Dai un’occhiata alla community open source che sta presentando modelli come Falcon-7B in grado di competere, se non addirittura superare, i modelli basati su GPT, ma su un singolo dispositivo. Questo significa che richiedono molto meno calcolo, migliorando così l’efficienza e le prestazioni dei modelli. Concentrarsi sul contributo all’ecosistema open source è fondamentale per gli sviluppatori, dato che anche Google e OpenAI concordano sul fatto che non possono competere con ciò che la comunità offre.
La creazione e l’ottimizzazione dell’efficienza dei modelli si basa sulla creazione di algoritmi migliori su cui questi modelli operano. Di recente, DeepMind ha lanciato AlphaDev, un algoritmo basato su AlphaZero che è in grado di elaborare i dati tre volte più velocemente di un algoritmo scritto dagli esseri umani. Questo rappresenta un progresso significativo nel ridurre i requisiti di calcolo per i sistemi di intelligenza artificiale grazie a algoritmi di ordinamento più efficienti.
Replit è un altro ottimo esempio che sta spingendo la comunità degli sviluppatori hardcore. Oltre a sfruttare l’ecosistema degli sviluppatori basato sui telefoni cellulari e a costruire Replit ottimizzato per esso, Replit ha anche lanciato Replit bounties per aiutare gli sviluppatori. Utilizzando Replit, anche le persone non sviluppatori possono segnalare bug o problemi di dimensioni ridotte, e gli sviluppatori possono risolverli e guadagnare “cicli”, la valuta virtuale di Replit che può costituire una buona fonte di reddito.
Ora che gli sviluppatori hanno la possibilità di guadagnare denaro, ci sono molti problemi che possono essere affrontati. Poiché i modelli di lingua naturale sono computazionalmente intensivi, sono anche ad alta intensità di carbonio. Alok Lall, responsabile della sostenibilità presso Microsoft India, ha dichiarato ad AIM: “Quando si tratta di ridurre le emissioni, è facile concentrarsi sull’infrastruttura e ottenere hardware più efficiente come server, sistemi di riscaldamento, ventilazione e condizionamento dell’aria, ma affrontare e capire il “codice” è l’elemento più importante”.
Ed è proprio qui che Microsoft si è unita a Thoughtworks, GitHub e Accenture per creare la Green Software Foundation nel 2021, con l’obiettivo di rendere la codifica e lo sviluppo del software sostenibili. Ciò dimostra chiaramente che molte aziende e sviluppatori vedono l’importanza di rendere i modelli più sostenibili attraverso l’uso di algoritmi più efficienti.
Se consideriamo che l’IA generativa, o più specificamente i modelli basati su linguaggio di lunga memoria, sono solo una bolla pronta a scoppiare, ci rendiamo conto che c’è molto spazio per la ricerca e lo sviluppo da parte degli sviluppatori. Ad esempio, AlphaFold di DeepMind per la predizione delle strutture proteiche rappresenta uno dei campi cruciali che richiedono ulteriori esplorazioni.
In linea con questo, recentemente Soutick Saha, uno sviluppatore bioinformatico presso Wolfram, ha sviluppato ProteinVisualisation paclet, uno strumento che permette a chiunque di lavorare sulle strutture biomolecolari. Ha descritto come, grazie alla sua esperienza con sei linguaggi di programmazione negli ultimi 12 anni, è stato in grado di svilupparlo imparando il linguaggio Wolfram in soli cinque mesi.
In India, l’ascesa della tecnologia open source dei semiconduttori, come RISC-V per la progettazione di chip, ha portato a una crescita di startup nel settore. Un numero sempre maggiore di startup RISC-V in India sta ricevendo finanziamenti.
Poi c’è il calcolo quantistico. NVIDIA sta guidando la ricerca nell’informatica quantistica replicando il successo di CUDA e sviluppando QODA (architettura del dispositivo ottimizzata quantistica). Questa piattaforma open source è progettata per integrare GPU e CPU in un unico sistema, consentendo agli sviluppatori, non solo agli ingegneri specializzati, di immergersi nel campo.
Allo stesso modo, Quantum Brilliance, un’azienda focalizzata nello sviluppo di soluzioni di calcolo quantistico miniaturizzate a temperatura ambiente, ha reso open source il proprio Qristal SDK. Questo permetterà agli sviluppatori di innovare negli algoritmi quantistici per gli acceleratori quantistici. Le API C++ e Python sono incluse, con il supporto per NVIDIA CUDA per la creazione di progetti quantistici.
Le piattaforme senza codice sono eccellenti per creare applicazioni semplici o dirette. Tuttavia, quando si tratta di creare sistemi complessi con requisiti di logica aziendale intricati, integrazioni e scalabilità, gli sviluppatori hardcore rimangono indispensabili. Dovrebbero concentrarsi sull’architettura e sulla costruzione di sistemi robusti, scalabili ed efficienti che richiedono conoscenze tecniche avanzate.
C’è ancora molto da fare e siamo solo all’inizio. Piuttosto che lamentarsi degli ingegneri che lavorano su queste piattaforme di generazione automatica di codice, gli sviluppatori possono sfruttare la propria creatività e adattabilità per risolvere problemi complessi e creare architetture, lasciando che queste piattaforme si occupino dell’oneroso compito di scrivere codice.