Andrew Ng è un famoso informatico statunitense, professore associato all’Università di Stanford, è cofondatore di Coursera, ha lavorato presso Google e Baidu, ed è ritenuto una sorta di guru nel mondo dello sviluppo delle AI. Nei suoi discorsi ha ripetutamente paragonato l’intelligenza artificiale all’elettricità, dicendo chiaramente che l’intelligenza artificiale è una tecnologia che sarà ovunque, e in tutto. Il parallelo è affascinante e molto realistico. Forse studiare la storia dell’adozione dell’elettricità in un paese come gli Stati Uniti può aiutare.

La diffusione dell’elettricità in USA non ha sempre viaggiato su una strada favorevole all’ubiquità. Ci fu un aspro confronto e competizione tra i modelli di Tesla, Edison, Westinghouse e altri. Il vero cervello dietro l’adozione di massa dell’elettricità è stato Samuel Insull.

Una storia americana

Samuel Insull è nato a Londra nel 1859 ed è emigrato negli Stati Uniti all’età di ventidue anni. Divenne il segretario di un uomo, Thomas Edison, per il quale ha sempre nutrito una profonda e sincera stima. Dopo aver conquistato la completa fiducia dell’inventore, il giovane inglese si recò a Schenectady, New York, per dirigere una centrale elettrica. Narra la leggenda che partì con l’incoraggiamento di Edison che gli disse: “Fallo, Sammy… Falla andare”. Questo è stato l’inizio da cui è partita e poi cresciuta la General Electric. Quando una fusione societaria portò all’allontanamento di Edison nel 1892, Insull se ne andò anche lui scegliendo come destinazione Chicago.

A Chicago, Insull rilevò una centrale elettrica, una delle circa 20 che serviva solo 5000 clienti in una città di un milione di persone. L’elettricità era un lusso di alto costo. Era anche un’impresa rischiosa, dal momento che il prodotto è fabbricato, trasportato, distribuito e consumato tutto nello stesso momento e non può essere immagazzinato. Messo a rischio un prestito personale per 250.000 dollari, Insull ha iniziato la sua competizione nel mercato riuscendo a costruire la più grande centrale elettrica del mondo: la Harrison Street Station.

Per riuscire nel suo intento, Insull vendette elettricità a chiunque potesse. Vide che poteva addebitare prezzi diversi ai clienti che usavano la corrente in momenti diversi. Cercando coloro che avrebbero potuto consumare l’elettricità al di fuori delle ore serali già molto utilizzate, è riuscito a costruire una base di utenti più ampia e portare il prezzo del servizio a un livello sufficientemente basso da permettere alle piccole imprese e alle famiglie di permetterselo. Ha aumentato la domanda aumentando a basso costo il cablaggio delle abitazioni, regalando apparecchi elettrici e riducendo ulteriormente le tariffe. Questo ha portato a far fiorire la sua azienda. Alla fine degli anni ’20 del Novecento, i servizi elettrici di Insull servivano più di quattro milioni di clienti in 32 stati e valevano quasi 3 miliardi di dollari.

Harrison Street Station

Per pagare l’espansione, Insull aveva venduto obbligazioni a basso prezzo e azioni. Oltre un milione di americani, in maggioranza appartenenti alla middle class, comprarono i suoi bond, ma i loro investimenti furono resi carta straccia dalla Grande Depressione. Durante la notte che seguì il martedì nero, Insull passò da un eroe sulla copertina della rivista Time al malvagio che aveva rubato i soldi della gente. Nel 1932 aveva debiti per 16 milioni di dollari oltre il valore dell’azienda e dei suoi beni. Incarcerato per frode, Insull fu processato nel 1934 e prosciolto dalle accuse. Ma la sua reputazione era distrutta e lui e sua moglie Gladys lasciarono definitivamente il paese. Quattro anni dopo, l’uomo che portò le masse americane a una nuova fonte di energia e cambiò il modo in cui vivevano e lavoravano sarebbe morto di infarto nella metropolitana di Parigi.

Un’analogia con l’oggi

Insull si rese conto che l’elettricità poteva essere ovunque solo se costava poco, e per farlo era necessario costruire impianti di generazione più grandi con migliori economie di scala. Era un imprenditore sullo stile di Jeff Bezos: cercava sempre di abbassare i prezzi. Questo non ha sempre funzionato bene, specie con la competizione, ma ha funzionato a lungo termine. Più il prezzo unitario dell’elettricità diminuiva, più le famiglie la utilizzavano. Da questa prospettiva, Insull ha avuto molto successo – anche se è finito nei guai per i problemi finanziari della holding dopo il martedì nero.

Non basta guardare a Insull perché, al momento, non vedo l’AI posizionata in modo tale da rispecchiare il modello di adozione dell’elettricità, anche se si volessere giudicare significativi i costanti confronti. Al momento, l’intelligenza artificiale è molto specifica sulla singola applicazione. Quindi penso sia interessante porre la domanda: quali cambiamenti devono essere fatti per rendere l’AI adottata in un modello simile all’elettricità, e quale persona (o compagnia) sarà il Samuel Insull dei nostri giorni?

Per essere veramente “la nuova elettricità”, l’IA deve essere più generica. Qualcuno deve trovare un modo per fornire una Intelligence-As-A-Service. Cose come la classificazione di immagini come servizio o l’analisi di sentiment come servizio o al dialogo con chatbot come servizio. Questa è l’intelligenza generale come servizio. Finché non la realizzeremo e non l’implementeremo, non vedo come si possa adottare il parallelo con l’elettricità.

Una volta che ciò dovesse accadere – se mai succederà -, dobbiamo pensare a dove sono le economie di scala per l’AI, quindi progettare i sistemi e le applicazioni in modo che sfruttino questi servizi. Pensiamo a cosa potrebbe significare questo per lo sviluppo industriale.

Le economie di scala di solito provengono da aree con costi fissi elevati che poi si diffondono su molte unità di qualcosa. Nel caso dell’AI, potremmo iniziare osservando i dati etichettati. Ma i dati non forniscono realmente economie di scala. Agiscono in questo momento più come una barriera all’ingresso. È difficile ottenerli in alcuni casi, ma una volta ottenuti, sono molto preziosi fino a quando non si raggiunge un punto di diminuzione dei ritorni marginali nei modelli in cui più dati non migliorano molto i modelli. Per tracciare un parallelo con l’elettricità, questa potrebbe essere la quantità di carbone necessaria per alimentare un generatore. Ottenere il carbone sarebbe molto utile, ma non è il vantaggio. In questo modello in cui l’intelligenza artificiale come elettricità, non sono sicuro che i dati siano il vero vantaggio.

Il prossimo posto dove guardare sarà l’inferenza – il punto in cui un’AI riesce a prendere una decisione. Esiste un costo computazionale dell’inferenza e l’abbassamento di tale costo consente di dedurre sempre di più. Credo che l’inferenza sia vincolata dall’hardware in questo momento. L’innovazione dell’hardware per le AI aiuterà in modo significativo anche questo passaggio. Quindi la prossima ondata che potrà spostarci nel mondo dell’AI diffusa, come elettricità, consiste nel far cadere il costo unitario di inferenza.

Successivamente dovremmo guardare all’allenamento, e con l’allenamento non si deve intendere allenare una rete neurale. Il modo con cui lo facciamo ora è troppo mirato per essere un beneficio generico come quello di cui abbiamo bisogno per una diffusione generale dell’IA come elettricità. A un certo punto, ritengo che la formazione sarà un processo più generico che include macchine per l’addestramento degli esseri umani e l’apprendimento delle macchine reagendo a un ambiente di ampio respiro come gli esseri umani – non solo applicazioni strettamente mirate. Penso che la formazione su base ampia sia il posto giusto per ottenere economie di scala – allenare una cosa una volta e vederla eseguire quella formazione tante volte quante ne ha bisogno il mondo per tutti i tipi di applicazioni.

Una volta raggiunto quel punto si può facilmente immaginare come ridimensionare una grande azienda di formazione ridurrebbe il costo unitario dell’intelligenza. Se si pensa all’intelligence che esegue “un processo intelligente”, tale costo potrebbe continuamente diminuire attraverso una combinazione di cali di prezzo di inferenza basati sull’hardware e costi fissi di addestramento basati sul software umano + distribuiti su molte unità di intelligence.

Nel suo libro “Age of Em”, l’economista Robin Hanson ha sottolineato che alla fine si potrebbe abbassare il costo dell’intelligence vicino al costo dell’elettricità, quindi, la velocità e la lunghezza a cui si desidera eseguire le funzioni determineranno il prezzo da pagare, più del tipo di compito che si vuole eseguire – come nel caso del consumo di elettricità.

Il martedì nero del 1929

La crisi del 1929 ebbe molte cause, sia interne agli stati Uniti, dove si realizzò il primo terremoto finanziario della storia che ebbe uno dei suoi fulcri nel «giovedì nero» di Wall Street, ma le cui cause e conseguenze erano assai più complesse di un crollo borsistico, sia a livello internazionale dove furono coinvolti molti paesi i una recessione spaventosa che durò diversi anni. Tuttavia, la crisi iniziò ufficialmente con il crollo della Borsa di Wall Street che segnò la distruzione, in valore e in crescita, di molti settori industriali e imprenditoriali che fino agli anni ’20 avevano avuto sia una crescita esponenziale di fatturato sia una crescita finanziaria parallela e ugualmente intensa.

Le cause interne furono una conseguenza del boom economico successivo alla Prima Guerra Mondiale. Durante tale periodo, infatti, molti settori economici legati direttamente o indirettamente al mercato dell’auto e al settore edilizio ebbero uno sviluppo progressivo che permise una crescita di produttività, di consumo e di salari che assieme costituirono una formula di crescita apparentemente inarrestabile.

Praticamente, invece, fu un’utopia poiché era impensabile che tale sviluppo proseguisse senza alterazioni o senza ostacoli, fra tutti un’unica evidenza: nulla è infinito e la crescita non è costantemente in impennata.

Di fatto la crisi del ’29 può essere capita, in parte, come l’effetto di una repentina industrializzazione del sistema americano – e non a caso l’industria elettrica di Insull ne fu tremendamente colpita. Il sistema sociale non aveva retto alla trasformazione tecnologica. La quantità e la qualità dei cambiamenti indotti dalla tecnologia industriale ha cambiato i parametri economici e gli assets delle imprese. Il mondo del lavoro fu travolto da questa trasformazione e depresso dalla grande crisi che ne seguì.

Le AI come servizio o meglio un AI che segua il paradigma dell’elettricità potrebbe essere concausa di crisi analoghe: l’implosione di valori delle aziende, crisi del mondo del lavoro e depressione economico-finanziaria. Anche questi fattori vanno attentamente ponderati onde evitare che altre analogie sconvolgano i nostri sistemi sociali.

Siamo ancora molto lontani da questa visione dell’intelligenza-come-un-servizio, e molti ostacoli tecnici devono poter essere risolti prima di arrivarci. Ma il mondo dell’AI si sta muovendo velocemente e nel pensare un sistema paese che voglia stare al passo con la competizione globale dobbiamo avere una visione che sostenga la governance. Solo queste visioni possono contribuire a spingere i prezzi dell’intelligence fino al punto in cui la vedremo incorporata ovunque.

Prima pubblicazione sul blog dell’autore col titolo AI come elettricità? Dipende…