Una recente ricerca di DeepMind, la divisione di Google dedicata all’intelligenza artificiale, illustra un nuovo metodo che promette di addestrare i grandi modelli di AI fino a 13 volte più velocemente e in un modo 10 volte più sostenibile.
Che cos’è Jest
Il nuovo approccio, ribattezzato Jest (Joint example selection technique), utilizza interi lotti di dati per allenare l’AI invece dei singoli dati impiegati con le procedure tradizionali. Il team di Google sostiene che la tecnica accelera e ottimizza il processo senza comprometterne l’efficienza, dando priorità alla classificazione, al confronto e alla selezione delle informazioni.
Lo studio di DeepMind spiega che Jest sfrutta un approccio di apprendimento multimodale che tiene conto delle relazioni tra sottoinsiemi di dati. Il metodo si basa su un modello di intelligenza artificiale pre-addestrato in grado di estrarre informazioni in diversi formati da una varietà di fonti, progettato per valutare e organizzare i dati in base alla loro qualità e al loro potenziale di interazione. Il risultato è un processo che richiede fino a 13 volte meno iterazioni e una potenza di calcolo 10 volte inferiore rispetto alla media.
Il problema della sostenibilità dell’AI
Recentemente Google ha ammesso che le sue emissioni stanno aumentando sensibilmente a causa dell’intelligenza artificiale. I notevoli investimenti fatti dal colosso per amplificare la diffusione di strumenti come Gemini stanno insomma mettendo a rischio i suoi obiettivi climatici. “Nel 2023, le nostre emissioni totali di gas serra sono state pari a 14,3 milioni di tCO2e [tonnellate di CO2 equivalente], un aumento del 13% su base annua e del 48% rispetto al 2019“”, ha ammesso l’azienda nel suo ultimo rapporto sulla sostenibilità.
Si tratta di un problema particolarmente diffuso nel settore, come confermano i dati di istituzioni accademiche e organizzazioni internazionali. L’Università del Massachusetts Amherst ha rivelato che l’addestramento di un modello di intelligenza artificiale genera le stesse emissioni di cinque automobili durante l’intero ciclo di vita. Secondo i calcoli dell’Agenzia internazionale dell’energia i data center consumano circa l’1,3% dell’elettricità mondiale. La Graduate school of technology dell’Università del Quebec stima invece che l’attuale domanda di calcolo sia responsabile del 4% dei gas serra prodotti dall’umanità.
Ma la formazione di sofisticati algoritmi di AI sta anche diventando sempre più costosa. L’amministratore delegato di Anthropic Dario Amodei afferma che l’addestramento di sistemi avanzati come GPT-4o di OpenAI comporta un investimento di quasi 100 milioni di dollari, una cifra che potrebbe raggiungere addirittura quota 100 miliardi nei prossimi tre anni.
Anche se Jest promette di risolvere alcuni di questi problemi, secondo gli analisti molto dipenderà dalla disponibilità delle aziende a investire nel settore e da quanto eticamente sarà utilizzato il nuovo metodo, e non semplicemente per aumentare la produzione di modelli di AI senza adeguate garanzie di sicurezza per l’ambiente.
Questo articolo è apparso originariamente su Wired en español.
Fonte : Wired
