L'AI generativa non è stata inventata. È stata un incidente.

Qualche mese fa, all'apertura di un convegno, ho sentito un venture capitalist spiegare come siamo arrivati all'AI che da qualche anno abbiamo imparato a conoscere. Ho deciso di approfondire quella riflessione ed eccoci qui.

Non c'è stato un momento in cui qualcuno ha detto "progettiamo un sistema in grado di scrivere romanzi e rispondere a qualsiasi domanda". Non c'è stata una riunione strategica, un piano industriale, un genio con la visione giusta. Quello che oggi chiamiamo AI generativa è il risultato della collisione fortuita di tre traiettorie completamente indipendenti, nessuna delle quali era stata progettata con questo scopo specifico.

La prima traiettoria comincia nel 1993 a Santa Clara. Jensen Huang co-fonda NVIDIA per fare una cosa sola: costruire chip per i videogiochi. Le GPU nascono per un problema preciso: generare migliaia di pixel in parallelo, ogni secondo, senza lag.

Nel 2012, il professore canadese Geoffrey Hinton e due suoi collaboratori partecipano alla competizione ImageNet: un milione di immagini, il compito è insegnare a un computer a riconoscere i soggetti rappresentati. Da anni i vincitori, con approcci classici, raggiungevano margini di miglioramento di qualche decimale per edizione. Hinton si presenta con una rete neurale addestrata su due GPU consumer, le stesse schede grafiche che i gamer usavano per Call of Duty. Vince con un distacco imbarazzante: riduce il tasso di errore del 10% rispetto al secondo classificato. In una gara dove ci si giocava sui decimali.

Quell'architettura nata per i pixel era, per pura coincidenza strutturale, identica a ciò che serve per addestrare le reti neurali. Huang non lo sapeva quando ha fondato NVIDIA. Nessuno lo sapeva.

Le reti neurali esistevano prima degli anni '60. Per cinquant'anni non riuscivano a crescere, funzionavano solo su piccoli dataset. Si passava da una fase di disillusione a un'altra, quelli che la letteratura chiama gli "inverni dell'AI". Nel 2017 un team di Google trova il modo di sbloccare questo stallo. Il paper chiave si chiama Attention Is All You Need: otto ricercatori di Google Brain, pagine di pura ricerca accademica. L'architettura Transformer permette al modello di pesare l'importanza di ogni parola invece di processarle tutte in sequenza. Da quel momento, più dati e più calcolo producono prestazioni che crescono in modo quasi inestimabile.

La terza traiettoria non ha un fondatore. Non ha una data di nascita. L'abbiamo costruita tutti noi. Ogni post pubblicato, ogni riga di codice caricata su GitHub, tutto il patrimonio di conoscenza umana che abbiamo digitalizzato. Miliardi di contributi individuali che nessuno aveva pensato di mettere insieme con questo scopo. Nessun progetto deliberato avrebbe mai potuto produrlo intenzionalmente: è il sottoprodotto collaterale di trent'anni di comunicazione umana digitale.

Dal 2019 queste tre traiettorie si incrociano. Un'architettura scalabile, una potenza di calcolo parallelizzabile a costi accessibili, un corpus di dati senza precedenti. Il risultato si chiama ChatGPT e nel 2022 è arrivato al grande pubblico.

Jensen Huang voleva vendere GPU per i gamer. I ricercatori di Google Brain volevano migliorare la traduzione automatica. Noi volevamo condividere pensieri e ricordi. Nessuno stava costruendo l'AI generativa. Tutti si concentravano su qualcosa d'altro.

Il prossimo salto tecnologico che ridefinirà il mondo probabilmente si sta già inconsapevolmente costruendo. Chi lo sta facendo non lo sa ancora e forse non lo saprà per anni. Lavorando sul futuro spesso scopri dove stavi andando solo dopo essere già arrivato.