Nel 2017 è diventato chiaro che le grandi aziende tecnologiche erano profondamente interessate all’IA. Aziende come Apple, Alphabet , Amazon, Meta, IBM e Microsoft hanno potenziato i loro investimenti nell’IA, in particolare nell’area del machine learning. Nello stesso anno, Pitchbook ha riferito che le aziende di tutto il mondo avevano speso 21,3 miliardi di dollari in fusioni e acquisizioni legate all’IA, un importo ritenuto 26 volte superiore al suo valore nel 2015. Jeff Wilke, ex amministratore delegato di Amazon Worldwide Consumer e stretto alleato del CEO dell’azienda Jeff Bezos , ha poi dichiarato: “Se sei un’azienda tecnologica e non stai costruendo l’IA come competenza fondamentale, allora ti stai preparando per un’invenzione dall’esterno”.
Storia
Tra il 2000 e il 2016, aziende come IBM e Microsoft stavano già investendo molto nella ricerca sull’IA. Google e Facebook sono stati coinvolti solo moderatamente nella ricerca sull’IA e nell’assunzione di ricercatori, a seconda di quanto fosse redditizio il progetto su cui stavano lavorando. Apple e Amazon erano dall’altra parte dello spettro e hanno svuotato la borsa solo quando il lavoro di ricerca ha portato a un prodotto. Le cose, tuttavia, sono cambiate drasticamente nel giro di un anno.
Entro la metà del 2018, Google ha fatto un perno definitivo. La società ha annunciato che la sua divisione Google Research sarebbe stata rinominata Google AI appena prima della sua conferenza I/O di Google . La mossa ha mostrato che il gigante della tecnologia era pronto a perseguire in modo aggressivo l’IA. Google ha cambiato l’aspetto della home page di Google AI: il blog ora mostrerebbe documenti di ricerca pubblicati, nuovi strumenti di intelligenza artificiale e altri sviluppi nel campo. Un mese prima, Jeff Dean , uno dei primi programmatori a unirsi a Google, è stato nominato capo di Google AI. All’interno di Google AI c’era “Google Brain”, il team dietro ” Tensorflow ” che ha anche collaborato con l’unità AV dell’azienda, ” Waymo’. Nel 2016 Google era già al primo posto per il maggior numero di brevetti relativi all’IA.
Ciò ha indicato un cambiamento di tendenza nel lavoro di ricerca relativo all’IA. Le aziende che pubblicavano poche o nessuna ricerca sull’IA hanno iniziato a pubblicare orde di articoli. Di conseguenza, la segretezza sul lavoro svolto è dissolta. La grande tecnologia ora sembrava che avesse fretta di mostrare documenti di ricerca apparentemente casuali in AI/ML.
All’inizio degli anni 2000, le imprese non erano considerate come contributori tradizionali alla letteratura scientifica. Le grandi aziende come Microsoft sono rimaste un’eccezione a questa regola. Microsoft Research è stata fondata all’inizio di settembre 1992. Durante questo periodo, la ricerca e sviluppo per la maggior parte degli altri luoghi come IBM Research , Bell Labs, GE Research (ricerca General Electric) e la divisione di ricerca di Xerox, che alla fine divenne il Palo Alto Research Center o PARC , avevano diventare sostanzialmente defunto.
Nathan Myhrvold , che all’epoca era il leader della tecnologia avanzata nell’azienda, formò la proposta per Microsoft Research. Myhrvold ha sostenuto la ricerca aziendale sottolineando che, nonostante il massiccio fallimento che Xerox ha dovuto affrontare, la ricerca è stata effettivamente vantaggiosa. Ha affermato: “Il fatto è che la ricerca funziona in molte aziende. Quando la ricerca fallisce non è quasi mai a causa di un problema intrinseco alla ricerca stessa (cioè l’incapacità di pensare a qualcosa di nuovo). Invece, la ricerca di solito cade preda di problemi che possono essere ricondotti a problemi di gestione generale: avere gli obiettivi giusti, trasferire la tecnologia a vantaggio dell’azienda, ecc.
Microsoft Research ha finito per creare un progetto su come i centri di ricerca e sviluppo potrebbero sostenersi. Myhrvold ha creato una bozza di piano per il centro di ricerca nei prossimi cinque anni che si è rivelata accurata per Microsoft.
Finanziamento
A parte l’entusiasmo generale per gli algoritmi, una ragione significativa dietro le società che supportano la ricerca era che per la maggior parte del tempo erano le uniche a poterselo permettere. Diversi documenti di ricerca vengono spesso pubblicati semplicemente per creare un ciclo di feedback positivo per le aziende. Considerando il ritmo con cui la tecnologia si sta muovendo, i team scelgono di non attenersi alla ricerca poiché esiste la possibilità che la tecnologia muoia rapidamente. Le aziende temono che il valore economico estratto dalla ricerca possa diminuire in qualsiasi momento, causando loro una fretta.
Nei casi in cui la ricerca fondamentale è promettente ma la linea temporale per trarre vantaggi economici da essa è a lungo termine, le società tecnologiche più piccole normalmente si ritirano lasciando il campo solo per le società tecnologiche con tasche profonde. Aziende come Google sono consapevoli del fatto che, poiché il capitale non è un ostacolo per loro, possono permettersi di continuare a spingere la linea temporale e alla fine riversare notevoli guadagni monetari per addestrare i loro modelli di intelligenza artificiale. Questo offre alle grandi aziende tecnologiche il vantaggio del first mover. Ad esempio, il modello GPT-3 da 175 miliardi di parametri di OpenAI è costato circa 12 milioni di dollari per l’addestramento. “OpenAI”, una startup AI ben finanziata supportata da Microsoft, ha spesso affermato che l’AGI può essere raggiunto solo se l’apprendimento per rinforzoè combinato con un’enorme potenza di calcolo, che può rivelarsi molto costosa.
Assumere talenti
Dal boom dell’IA, le aziende si sono unite alla corsa all’oro. Sebbene l’IA di Google sia percepita come in testa, la gara è appena iniziata. I marchi che sono in grado di assumere più talenti dell’IA avranno un vantaggio competitivo sui loro rivali. Nell’IA, la scarsità di talenti è diventata il punto di contesa poiché i dati e la potenza di calcolo sono diventati quasi equamente disponibili per le aziende. Star accademiche come Yann LeCun di Meta e Geoffrey Hinton di Google sono a volte una grande attrazione per i ricercatori. Tuttavia, la maggior parte dei ricercatori è principalmente interessata a pubblicare il proprio lavoro e più ricerche pubblica un’azienda, più contenuto funge da strumento di marketing per continuare ad attrarre più ricercatori dal mondo accademico.
Le conferenze AI/ML e le riviste scientifiche premiano articoli di ricerca che presentano innovazioni pionieristiche. Scienziati e ricercatori che stanno già lavorando in società tecnologiche sono incaricati di lavorare in un’area specifica. Tali direttive restringono l’ambito della ricerca per molti ricercatori e semplificano gli argomenti per la loro ricerca. Di conseguenza, viene prodotto un flusso costante di carte.
Inoltre, la ricerca non crea solo prestigio per l’azienda, ma anche per i ricercatori. In un’intervista a Economist, Yann LeCun, vicepresidente di Meta e scienziato capo dell’intelligenza artificiale, ha spiegato come la guerra dei talenti dell’IA tra le aziende le abbia spinte a diventare più aperte sul lavoro in corso. LeCun ha inoltre spiegato che istruire i ricercatori a rimanere a bocca aperta sulla loro ricerca non ha funzionato a lungo termine poiché un numero significativo di ricercatori lo considerava una mossa mortale.
Brevetti
La pubblicazione di un documento di ricerca di solito offre all’azienda il tempo sufficiente per depositare un brevetto. Secondo le leggi sui brevetti statunitensi, se un concorrente tenta di depositare un brevetto per un nuovo strumento o concetto in ML, non ci sarà alcun trasferimento di proprietà a causa della ricerca pubblicata. In genere, se le aziende considerano la ricerca economicamente redditizia, tendono a depositare un brevetto insieme al documento o prima della sua pubblicazione.
