Home / Filosofia e IA / Pronti per le cose difficili: intelligenza artificiale, spazio e scienza del clima

Pronti per le cose difficili: intelligenza artificiale, spazio e scienza del clima


L’ultimo quarto del ventesimo secolo è stato il picco dell’innovazione tecnologica negli Stati Uniti. I Bell Labs di AT&T hanno inventato l’era dell’informazione con i transistor e le reti di dati e molte tecnologie di trasformazione tangenziali al suo core business: dalle celle solari al sistema operativo Unix ai laser. 1 Il Palo Alto Research Center (PARC) di Xerox ha determinato l’interazione uomo-computer con il mouse del computer iniziale, oltre alla stampa laser e alla rete Ethernet. 2 Negli anni ’80 nacque la Pixar, creando la prima sequenza animata al computer in un film con nuove immagini generate al computer (CGI). 3,4 Allo stesso tempo Gates e Allen stavano hackerando qualcosa di speciale che presto rivoluzionò l’informatica, così come Wozniak e Jobs. 5,6 Durante il periodo di massimo splendore dell’invenzione nel mondo dei bit, la “corsa allo spazio” ha portato a massicce innovazioni e risultati nel mondo degli atomi: la competizione governativa tra Stati Uniti e Russia ha portato gli esseri umani sulla luna per la prima volta.

L’ecosistema tecnologico statunitense per quei decenni è stato un volano di sorta 7 : le iniziative di ricerca finanziate dal governo hanno fornito innovazione di base sia nel mondo accademico che industriale, che ha alimentato un’economia che ha posizionato i laboratori di ricerca e sviluppo aziendali verso innovazioni interne e spinoff esterni, e letterali moonshots motivato le future generazioni di scienziati e ingegneri.

La ricerca e sviluppo multidisciplinare e aperta, unita agli obiettivi di produzione, tutto sotto lo stesso tetto, è un modello di ricerca e sviluppo aziendale che ha guidato internamente il valore a lungo termine e ha sollevato esternamente tutte le barche con la marea.
Lo slancio di questo modello di innovazione è proseguito all’inizio del secolo. Ad esempio, la DARPA Grand Challenge 8 nel 2003 ha messo in moto gli ingegneri di tutto il mondo per perseguire auto a guida autonoma. Oppure la NASA finanzia lo spazio commerciale tramite accordi Space Act, per supportare le startup di esplorazione spaziale come SpaceX, Blue Origin e Astrobotic. 9 Eppure il modello di innovazione tecnologica degli Stati Uniti si è allontanato in modi importanti: una crescente disconnessione di R&S tra le università che si concentrano sulla ricerca e le grandi aziende che si concentrano sullo sviluppo, insieme a un cambiamento di mentalità verso il valore delle azioni a breve termine rispetto ai miglioramenti del settore a lungo termine. Caso in questione, Bell Labs è stata scorporata nel 1996 per estinguersi presto e la società madre AT&T ha smesso di innovare in modo significativo.


Avanzando rapidamente fino al 2020, osserviamo i fili comuni del volano precedente: la guida autonoma è un settore in sé e per sé con una capitalizzazione di mercato che dovrebbe crescere da $ 24,1 miliardi a $ 60 miliardi nel 2030 10 , l’economia spaziale globale oggi è un enorme $ 350 miliardi e dovrebbe raggiungere $ 1T entro il 2040 11 , e siamo sull’orlo di una nuova “corsa agli armamenti tecnologici” internazionale, questa volta nell’intelligenza artificiale (AI). Ciononostante, una recente ricerca indica una significativa tendenza al ribasso nell’innovazione complessiva: Bloom et al. 12Studiare una serie di industrie negli ultimi 50 anni per scoprire che lo sforzo di ricerca sta aumentando notevolmente mentre la produttività della ricerca è in forte calo. Vedere il documento per i dettagli, ma la loro quantificazione della “produttività della ricerca” mostra un calo di circa il 5% anno su anno, in aree come i semiconduttori, l’agricoltura e la ricerca e sviluppo nel settore medico. Ciò è corroborato dai dati della National Science Foundation che indicano che la quota di ricerca (sia di base che applicata) nella R&S totale delle imprese negli Stati Uniti è scesa da circa il 30% nel 1985 a meno del 20% nel 2015. Utilizzando dati su pubblicazioni scientifiche, uno studio di Arora et al. mostra che il numero di pubblicazioni per azienda è diminuito del 20% per decennio dal 1980 al 2006 per le società quotate americane che effettuano attività di R&S. 13

I componenti del volano dell’innovazione tecnologica statunitense sono ancora qui, e probabilmente più capaci che mai, eppure l’ecosistema non gira più. Come recita l’ormai famoso apothegm, “Volevamo macchine volanti, invece abbiamo ottenuto 140 caratteri”. Ma perché?

Le prove che indicano un cambiamento nel modello di innovazione aziendale sono dettagliate nella sinossi basata sui dati pubblicata da Arora et al. 13 Gli autori insistono fortemente sul fatto che “la ricerca all’interno delle aziende può sopravvivere solo se isolata dai requisiti di performance a breve termine delle divisioni aziendali. Tuttavia, isolare la ricerca dagli affari comporta anche dei pericoli. I manager, ossessionati dallo spettro di Xerox PARC e della “Purity Hall” di DuPont, temono di creare organizzazioni di ricerca scollegate dall’attività principale dell’azienda. Camminare su questa fune è stato estremamente difficile. Una maggiore concorrenza sul mercato dei prodotti, cicli di vita tecnologici più brevi e investitori più esigenti hanno contribuito a questa sfida “. Un esempio premonitore è il relativo fallimento della divisione di guida autonoma di Uber. 14

Arora et al. suggeriscono “l’emergere di una nuova divisione del lavoro innovativo, con le università che si concentrano sulla ricerca, le grandi aziende che si concentrano sullo sviluppo e la commercializzazione, e spinoff, startup e uffici di licenza tecnologica universitaria responsabili del collegamento dei due”. Manca in questo modello l’accoppiamento tra ricerca e sviluppo e produzione, che è sempre non banale nella tecnologia profonda e nella scienza.

Una componente fondamentale è la mentalità intorno all’acquisizione di valore . I laboratori aziendali di successo sono motivati ​​a lavorare su tecnologie di uso generale ampiamente correlate ai loro settori; in qualità di aziende leader nei loro mercati, le tecnologie che hanno beneficiato del loro spazio di prodotti ne sarebbero i più vantaggiosi. Si potrebbe sostenere che i laboratori di intelligenza artificiale all’interno della grande tecnologia mantengano questa mentalità, come Google e Microsoft; alla principale conferenza sull’IA NeurIPS nel 2019, Google (con DeepMind) ha guidato tutte le istituzioni con 170 documenti accettati, seguito da MIT (86), Stanford (85), CMU (79) e Microsoft (76). 15 Detto questo, lo smantellamento dell’ambizioso core AI di Twitter Cortex alcuni anni fa è un contro esempio, così come lo è la recente partenza di esperti di IA di livello mondiale da Uber AI Labs. 16,17

Organizzazioni come DARPA sono particolarmente adatte a dire a un intero campo “non pensiamo che tu stia facendo questo bene”, e quindi mettere i loro soldi dove sono la loro bocca.
Forse la componente più preziosa, tuttavia, non compare necessariamente nei rapporti sugli utili e nelle previsioni di mercato. I grandi laboratori aziendali di successo di 30 anni fa hanno generato significativi vantaggi esterni che si realizzano oggi in tutto il mondo. Cioè, il valore esponenziale della ricerca non viene catturato dall’azienda ospitante, ma avvantaggia l’economia e la società in generale . Questo è il motivo per cui le agenzie scientifiche e tecnologiche del governo degli Stati Uniti sono in gioco. Obiettivi ambiziosi e fare le cose difficili mantengono l’ecosistema in fermento per le future generazioni di progressi scientifici e tecnologici. Come suggerito da un ex responsabile del programma DARPA 18 , quantificano il successo non sui bilanci e sui rapporti di mercato, ma piuttosto in base al numero di transizioni tecnologiche.

Con una profonda esperienza tecnica e tasche più profonde, organizzazioni come DARPA e NASA sono particolarmente adatte a dire a un intero campo “non pensiamo che tu stia facendo questo bene”, e quindi mettere i loro soldi dove sono la loro bocca. La DARPA Grand Challenge nel 2003 è stata, per misure oggettive, un fallimento. Tuttavia si sono alzati, si sono rispolverati (letteralmente, tutti i veicoli si sono schiantati sul percorso del deserto di Baja) e hanno ripetuto la sfida anno dopo anno. Il valore esponenziale generato dalla DARPA Grand Challenge è forse intangibile: produrre e ispirare le future generazioni di ingegneri di fama mondiale. I primi due team della DARPA Grand Challenge, Carnegie Mellon (CMU) e Stanford, hanno continuato a produrre una generazione di brillanti ingegneri che hanno plasmato il mondo di oggi: ad esempio Sebastian Thrun(Founder of Kitty Hawk Corp and Udacity), Astro Teller (Captain of Moonshots at Google X), Chris Urmson (Founder of Waymo and Aurora), and many more like them. Una delle punte di diamante della Grande Sfida, Red Whittaker alla CMU, ha continuato a insegnare e ispirare decenni di studenti di robotica e informatica alla ricerca del Google Lunar X-Prize 19 (un’altra sfida letterale a colpi di luna, 50 anni dopo la corsa spaziale originale). Nessun team è riuscito a raggiungere la luna , ma il solo progetto CMU ha dato vita a più startup deep-tech ei membri del team hanno ruoli di primo piano dalla NASA e Blue Origin ad Amazon e Facebook. 20

Non esiste una corsa AI USA-Cina, ma piuttosto il paese che si posiziona per una tale gara sta giocando il gioco sbagliato. Si tratta di AI per sempre, in un momento in cui tutti i paesi del mondo ne hanno bisogno.
La corsa allo spazio degli anni ’60 è stato un decennio che avrebbe dato il tono a una fase primaria dell’innovazione americana: perseguire i colpi di luna, fare le cose difficili. Nel 2020 siamo di nuovo in un momento così cruciale. Non a causa dell’ennesima corsa agli armamenti: non esiste una corsa all’IA USA-Cina, ma piuttosto il paese che si sta posizionando per una tale corsa sta giocando il gioco sbagliato. 21 Si tratta di AI per sempre, in un momento in cui tutti i paesi del mondo ne hanno bisogno.

Ora più che mai, le tecniche di intelligenza artificiale, enormi quantità di dati scientifici e l’esplorazione dello spazio possono aprire una nuova frontiera delle tecnologie per valutare i cambiamenti climatici e guidare la resilienza climatica. Ancora una volta cerchiamo di avviare il volano dell’innovazione dei giorni passati: collaborazioni multidisciplinari supportate da laboratori di ricerca governativi e aziendali, che promuovono la scienza non per i profitti ma per il miglioramento dell’umanità. Iniziative come il Frontier Development Lab della NASA(FDL) applica l’IA e le tecnologie spaziali a problemi che vanno dalla previsione del cambiamento climatico e il miglioramento della risposta ai disastri, allo studio delle risorse planetarie e della salute degli astronauti per viaggi spaziali prolungati. FDL porta i più brillanti del settore e del mondo accademico in una stanza per affrontare grandi sfide, proprio come i team interdisciplinari di scienziati e ingegneri ai tempi dell’Apollo.


FDL, come molte istituzioni che promuovono l’IA e la scienza, sono forti sostenitori delle tecnologie open-source. Bloom et al. dichiarare che “la crescita esponenziale nella ricerca porta a una crescita esponenziale nella [spesa per la ricerca]. E a causa della non rivalità, questo porta a una crescita esponenziale del reddito pro capite”. Non è necessario leggere tra le righe per comprendere le implicazioni qui per il software open source e la scienza aperta e riproducibile. E al di là dell’open source, FDL sta dando l’esempio per la collaborazione multinazionale sull’IA per sempre. Durante l’estate del 2020, con il supporto della NASA, dell’Agenzia spaziale europea, Google, NVIDIA, MIT, Mayo Clinic e altri, FDL ha riunito “virtualmente” quasi un centinaio di scienziati e ingegneri in cinque continenti per perseguire una dozzina di progetti ambiziosi. I team hanno prodotto sistemi di intelligenza artificiale chegenerare immagini satellitari di scenari climatici futuri , prevedere conflitti e collisioni satellitari, comprendere le basi molecolari del cancro in ambienti ad alta radiazione e altro ancora .

Questo suona stranamente simile ad ARPANET 22 , la fondazione di Internet, che era una collaborazione internazionale con Stati Uniti, Regno Unito e Francia, per non parlare di una sinergia di programmi governativi con ricerca e sviluppo accademico e industriale. Poco dopo, nel 1990, lo scienziato informatico inglese Tim Burners Lee 23 inventò il World Wide Web mentre lavorava in Svizzera al CERN, un enorme progetto internazionale a sé stante.

Ad astra per algoritmi.
Al momento, l’intelligenza artificiale internazionale e le tensioni spaziali sono elevate: la Cina limita le sue esportazioni di intelligenza artificiale 24 e la Russia sta testando le capacità di guerra satellitare 25 . Finora il governo degli Stati Uniti si sta muovendo in una direzione promettente: la NASA chiede al Congresso un budget di $ 25,2 miliardi, un aumento del 12% che sarà probabilmente un vantaggio per le aziende dell’industria spaziale . L’Office of Science and Technology Policy della Casa Bianca richiede circa $ 1,5 miliardi di finanziamenti non per la difesa dell’IA per il 2021, un balzo del 54% rispetto all’anno fiscale precedente; in particolare, il Dipartimento dell’Agricoltura prevede di investire 112 milioni di dollari nella ricerca sull’intelligenza artificiale, rispetto ai 4 milioni di dollari del 2020. 26 E a seconda di dove cadranno i chip questo novembre, potrebbe essere all’orizzonte una nuova agenzia che finanzia tecnologia pulita, ARPA-C. 27 La speranza è che queste iniziative, proprio come i laboratori di ricerca e sviluppo e le moonshots del governo dei decenni passati, porteranno a nuove industrie e generazioni di scienziati e ingegneri ambiziosi per far progredire l’umanità.

Per chiudere con un cliché: con il valore a breve e lungo termine dei progressi nell’intelligenza artificiale e nell’esplorazione dello spazio, insieme al bisogno ardente di scienze e tecnologie del clima, le stelle si stanno allineando per la rinascita del volano dell’innovazione tecnologica. O come dice il Frontier Development Lab, ad astra per algoritmi.

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi