Pechino è in ritardo rispetto agli Stati Uniti nello sviluppo dell’intelligenza artificiale. Ma se riuscisse a superare le attuali difficoltà, interne ed esterne, potrebbe ottenere risultati importanti nella medicina digitalizzata e nell’automotive elettrico.
Le tre difficoltà della Cina
L’introduzione di ChatGPT da parte di OpenAI nel 2022 ha segnato un punto di svolta per l’intelligenza artificiale generativa, consolidando il primato degli Stati Uniti nel settore tecnologico. Questo progresso ha avuto un impatto significativo sull’intero panorama tecnologico, segnando una linea di demarcazione tra i paesi in grado di sviluppare modelli avanzati di IA generativa e quelli che sono invece in ritardo. La sfida più accesa è tra Stati Uniti e Cina. Ma se i primi continuano a mantenere il passo da leader globale nell’innovazione tecnologica, il paese asiatico affronta numerose difficoltà nel cercare di raggiungere lo stesso livello di avanzamento, principalmente a causa di tre fattori.
In primo luogo, Pechino soffre di una carenza di potenza computazionale per allenare i modelli complessi, che sono alla base delle capacità di intelligenza artificiale generativa. La potenza di calcolo è essenziale per quelli più avanzati come GPT-3 e GPT-4.
Il secondo fattore è la difficoltà di accesso a dati di qualità per sviluppare soluzioni competitive di IA. La disponibilità è vasta, ma si tratta spesso di dati di bassa qualità, frammentati e difficili da integrare in modo efficace per costruire modelli predittivi di alto livello. Si aggiunge poi il fatto che i modelli open source sono limitati rispetto a quelli sempre più sofisticati sviluppati da aziende come OpenAI, che continuano a dominare il mercato internazionale.
Il terzo significativo ostacolo è rappresentato dalle sanzioni statunitensi del 2022, che frenano l’esportazione di chip avanzati, in particolare quelli di Nvidia, ai paesi concorrenti, inclusa la Cina. Questa misura ha amplificato il divario tecnologico tra i due paesi, impedendo a Pechino di ottenere l’accesso alle tecnologie essenziali per allenare i modelli di IA avanzati.
La strategia di risposta
Per rispondere a queste difficoltà, la Cina ha adottato una strategia alternativa, puntando su applicazioni verticali dell’intelligenza artificiale in settori chiave come sanità, finanza, veicoli elettrici e guida autonoma, nei quali ha il potenziale per emergere come leader, utilizzando la propria forza manifatturiera e la domanda interna per favorire l’adozione di IA specifiche per ciascun settore. Allo stesso tempo, modelli derivati da tecnologie open source – come Llama di Meta – sono diventati una risorsa importante per colmare in parte il divario. Ciò non toglie che, come ha sottolineato Eric Schmidt, ex Ceo di Google, il ritardo di circa un anno che separa la Cina dagli Usa sia ancora un handicap significativo, che rende difficile competere a livello globale con i modelli generativi statunitensi . Incide anche la scarsità di dati di qualità: la raccolta dei dati in Cina è spesso incoerente e insufficiente, impedendo lo sviluppo di modelli veramente competitivi.
A limitare le ambizioni cinesi contribuisce poi il costo elevato dell’addestramento dei modelli, che per esempio nel caso di GPT-4 ha superato i 100 milioni di dollari. Nel 2023, il 73 per cento dei finanziamenti globali per l’intelligenza artificiale è stato realizzato negli Stati Uniti, mentre la Cina ha raggiunto solo il 5 per cento, una differenza che evidenzia la disparità nell’accesso ai capitali e nelle risorse destinate alla ricerca e sviluppo.
A tutto ciò si aggiungono le rigide normative sull’IA generativa, introdotte dalle autorità cinesi nel 2023, che impongono che i contenuti prodotti rispecchino i “valori fondamentali socialisti”. La regolamentazione ha avuto un impatto significativo sullo sviluppo dei modelli IA, riducendo la loro capacità di adattarsi rapidamente al mercato globale e limitandone l’adozione internazionale. Ciononostante, il piano governativo “AI Plus” lanciato nel 2024 mira a integrare l’intelligenza artificiale nei principali settori economici, concentrandosi sull’innovazione specifica di ciascuno. Giganti tecnologici come Baidu, Alibaba e Huawei stanno investendo in applicazioni verticali, come la guida autonoma e la diagnostica medica, sfruttando l’enorme base di dati disponibili in Cina per migliorare i propri modelli. L’ottimismo deriva dal fatto che i dati specifici di settore possono essere utilizzati per allenare modelli più efficienti e mirati.
Tuttavia, il successo di questa strategia resta incerto. Il continuo progresso dei modelli generativi statunitensi, sempre più versatili e integrati, potrebbe rendere obsolete molte delle applicazioni verticali su cui la Cina punta. Secondo Sam Altman, Ceo di OpenAI, l’evoluzione dei modelli di grandi dimensioni potrebbe eliminare la necessità di soluzioni specifiche, trasformando l’IA generativa in una risorsa universale che non richiede adattamenti verticali per ciascun settore.
Applicazioni verticali nel presente. E nel futuro?
In sintesi, l’approccio della Cina rappresenta un compromesso tra necessità e innovazione. Mentre gli Stati Uniti avanzano rapidamente verso una leadership consolidata nell’IA generativa, il futuro del paese asiatico dipenderà dalla sua capacità di superare le attuali barriere tecnologiche e le difficoltà legate alla scarsità di dati di qualità e alle risorse finanziarie limitate. Pechino dovrà anche affrontare i freni ideologici derivanti dalle normative interne e trovare un equilibrio tra economia di mercato e stato socialista.
Il potenziale della tecnologia avanzata cinese si esprime attualmente solo in termini verticali, con applicazioni specifiche in vari settori. Resta da vedere se la Cina riuscirà a compiere il passo successivo, adottando una visione più integrata e versatile per competere con la supremazia statunitense. Se riuscisse a farlo, potrebbero emergere dinamiche significative di crescita in due settori chiave dell’economia nazionale: la medicina digitalizzata e l’automotive elettrico.
In particolare, l’approccio indicato da Altman, basato sulla creazione di prodotti di intelligenza artificiale generativa flessibili e aperti, capaci di sfruttare i continui miglioramenti dei modelli sottostanti, appare rilevante per il settore sanitario. L’ampia disponibilità di dataset sanitari in Cina, il rapido progresso degli algoritmi diagnostici e la capillarità della rete ospedaliera del paese potrebbero costituire un vantaggio competitivo di rilevanza globale.
Parallelamente, l’adozione di modelli di IA generativa sempre più avanzati e adattabili nel settore dei veicoli elettrici, con applicazioni nella guida autonoma, nella digitalizzazione della strumentazione e nell’ottimizzazione dei processi produttivi, rafforzerebbe ulteriormente il ruolo della Cina come leader globale, assicurando al contempo competitività e innovazione continua nel tempo.
* Le opinioni qui espresse sono personali e non rappresentano l’Istituto di appartenenza.
Lavoce è di tutti: sostienila!
Lavoce.info non ospita pubblicità e, a differenza di molti altri siti di informazione, l’accesso ai nostri articoli è completamente gratuito. L’impegno dei redattori è volontario, ma le donazioni sono fondamentali per sostenere i costi del nostro sito. Il tuo contributo rafforzerebbe la nostra indipendenza e ci aiuterebbe a migliorare la nostra offerta di informazione libera, professionale e gratuita. Grazie del tuo aiuto!
Ricercatore Inapp (Istituto nazionale l'analisi delle politiche pubbliche) nella struttura mercato del lavoro. PHD in corso presso il dipartimento di scienze sociali ed economiche dell’Università di Roma La Sapienza in Sociology & Applied Social Research. Si è occupato di lavoro, qualità dei servizi per l’occupazione e disuguaglianze sociali. Le sue analisi riguardano studi ed evidenze sul lavoro contingente e indagini sulla relazione tra le variazioni nelle istituzioni del mercato del lavoro, l’indebitamento privato e le disuguaglianze economiche.
Consigliere del Ministro del Lavoro (2000-2001). I suoi ultimi studi riguardano temi e ricerche legati alla relazione tra evoluzione tecnologica, lavoro e organizzazione produttiva, l'analisi degli strumenti e delle esperienze di allocazione pubblica reddituale generalizzata (minum income, basic income) a livello internazionale, lo studio sulla natura e organizzazione del lavoro nella piattaforme digitalizzate (Labour Platform). Approfondimenti sulla relazione tra soggettività precarie e forme populiste a livello internazionale. Link scholar: https://scholar.google.com/citations?user=3L3YCCsAAAAJ&hl=it&oi=ao.
Rick
La distinzione tra open source e modelli chiusi non é solo legata a Cina vs USA, ma anche a logiche economiche/industriali e tecnologiche.
Logiche economiche/industriali: Facebook ha solo modelli open source, Google e Microsoft hano entrambi (Gemini e Gemma per Google, per esempio). Entrambi sono follower rispetto a OpenAI, e sperano di incorporare nei propri modelli innovazioni sviluppate dalla comunitá open source.
Logiche tecnologiche: chiunque ha necessitá di far girare modelli AI su devices locali (Apple, Google, Microsoft), ha bisogno di sviluppare modelli di piccola dimensione, che sono anche quelli dove la community open source é piú attiva. Questi modelli per necessitá non sono generali, ma servono per compiti specifici (scrivere una mail, ritoccare una foto), e girano in locale per velocitá/latenza e privacy.
OpenAI é leader tecnologico e lavora solo su cloud. Non ha motivazioni ne economiche ne tecnologiche per appoggiarsi alla comunitá open source, anzi sarebbe avvantaggiata da un eventuale divieto di rendere open source modelli AI.
Infine, la Cina é molto avanti nei modelli medio-piccoli: Qwen (Alibaba) e Llama (Facebook) sono eccellenti modelli per le dimensioni che hanno, cinese il primo, americano il secondo. Questi modelli hanno minori necessitá computazionali per essere addestrati.