La diffusione dell’intelligenza artificiale (IA) ha incontrato una serie di ostacoli, tra cui i costi elevati di formazione che hanno impedito molte aziende di implementare questa tecnologia. Infatti, secondo un rapporto del 2017 di Forrester Consulting, il 48% delle aziende ha indicato i costi tecnologici come uno dei motivi principali per non implementare soluzioni basate sull’IA.
Tuttavia, negli ultimi anni i costi di formazione dell’IA sono rapidamente diminuiti, e questa tendenza sembra destinata a continuare. Secondo il rapporto ARK Invest Big Ideas 2023, i costi di formazione di un modello linguistico di grandi dimensioni simile alle prestazioni di livello GPT-3 sono scesi dal 4,6 milioni di dollari nel 2020 a 450.000 dollari nel 2022, con un calo del 70% all’anno.
Questa tendenza al ribasso dei costi di formazione dell’IA è stata determinata da diversi fattori, tra cui la diminuzione dei costi dell’hardware e del software, la scalabilità delle risorse di calcolo su cloud e l’utilizzo di tecniche di pre-addestramento e di trasferimento dell’apprendimento.
In particolare, i costi dell’hardware specializzato di fascia alta necessario per elaborare grandi volumi di dati e calcoli sono stati un fattore limitante per l’adozione su larga scala dell’IA. Tuttavia, con l’avanzamento della tecnologia, i costi dell’hardware stanno diminuendo, e si prevede che continueranno a farlo.
Anche i costi del software stanno diminuendo grazie a una maggiore efficienza e scalabilità. Framework come TensorFlow e PyTorch consentono agli sviluppatori di addestrare complessi modelli di deep learning su sistemi distribuiti con prestazioni elevate, risparmiando tempo e risorse. Inoltre, l’utilizzo di grandi modelli pre-addestrati e di tecniche di trasferimento dell’apprendimento consente di ridurre i costi di addestramento, perché gli sviluppatori possono mettere a punto modelli esistenti anziché addestrarli da zero.
La formazione sull’IA basata sul cloud è un’altra soluzione che sta riducendo i costi. Infatti, i fornitori di servizi cloud offrono servizi di intelligenza artificiale predefiniti che accelerano l’addestramento dell’IA, e il modello pay-as-you-go consente alle aziende di pagare solo per le risorse di calcolo che effettivamente utilizzano.
Il calo dei costi di formazione dell’IA ha importanti implicazioni per diversi settori e settori, perché consente di migliorare l’innovazione e la competitività. Ad esempio, il calo dei costi ha favorito la diffusione dei chatbot AI, soprattutto dopo lo sviluppo di ChatGPT e GPT-4 di OpenAI, che hanno ottenuto un notevole successo. Si prevede che, entro il 2030, le applicazioni chatbot simili a ChatGPT saranno distribuibili su vasta scala a un costo molto più contenuto, con il potenziale per elaborare un numero sempre maggiore di query ogni giorno.
Inoltre, la diminuzione dei costi di formazione dell’IA ha aperto la strada a nuove opportunità di utilizzo dell’IA. Ad esempio, molte aziende stanno adottando l’IA per migliorare la propria efficienza, la qualità dei propri prodotti e servizi e l’esperienza dei propri clienti. Inoltre, l’IA può essere utilizzata per l’automazione di processi e attività ripetitive, liberando tempo e risorse per attività a maggior valore aggiunto.
In sintesi, i costi di formazione dell’IA stanno rapidamente diminuendo grazie a una serie di fattori, tra cui la diminuzione dei costi dell’hardware e del software, la scalabilità delle risorse di calcolo su cloud e l’utilizzo di tecniche di pre-addestramento e di trasferimento dell’apprendimento. Questa tendenza ha importanti implicazioni per diversi settori e settori, perché consente di migliorare l’innovazione e la competitività, e apre la strada a nuove opportunità di utilizzo dell’IA.
I costi in calo della formazione sull’IA hanno portato a un’impennata nello sviluppo e nell’implementazione di tecnologie di intelligenza artificiale generativa. Nel 2022, c’è stato un aumento significativo nell’uso dell’IA generativa, guidato dall’introduzione di strumenti innovativi di AI generativa, come DALL-E 2, Meta Make-A-Video e Stable Diffusion. Nel 2023, abbiamo già assistito a un modello rivoluzionario sotto forma di GPT-4.
Oltre alla generazione di immagini e testo, l’IA generativa aiuta gli sviluppatori a scrivere codice. Programmi come GitHub Copilot possono aiutare a completare un’attività di codifica in metà tempo.
Si prevede che la riduzione dei costi di addestramento dell’IA consentirà un migliore utilizzo dei dati di addestramento dell’apprendimento automatico. Ad esempio, il rapporto ARK Invest 2023 suggerisce che entro il 2030, il costo di addestramento di un modello con 57 volte più parametri e 720 volte più token rispetto a GPT-3 (175 miliardi di parametri) dovrebbe diminuire da $ 17 miliardi a $ 600.000.
La disponibilità e la qualità dei dati saranno il principale fattore limitante per lo sviluppo di modelli avanzati di apprendimento automatico in questo mondo informatico a basso costo. Tuttavia, i modelli di addestramento svilupperebbero la capacità di elaborare circa 162 trilioni di parole o 216 trilioni di token.