Gli attuali motori di deep e machine learning sono basati su vettori multidimensionali.

I calcoli basati su di essi rendono l’Intelligenza artificiale una delle scienze informatiche più energivore: finora l’atteggiamento è stato molto pragmatico, servono più calcoli? Serve più hardware. E via di GPU e TPU liberamente.

Questo approccio impedisce anche una vera democratizzazione dell’AI: puoi avere i modelli in casa finché sono di entità modesta, ma non puoi avere GPT3 se non hai le risorse delle big, puoi solo usarlo da loro, alle loro condizioni.

Ieri mi sono imbattuto in un articolo illuminante, che cerca di ribaltare l’approccio attuale al calcolo nell’AI, cerco qui di aggiungere le mie considerazioni personali.