos\u2019altro. <\/p>\n
C\u2019era per\u00f2 un aspetto frustrante in queste conversazioni, e praticamente in ogni cosa che leggevo sull\u2019ia. Tutti erano convinti che sarebbe stata una cosa enorme, ma erano sempre avari di dettagli. C\u2019era tanto fumo ma poco arrosto. Anche la clamorosa vittoria di un\u2019ia, AlphaGo, sul campione del mondo di go, Lee Sedol, non mi aveva fatto n\u00e9 caldo n\u00e9 freddo. I giochi si svolgono all\u2019interno di una serie di parametri fissi; proprio per questo, l\u2019idea di risolverli tramite algoritmi non \u00e8, di per s\u00e9, cos\u00ec sconvolgente. Il primo vero assaggio delle nuove potenzialit\u00e0 l\u2019ho avuto nell\u2019insolita cornice di una stanza d\u2019albergo a Kobe, nel novembre 2016. Mi aveva svegliato un messaggio in giapponese. Aprii il traduttore di Google, sperando almeno in una traduzione approssimativa, e invece mi trovai davanti a un avviso chiaro e completo: c\u2019era appena stato un fortissimo tsunami al largo della costa di Hyogo, a pochi chilometri da Kobe. In fondo al testo c\u2019era la buona notizia: \u201cQuesto \u00e8 un messaggio di prova\u201d. \u00c8 cos\u00ec che ho conosciuto il nuovo sistema di traduzione basato su reti neurali di Google, che per una bizzarra coincidenza era stato lanciato in Giappone proprio quel giorno. Era stata la rete neurale a prendere il mio screenshot e a trasformare quei segni incomprensibili in un inglese ansiogeno. Era una dimostrazione eloquente di ci\u00f2 che erano capaci di fare le reti neurali, ma, almeno per me, era anche un caso isolato. La mia vita quotidiana non si riemp\u00ec all\u2019improvviso di nuove prove della potenza dell\u2019ia. <\/p>\n
A farmi capire \u2013 a me come a buona parte del mondo \u2013 la forza e le potenzialit\u00e0 di questa nuova tecnologia \u00e8 stato il lancio di Chat\u00adGpt, nel novembre 2022. Alla OpenAi, l\u2019azienda che ha creato il software, lo consideravano una semplice nuova interfaccia per gli utenti. Invece si \u00e8 rivelato il debutto pi\u00f9 fortunato di sempre. L\u2019intelligenza artificiale \u00e8 passata in un attimo da un argomento di nicchia a una notizia da prima pagina, e da allora non ha pi\u00f9 lasciato il centro della scena. Questo evento, che ha cambiato le regole del gioco, ci porta al secondo protagonista della storia: Sam Altman, cofondatore e capo della OpenAi. <\/p>\n
Se Huang rappresenta il tipo uno del genio tecnologico contemporaneo \u2013 l\u2019immigrato che eccelle negli studi \u2013 Altman incarna il tipo due: lo statunitense che abbandona l\u2019universit\u00e0. Nato nel 1985, figlio di una dermatologa e di un agente immobiliare, Altman ha avuto l\u2019infanzia tipica del ragazzino brillante della scuola fighetta della sua citt\u00e0, St Louis. Con una differenza: da adolescente ha dichiarato apertamente di essere gay e ne ha parlato davanti a tutta la scuola. Da l\u00ec \u00e8 passato a Stanford, dove \u00e8 stato contagiato dal virus delle startup. Al secondo anno ha lasciato gli studi per fondare un\u2019app sociale basata sulla geolocalizzazione, Loopt. Il nome non significava nulla, ma in quegli anni le start\u00adup di successo tendevano ad avere due \u201co\u201d nel nome: Google, Yahoo, Facebook (e la tendenza continua: basta pensare a Goop, Noom, Zoopla e, la mia preferita, Gloo, la \u201cpiattaforma tecnologica che connette l\u2019ecosistema della fede\u201d. Prima o poi lancer\u00f2 anch\u2019io una startup per smascherare sciocchezze, e la chiamer\u00f2 Boollocks, stroonzate). <\/p>\n
Loopt \u00e8 stata importante soprattutto perch\u00e9 ha aperto ad Altman nuove relazioni. Il suo mentore \u00e8 stato Paul Graham, un mago del software angloamericano che dopo aver scritto un famoso manuale di programmazione aveva fatto fortuna vendendo una sua azienda web a Yahoo. Nel 2005 Graham e la moglie Jessica Livingston hanno lanciato un progetto chiamato Y Combinator, nella loro citt\u00e0, Cambridge, in Massachusetts. L\u2019idea era semplice e rivoluzionaria: offrire finanziamenti, affiancamento e supporto alle startup. Si rivolgeva agli studenti pi\u00f9 brillanti delle universit\u00e0, e l\u2019idea era che invece di passare l\u2019estate a frequentare un noiosissimo stage utile solo a lucidare il curriculum, potevano andare dalla Y Combinator, ricevere seimila dollari ed entrare in un vero e proprio campo di addestramento per startup, con Graham e la sua rete di contatti a fornire formazione, consigli e opportunit\u00e0 di relazione. <\/p>\n
Christian Dellavedova<\/p>\n
La Y Combinator ha avuto un enorme successo, e molte delle aziende passate da l\u00ec sono oggi nomi familiari del web: Airbnb, Reddit, Stripe, Dropbox. La lezione fondamentale dell\u2019\u201cacceleratore\u201d, come si definisce la Y Combinator, \u00e8 che il carattere e il talento contano pi\u00f9 dell\u2019idea specifica su cui si sta lavorando. L\u2019esempio numero uno \u00e8 stato proprio Sam Altman. Quando si \u00e8 candidato per far parte della prima ondata di giovani selezionati dalla Y Combinator, Graham ha cercato di rimandarlo all\u2019anno successivo, pensando che a diciannove anni fosse troppo giovane. Altman non ha accettato il rifiuto, rivelando una straordinaria forza di carattere. Per questo Graham ne \u00e8 rimasto subito colpito. \u201cDopo circa tre minuti che parlavo con lui\u201d, racconta, \u201cho pensato: \u2018Ah, ecco com\u2019era Bill Gates a diciannove anni\u2019\u201d. In un\u2019altra occasione, per\u00f2, Graham ha anche detto che \u201cSam \u00e8 estremamente bravo a diventare potente\u201d. E, nel caso il suo pensiero non fosse chiaro: \u201cPuoi buttarlo col paracadute su un\u2019isola piena di cannibali e se torni cinque anni dopo \u00e8 diventato il re\u201d. <\/p>\n
Il vivace saggio Supremacy di Parmy Olson offre un ritratto sostanzialmente positivo di Altman, mentre Sam Altman l\u2019ottimista di Keach Hagey, approfondito e lucido, \u00e8 pi\u00f9 ambiguo. Hagey presenta il commento di Graham come una battuta leggera, scherzosa, in fondo lusinghiera. Empire of ai di Karen Hao, pi\u00f9 scettico, interpreta invece quelle stesse parole come la dimostrazione di un\u2019ambizione senza princ\u00ecpi cos\u00ec intensa da sfiorare la sociopatia. Questo dualismo di prospettive attraversa tutta la storia di Altman. In quasi ogni momento le sue azioni possono essere interpretate come innocue (anche se caratterizzate da una certa avversione al conflitto, che pu\u00f2 dar luogo a incomprensioni) o lette in chiave pi\u00f9 oscura. Perfino la sua infanzia apparentemente normale ha due versioni: la sua e quella della sorella Annie che nel 2021, sulla base di ricordi riaffiorati in terapia, ha scritto su Twitter di aver \u201csub\u00ecto abusi sessuali, fisici, emotivi, verbali, finanziari e tecnologici da parte dei miei fratelli biologici, soprattutto Sam Altman e in parte Jack Altman\u201d. La madre di Altman, parlando con Hao, ha definito quelle accuse \u201corribili, profondamente strazianti e false\u201d. Nessun osservatore esterno pu\u00f2 dirimere una vicenda cos\u00ec dolorosa. Ma l\u2019esistenza di versioni radicalmente diverse degli stessi eventi \u00e8 un tema ricorrente nella vita di Altman.<\/p>\n
Questo vale anche per la nascita della OpenAi. Nel 2014 Altman era ormai il re dell\u2019isola dei cannibali. Loopt non era decollata, ma con grande sorpresa di tutti Graham, dopo aver lasciato la guida della Y Combinator, aveva scelto come successore proprio lui, un ventottenne quasi sconosciuto. Altman era gi\u00e0 diventato incredibilmente ricco grazie a un fondo di venture capital da lui creato, Hydrazine, che investiva nei talenti migliori usciti dall\u2019acceleratore. Solo per dare un\u2019idea, possedeva una quota del 2 per cento di Stripe, l\u2019azienda di pagamenti che, al momento in cui scrivo, vale circa 107 miliardi di dollari. A suo dire, per\u00f2, non era pi\u00f9 il denaro a motivarlo. Da tempo voleva lasciare un segno nel mondo non digitale, come avrebbe ampiamente dimostrato durante gli anni passati alla guida della Y Combinator. <\/p>\n
L\u2019interesse per le tecnologie in grado di incidere concretamente sul mondo aveva portato Altman ad avvicinarsi al tema dell\u2019intelligenza artificiale e, pi\u00f9 nello specifico, all\u2019idea che un\u2019ia fuori controllo potesse costituire una minaccia esistenziale per l\u2019umanit\u00e0. Questo timore \u00e8 piuttosto diffuso in certi ambienti dell\u2019alta tecnologia. Gli apocalittici, i cosiddetti doomer, parlano del rischio che una super\u00adintelligenza non allineata agli interessi umani finisca per distruggerci. Preoccupato da questi timori, Altman aveva mandato un\u2019email a Elon Musk, un altro doomer con una visione ancora \u201cpi\u00f9 paranoica e pessimista\u201d rispetto ad altri colleghi del settore (racconta Olson). L\u2019idea di Altman era che \u201cqualcuno che non fosse Google\u201d doveva sviluppare la tecnologia in modo che \u201cappartenesse a tutto il mondo\u201d. Musk rispose che \u201cprobabilmente valeva la pena di fare una chiacchierata\u201d. Da l\u00ec nacque un incontro in un hotel della Silicon valley, a cui erano presenti Musk (arrivato con un\u2019ora di ritardo), Altman, due figure di spicco della ricerca sull\u2019ia, Ilya Sutskever e Dario Amodei, e Greg Brockman, il programmatore di punta della Stripe, in cerca di una nuova sfida. Da quella riunione scatur\u00ec l\u2019idea della OpenAi: Musk l\u2019ha finanziata e Altman ha contribuito a metterla in piedi, con l\u2019obiettivo dichiarato di sviluppare una versione sicura di una super\u00adintelligenza artificiale. La nuova azienda sarebbe stata senza scopo di lucro, doveva solo \u201cfar progredire l\u2019intelligenza digitale nel modo pi\u00f9 utile all\u2019umanit\u00e0, senza l\u2019obbligo di generare profitti\u201d. I risultati delle scoperte sarebbero stati pubblici: da qui il termine open, aperto. <\/p>\n
Tutto chiaro, no? Non proprio. La vera motivazione di Musk era battere Google nella corsa allo sviluppo dell\u2019intelligenza artificiale. In particolare, aveva maturato una vera e propria ossessione per il britannico Demis Hassabis, il fondatore della Deep\u00adMind, l\u2019azienda di ia acquistata da Google nel 2014. Secondo Musk, Hassabis era \u201cun supercriminale da fermare a ogni costo\u201d, come scrive Hao (Hassabis ha poi vinto il Nobel per la chimica per aver risolto il problema del ripiegamento delle proteine: \u00e8 esattamente quel che farebbe un supercriminale, no?). Il modo per fermarlo era sviluppare un\u2019intelligenza artificiale prima di lui, e il primo passo era attirare i talenti migliori. Altman era bravissimo in questo, e la OpenAi ha accolto ben presto i ricercatori e programmatori pi\u00f9 brillanti del settore, tra cui Sutskever, una figura fondamentale, perch\u00e9 il software di riconoscimento delle immagini che aveva contribuito a creare, AlexNet, era stato uno dei punti di svolta nel campo delle reti neurali. <\/p>\n
Fin qui tutto bene. Il problema era che servivano molti soldi. Musk aveva immaginato che alla OpenAi bastasse un miliardo di dollari per avere qualche possibilit\u00e0 di competere con Google. Era una stima molto ottimistica. Gli informatici si stavano accorgendo che la dimensione era un fattore decisivo nella fase di addestramento dell\u2019ia, cio\u00e8 il momento in cui i dati vanno in pasto agli algoritmi e la rete neurale comincia a lavorare. Nella vita di tutti i giorni compute, \u201celaborare\u201d, \u00e8 un verbo; nel mondo dell\u2019ia \u00e8 un sostantivo, e indica la quantit\u00e0 di potenza di calcolo a disposizione. Alcuni programmi di ia, una volta addestrati, si sono rivelati relativamente compatti: la cinese DeepSeek, per esempio, ha un modello all\u2019avanguardia che funziona su un normale computer casalingo. Ma riuscire ad addestrare il modello \u00e8 tutta un\u2019altra storia, e l\u00ec la scala \u00e8 tutto. \u00c8 la versione tech della classica gara a chi ce l\u2019ha pi\u00f9 grosso. <\/p>\n
Google ce l\u2019aveva pi\u00f9 grosso. La OpenAi doveva crescere. Altman ha scelto di stringere un accordo con la Microsoft: l\u2019odiato colosso del software avrebbe investito un miliardo di dollari in cambio dell\u2019uso esclusivo dei prodotti OpenAi nei suoi software e di una quota degli eventuali profitti. Per evitare che gli investitori guadagnassero somme considerate eccessive, i profitti sarebbero stati limitati a cento volte l\u2019investimento iniziale. La Microsoft, in parole povere, avrebbe potuto guadagnare \u201csolo\u201d cento miliardi di dollari. Inoltre l\u2019accordo sarebbe cessato nel momento in cui la OpenAi avesse sviluppato un\u2019intelligenza artificiale generale (agi), sulla base dell\u2019idea che a quel punto il denaro come lo intendiamo oggi non avrebbe pi\u00f9 avuto alcun valore. <\/p>\n
L\u2019accordo sarebbe stato formalizzato attraverso la costituzione di una nuova azienda a scopo di lucro interamente controllata dalla capogruppo non profit. Pu\u00f2 sembrare strano, ma non \u00e8 un modello inedito: anche la maggioranza della danese Novo Nordisk, produttrice dei celebri farmaci dimagranti Ozempic e Wegovy, \u00e8 di propriet\u00e0 di una fondazione non profit. E non \u00e8 l\u2019unico caso. Ci\u00f2 che rende bizzarro l\u2019assetto della OpenAi \u00e8 che le entit\u00e0 non profit e a scopo di lucro si fondano su presupposti in contraddizione tra loro. Cosa conta di pi\u00f9? Sviluppare un\u2019ia \u201callineata\u201d, innocua, a beneficio dell\u2019intera umanit\u00e0? Oppure fare soldi a palate nel minor tempo possibile sfruttando commercialmente la nuova tecnologia? Quanto alla parte open, lasciamo perdere: quella parte della missione aziendale \u00e8 stata silenziosamente accantonata. Le eventuali scoperte della OpenAi erano ormai diventate propriet\u00e0 esclusiva dell\u2019azienda. <\/p>\n
Delle dieci aziende pi\u00f9 grandi del mondo solo una non \u00e8 legata all\u2019intelligenza artificiale. \u00c8 una bolla? Certo che \u00e8 una bolla. Ma come ci siamo arrivati? E adesso?<\/p>\n
A quel punto la situazione \u00e8 esplosa. Il valore complessivo delle prime dieci aziende al mondo \u00e8 di 25,6 migliaia di miliardi di dollari. Di queste, 15,1 sono state accumulate dopo il 30 novembre 2022 e sono direttamente riconducibili al boom dell\u2019intelligenza artificiale. La tecnologia della Nvidia \u00e8 stato il primo fattore scatenante dell\u2019esplosione: il suo chip pi\u00f9 potente, l\u2019H200, \u00e8 diventato imprescindibile per chi sviluppa ia \u201cdi frontiera\u201d. Un singolo H200 costa tra i 30mila e i 40mila dollari. L\u2019azienda oggi vale pi\u00f9 di undici volte di quanto valeva al momento del lancio di Chat\u00adGpt.<\/p>\n
Dopo i chip di Nvidia, il secondo grande fattore che ha alimentato il boom \u00e8 stato il clamore generato da Sam Altman e dalla OpenAi. Ma, un momento: non era lui quello preoccupato che l\u2019ia distruggesse l\u2019umanit\u00e0? Quello che aveva dichiarato: \u201cCon ogni probabilit\u00e0 l\u2019ia porter\u00e0 alla fine del mondo\u201d e \u201cnel caso peggiore, be\u2019, si spegne la luce per tutti\u201d? Ebbene s\u00ec, e la cosa non era passata inosservata. Succedeva spesso che Altman dicesse cose diverse a persone diverse. Il 17 novembre 2023, il consiglio di amministrazione della OpenAi lo ha licenziato accusandolo di non essere stato \u201csempre trasparente\u201d nelle sue comunicazioni, per\u00f2 senza fornire dettagli. La notizia \u00e8 stata uno shock. Quando un dipendente ha obiettato che l\u2019uscita di Altman poteva significare la morte dell\u2019azienda, la consigliera di amministrazione Helen Toner ha risposto: \u201cIn realt\u00e0 sarebbe coerente con la missione\u201d. Vero, anche se non era esattamente quello che volevano sentirsi dire i dipendenti della OpenAi, che stavano per guadagnare cifre enormi dalla commercializzazione del loro lavoro. <\/p>\n
La reazione \u00e8 stata immediata. La Microsoft si \u00e8 offerta di assumere Altman e chiunque nella OpenAi volesse seguirlo. Pi\u00f9 di settecento dipendenti su 770 hanno firmato una petizione per chiederne il reintegro. Marted\u00ec 21 novembre, quattro giorni dopo il licenziamento, Altman \u00e8 stato riassunto e i componenti del consiglio d\u2019amministrazione che avevano votato per allontanarlo sono stati costretti a dimettersi. Sutskever, capo ricercatore della OpenAi, si \u00e8 dimesso poco dopo e ha fondato una nuova azienda, la Safe Superintelligence. Amodei, un altro dei principali ricercatori, se n\u2019era gi\u00e0 andato, nutrendo sospetti sul reale interesse di Altman per la sicurezza dell\u2019ia, e aveva fondato l\u2019Anthropic, un\u2019altra ditta dedicata allo sviluppo di un\u2019ia sicura. In pratica, tre dei protagonisti della riunione nella Silicon valley che aveva portato alla nascita della OpenAi \u2013 Musk, Sutskever e Amodei \u2013 erano ormai in rotta con Altman. Per tutti loro, il punto era lo stesso: Altman credeva davvero a ci\u00f2 che aveva detto sull\u2019importanza della sicurezza nello sviluppo dell\u2019intelligenza artificiale? Nella causa che ha intentato in seguito, Musk ha accusato Altman di aver sposato le sue idee solo per guadagnarsi la sua fiducia e i suoi finanziamenti. <\/p>\n
Di nuovo questa dualit\u00e0: Sam il buono, Sam il cattivo. \u00c8 un motivo ricorrente. Nel 2023 la OpenAi ha contattato Scarlett Johansson per chiederle di prestare la voce a una nuova interfaccia di Chat\u00adGpt (non a caso: era stata sua la voce dell\u2019intelligenza artificiale nel film Lei di Spike Jonze). Johansson ha rifiutato, ma quando \u00e8 uscito il software la voce scelta somigliava in modo sorprendente alla sua. Altman ha festeggiato il lancio con un tweet di una sola parola: her, \u201clei\u201d (evidentemente \u00e8 troppo avanti per usare le maiuscole). Alle proteste di Johansson, la OpenAi ha risposto con una nota ufficiale: \u201cAbbiamo selezionato la voce dell\u2019attrice prima di contattare la signora Johansson\u201d. In realt\u00e0, dice lei, l\u2019azienda stava ancora cercando di chiamare il suo agente due giorni prima del lancio. Un\u2019ingenuit\u00e0? O una mossa po\u2019 inquietante? <\/p>\n
Quando la OpenAi ha lanciato un\u2019app per creare immagini nello stile del grande studio giapponese Ghibli, Altman ha parlato della \u201cvastit\u00e0 dei casi d\u2019uso creativi\u201d resi possibili dalla generazione d\u2019immagini tramite ia. Senonch\u00e9 il maestro fondatore di Ghibli, Hayao Miyazaki, secondo molti (me compreso) il pi\u00f9 grande animatore vivente, ha definito l\u2019arte generata dall\u2019ia \u201cun insulto alla vita stessa\u201d e, non contento, ha aggiunto: \u201cNon vorrei mai incorporare questa tecnologia nel mio lavoro\u201d. Altman non pu\u00f2 pensare sul serio che digitare qualche parola in un generatore di immagini (\u201cJD Vance bacia un rospo in stile Studio Ghibli\u201d) sia una forma di creativit\u00e0. Con quell\u2019uscita Altman voleva mostrare l\u2019entusiasmo un po\u2019 infantile di un miliardario quarantenne? Oppure era un commento sornione, una provocazione da troll? <\/p>\n
Oltre a essere un magnifico strumento di marketing, il pessimismo apocalittico \u00e8 anche un\u2019ottima distrazione dai danni reali che l\u2019ia sta gi\u00e0 provocando. Una delle tipiche mosse di Altman \u00e8 continuare a invocare a gran voce la regolamentazione dell\u2019ia. Ma c\u2019\u00e8 una differenza tra la sicurezza dell\u2019ia, che \u00e8 ipotetica, e i danni dell\u2019ia, che si stanno gi\u00e0 concretizzando. Per cominciare, gran parte dei dati su cui i modelli sono stati addestrati \u00e8 rubata. Ci sono anche i miei: lo so solo perch\u00e9 i miei libri compaiono in un elenco di opere utilizzate illegalmente nei dataset per l\u2019addestramento. Molti altri autori si sono visti sottrarre il proprio lavoro senza poterlo neanche dimostrare. <\/p>\n
E poi c\u2019\u00e8 la tendenza dei modelli di ia, per usare le parole di Hagey, a \u201cinventarsi le cose, discriminare donne e minoranze e creare contenuti tossici\u201d. Un modello addestrato su dataset che incorporano schemi storici di discriminazioni e pregiudizi finir\u00e0 inevitabilmente per replicarli. Il modo in cui si ricorre alla valutazione umana per correggere e migliorare le risposte dei modelli \u00e8 descritto con grande chiarezza da Hao: si basa in gran parte su manodopera straniera sottopagata, un sistema gi\u00e0 di per s\u00e9 fondato sullo sfruttamento e che, per di pi\u00f9, rischia d\u2019introdurre ulteriori pregiudizi (\u00e8 stato proprio un eccesso di correzione dei pregiudizi a portare il modello d\u2019ia Gemini di Google a mostrare immagini di donne nere quando gli \u00e8 stato chiesto di rappresentare papi o vichinghi \u201ctipici\u201d). L\u2019ia consuma quantit\u00e0 di energia difficili da giustificare per produrre risultati spesso irrilevanti, e non \u00e8 affatto chiaro quando questa domanda rallenter\u00e0. Sutskever ha dichiarato: \u201cCredo sia abbastanza probabile che non passer\u00e0 molto tempo prima che l\u2019intera superficie della Terra sar\u00e0 ricoperta di data center e centrali elettriche\u201d. A dirlo non \u00e8 un nemico dell\u2019ia, ma uno che sta lavorando con ogni mezzo per costruirne il futuro. <\/p>\n
E adesso\u00a0? La prossima grande domanda \u00e8 cosa succeder\u00e0 quando la bolla scoppier\u00e0, e cosa significher\u00e0 per il futuro dell\u2019intelligenza artificiale e, gi\u00e0 che ci siamo, dell\u2019umanit\u00e0. Jeff Bezos ha parlato dell\u2019ia come di una \u201cbolla industriale\u201d, simile all\u2019enorme investimento di capitale assorbito dalla costruzione delle ferrovie, pi\u00f9 che a una bolla finanziaria basata sulla pura speculazione, che quando scoppia non lascia dietro di s\u00e9 assolutamente nulla. A me sembra un paragone sensato.<\/p>\n
Le principali possibilit\u00e0 sono quattro. La prima \u00e8 che l\u2019ia si riveli solo un enorme nulla di fatto. I modelli linguistici di grandi dimensioni, oggi leader del mercato grazie alla OpenAi e ai suoi concorrenti, potrebbero mostrare limiti insuperabili. La gente ormai ha notato che questi modelli non apprendono davvero dagli input e tendono ad \u201cavere le allucinazioni\u201d (l\u2019espressione, tra l\u2019altro, \u00e8 un altro piccolo capolavoro di marketing travestito. Parlare di \u201callucinazioni\u201d ci distrae dal fatto che le ia sbagliano continuamente. Il sottotesto \u00e8 che gli errori sono un effetto collaterale della loro sensibilit\u00e0, perch\u00e9 solo gli esseri senzienti possono avere le allucinazioni. Ma le ia non possono avere le allucinazioni, non pi\u00f9 di un frigorifero o di un tostapane. E non possono nemmeno mentire, perch\u00e9 mentire implica un\u2019intenzione. Quello che possono fare \u00e8 sbagliare). Alla fine, la gente si stufa dell\u2019ia e la storia finisce l\u00ec. A me sembra lo scenario meno probabile, visti i molteplici impatti che l\u2019ia sta gi\u00e0 avendo. <\/p>\n
Secondo scenario: qualcuno costruisce una super\u00adintelligenza fuori controllo, che distrugge l\u2019umanit\u00e0. Impedirlo, non dimentichiamolo, era il motivo stesso per cui \u00e8 stata fondata la OpenAi. Lo scenario apocalittico mi sembra improbabile, per ragioni legate all\u2019essere senzienti. Le ia possono imitare l\u2019intenzionalit\u00e0, ma non possederla. Per quale motivo, dunque, dovrebbero prendersi la briga di ucciderci? Di nuovo: un frigorifero pu\u00f2 uccidere (c\u2019\u00e8 una memorabile morte per frigo in un romanzo di A.S. Byatt), ma non pu\u00f2 farlo di proposito. <\/p>\n
Terzo scenario: l\u2019ia approda alla \u201csingolarit\u00e0\u201d, il punto in cui i computer diventano pi\u00f9 intelligenti degli esseri umani. Le macchine imparano ad autoprogrammarsi e ad automigliorarsi a una velocit\u00e0 e su una scala immense e accompagnano l\u2019umanit\u00e0 verso una nuova era dell\u2019\u201cabbondanza\u201d, per usare l\u2019ultima parola di moda. L\u2019intelligenza artificiale generale, o super\u00adintelligenza artificiale, inaugura un\u2019epoca di energia a basso costo, nuove scoperte farmacologiche, desalinizzazione, fine della fame nel mondo e cos\u00ec via. \u201cAnche se accadr\u00e0 in modo graduale, i traguardi pi\u00f9 sbalorditivi \u2013 superare la crisi climatica, fondare una colonia nello spazio \u2013 alla fine diventeranno una cosa normale\u201d, ha scritto Sam Altman. <\/p>\n
Quarto scenario: l\u2019intelligenza artificiale si rivela quella che Arvind Narayanan e Sayash Kapoor chiamano una \u201ctecnologia normale\u201d. Un\u2019invenzione importante, come lo sono state l\u2019elettricit\u00e0 o internet, ma non una frattura radicale nella storia dell\u2019umanit\u00e0. Questo sia perch\u00e9 l\u2019intelligenza computazionale ha limiti intrinseci sia per via dei \u201ccolli di bottiglia\u201d, gli ostacoli umani all\u2019adozione delle nuove tecnologie. Alcune cose restano come sono, altre cambiano in modo drastico. Alcuni mestieri, soprattutto il lavoro d\u2019ufficio pi\u00f9 elementare, vengono automatizzati. I processi interni della logistica e simili diventano pi\u00f9 efficienti. Alcune forme di lavoro acquistano valore, altre ne perdono. In alcuni campi \u2013 come la ricerca di nuovi farmaci \u2013 si registrano progressi notevoli, altri restano quasi immutati. In molti casi l\u2019ia si presenta come una strana combinazione di utilit\u00e0 sorprendente e profonda inaffidabilit\u00e0. <\/p>\n
L\u2019ultima di queste possibilit\u00e0 mi sembra la pi\u00f9 probabile anche perch\u00e9, in una certa misura, \u00e8 quella che abbiamo ormai davanti agli occhi. L\u2019ia sta gi\u00e0 ampliando alcune forme di disuguaglianza, a cominciare da quella tra capitale e lavoro. I giovani stanno gi\u00e0 notando l\u2019impatto dell\u2019automazione sul primo impiego. I compensi dei liberi professionisti, in alcuni settori, sono gi\u00e0 in calo. Se dovessimo scegliere un solo messaggio per riassumere gli ultimi decenni di economia politica, sarebbe: \u201cA chi ha sar\u00e0 dato\u201d. Se dovessi scommettere, punterei sulla prosecuzione di questa tendenza. <\/p>\n
Per\u00f2 sapete una cosa? Uno dei pochi aspetti divertenti dell\u2019intelligenza artificiale \u00e8 che, a differenza di quasi ogni altro aspetto della politica e dell\u2019economia, qui avremo una risposta chiara. \u201c\u00c8 difficile perfino immaginare ci\u00f2 che scopriremo entro il 2035\u201d, ha scritto Altman. Entro il 2035 saremo estinti, sull\u2019orlo di una prosperit\u00e0 inimmaginabile per tutta l\u2019umanit\u00e0 oppure pi\u00f9 o meno come oggi, ma di pi\u00f9. Preparate i popcorn. Oppure aspettate che ve li porti il vostro maggiordomo-robot. \u25c6 fas <\/p>\n
John Lanchester<\/strong> \u00e8 uno scrittore e giornalista britannico. Il suo ultimo libro pubblicato in Italia \u00e8 Il muro (Sellerio 2020). Questo articolo \u00e8 la recensione di quattro libri: Stephen Witt, La macchina pensante. Jensen Huang, Nvidia e il microchip pi\u00f9 richiesto al mondo (Roi Edizioni 2025); Tae Kim, Nvidia e il genio di Jensen Huang (Sperling & Kupfer 2025); Karen Hao, Empire of ai: inside the reckless race for total domination (Penguin 2025); Parmy Olson, Supremacy (Garzanti 2025). \u00c8 uscita sul giornale letterario britannico London Review of Books con il titolo \u201cKing of cannibal island\u201d. <\/p>\n