La view
Capital Group: “L’IA potrà avere un importante impatto sul mercato dei semiconduttori”
Julien Gaertner, analista degli investimenti azionari di Capital Group, ritiene che il settore dell’IA stia ancora generando bassi profitti in rapporto agli investimenti ricevuti
di Francesco Rapetti 29 Maggio 2023 09:35
L’intelligenza artificiale (IA) rimane saldamente sotto i riflettori dopo il lancio, lo scorso novembre, di ChatGPT, un bot capace di produrre testi che sembrano scritti da un essere umano. Arrivato a un milione di utenti in soli cinque giorni e a 100 milioni prima della fine di gennaio, si tratta dell’ultimo esempio di “IA generativa”, una serie di modelli in grado di creare contenuti tra cui audio, linee di codice, immagini, testi e video. ChatGPT ha trovato già molti utilizzi, dalla scrittura di racconti, articoli scientifici, barzellette e candidature alle offerte di lavoro fino ad arrivare alla composizione di musica. Il sistema potrebbe rivelarsi la prima “killer app” dell’età dell’IA?
Con tutta probabilità l’IA è sul punto di provocare una serie di cambiamenti epocali che riguarderanno varie società e industrie, ed è per questo fondamentale approfondire i dettagli per separare la realtà dall’entusiasmo. L’entusiasmo iniziale sembra infatti aver incontrato una battuta d’arresto temporanea dovuta probabilmente alla presa di coscienza dell’entità dei cambiamenti necessari all’interno delle organizzazioni per adottare queste tecnologie. Questo non ha tuttavia interrotto una pioggia di investimenti in IA da parte delle aziende a livello globale.
La funzione fondamentale dell’IA è fare previsioni e prendere decisioni in base ai dati con cui è stata ‘addestrata’. Ciò che è cambiato negli ultimi anni è che i progressi tecnici consentono di addestrare i modelli di IA tramite quantità di dati sempre più grandi e raggiungere così nuovi livelli di funzionalità. Con IA generative come ChatGPT l’attenzione, fatto importante, si è spostata verso i cosiddetti “large language model”, che rendono possibili funzionalità di chat e produzione di testi molto migliori.
RICEVI GRATIS LE NOTIZIE IN ANTEPRIMA
I sistemi di IA di inizio anni 2000 utilizzavano il machine learning principalmente per migliorare dei modelli analitici; gli esempi commercialmente più rilevanti in tal senso sono la targetizzazione degli annunci pubblicitari da parte di Google e Facebook. L’IA generativa, invece, può creare contenuti nuovi e unici grazie a quella che è nota come “architettura transformer”. Questa consente all’IA di comprendere le relazioni all’interno di un set di dati, composto ad esempio da testi o da immagini, creando la sensibilità al contesto necessaria per svolgere i compiti più creativi.
Oggi siamo in una situazione in cui i sistemi di IA generativa ottengono risultati impressionanti in molte aree ma in altre falliscono miseramente. La previsione più ottimistica che possiamo fare è che l’aumento delle dimensioni dei modelli e la crescita dei dati con cui vengono addestrati continuino a favorire un progresso esponenziale ancora a lungo, e va detto che finora le evidenze empiriche puntano in questa direzione. Un’ipotesi pessimistica è invece quella in cui man mano che le dimensioni dei modelli aumentano i miglioramenti si esauriscano, oppure si vada a sbattere contro un muro rappresentato dalla quantità di dati disponibili per addestrarli.
Dal punto di vista degli investimenti, se si parte dal punto di vista che l’IA genererà grandi profitti, al momento questa previsione sembra riflettersi ben poco nei corsi azionari delle più importanti società. Per aziende come Alphabet, ad esempio, dopo i recenti cali sembra valere l’opposto. OpenAI, società non quotata fondata come non-profit nel 2015, a seguito del recente investimento da parte di Microsoft varrebbe 29 miliardi di dollari e, nonostante i suoi ambiziosi obiettivi, ha riferito che nel corso di quest’anno prevede di realizzare ricavi per solo 200 milioni di dollari circa. Ipotizzando che tale previsione sia corretta la valutazione dell’azienda sconta un grande entusiasmo.
I cosiddetti “hyperscaler”, un piccolo gruppo di giganti tecnologici che include Meta, Alphabet, Microsoft e Amazon, hanno già speso miliardi nell’hardware necessario per creare piattaforme di IA e, quindi, possono fungere in futuro da architettura in questo campo a disposizione degli altri sviluppatori.
Secondo Capital Group, in un’ottica ancor più di lungo periodo, la diffusione dell’IA può avere un importante impatto anche in ambiti come la domanda di semiconduttori. Se si pone una domanda a ChatGPT o si chiede al modello text-to-image Stable Diffusion di realizzare un’immagine, possono impiegare molto tempo a rispondere. Il motivo è la mole di lavoro in termini di computazione estremamente elevata necessaria per la cosiddetta inferenza, che consiste nel vagliare miliardi di dati per produrre il contenuto desiderato. Questo dice molto sull’altissimo contenuto di semiconduttori all’interno di questi sistemi.
Al di là degli ovvi settori della tecnologia e della “conoscenza", tra le potenziali aree di applicazione dell’IA vi sono gestione delle catene di approvvigionamento, sanità (nei campi dello sviluppo dei farmaci e dell’analisi delle scansioni), assicurazioni, petrolio e gas (si pensi ai dati forniti dai satelliti), servizi di pubblica utilità (per la gestione della rete e dei carichi) e macchinari agricoli autonomi: le strategie in materia IA possono dunque divenire una componente sempre più importante dell’analisi delle società.
UNA “PIOGGIA” DI INVESTIMENTI PER L’IA
Con tutta probabilità l’IA è sul punto di provocare una serie di cambiamenti epocali che riguarderanno varie società e industrie, ed è per questo fondamentale approfondire i dettagli per separare la realtà dall’entusiasmo. L’entusiasmo iniziale sembra infatti aver incontrato una battuta d’arresto temporanea dovuta probabilmente alla presa di coscienza dell’entità dei cambiamenti necessari all’interno delle organizzazioni per adottare queste tecnologie. Questo non ha tuttavia interrotto una pioggia di investimenti in IA da parte delle aziende a livello globale.
IL “LARGE LANGUAGE MODEL”
La funzione fondamentale dell’IA è fare previsioni e prendere decisioni in base ai dati con cui è stata ‘addestrata’. Ciò che è cambiato negli ultimi anni è che i progressi tecnici consentono di addestrare i modelli di IA tramite quantità di dati sempre più grandi e raggiungere così nuovi livelli di funzionalità. Con IA generative come ChatGPT l’attenzione, fatto importante, si è spostata verso i cosiddetti “large language model”, che rendono possibili funzionalità di chat e produzione di testi molto migliori.
RICEVI GRATIS LE NOTIZIE IN ANTEPRIMA“L’ARCHITETTURA TRANSFORMER”
I sistemi di IA di inizio anni 2000 utilizzavano il machine learning principalmente per migliorare dei modelli analitici; gli esempi commercialmente più rilevanti in tal senso sono la targetizzazione degli annunci pubblicitari da parte di Google e Facebook. L’IA generativa, invece, può creare contenuti nuovi e unici grazie a quella che è nota come “architettura transformer”. Questa consente all’IA di comprendere le relazioni all’interno di un set di dati, composto ad esempio da testi o da immagini, creando la sensibilità al contesto necessaria per svolgere i compiti più creativi.
L’IA NON È INFALLIBILE
Oggi siamo in una situazione in cui i sistemi di IA generativa ottengono risultati impressionanti in molte aree ma in altre falliscono miseramente. La previsione più ottimistica che possiamo fare è che l’aumento delle dimensioni dei modelli e la crescita dei dati con cui vengono addestrati continuino a favorire un progresso esponenziale ancora a lungo, e va detto che finora le evidenze empiriche puntano in questa direzione. Un’ipotesi pessimistica è invece quella in cui man mano che le dimensioni dei modelli aumentano i miglioramenti si esauriscano, oppure si vada a sbattere contro un muro rappresentato dalla quantità di dati disponibili per addestrarli.
PROFITTI ANCORA (MOLTO) BASSI
Dal punto di vista degli investimenti, se si parte dal punto di vista che l’IA genererà grandi profitti, al momento questa previsione sembra riflettersi ben poco nei corsi azionari delle più importanti società. Per aziende come Alphabet, ad esempio, dopo i recenti cali sembra valere l’opposto. OpenAI, società non quotata fondata come non-profit nel 2015, a seguito del recente investimento da parte di Microsoft varrebbe 29 miliardi di dollari e, nonostante i suoi ambiziosi obiettivi, ha riferito che nel corso di quest’anno prevede di realizzare ricavi per solo 200 milioni di dollari circa. Ipotizzando che tale previsione sia corretta la valutazione dell’azienda sconta un grande entusiasmo.
GLI INVESTIMENTI DEGLI “HYPERSCALER”
I cosiddetti “hyperscaler”, un piccolo gruppo di giganti tecnologici che include Meta, Alphabet, Microsoft e Amazon, hanno già speso miliardi nell’hardware necessario per creare piattaforme di IA e, quindi, possono fungere in futuro da architettura in questo campo a disposizione degli altri sviluppatori.
LA VISIONE DI CAPITAL GROUP
Secondo Capital Group, in un’ottica ancor più di lungo periodo, la diffusione dell’IA può avere un importante impatto anche in ambiti come la domanda di semiconduttori. Se si pone una domanda a ChatGPT o si chiede al modello text-to-image Stable Diffusion di realizzare un’immagine, possono impiegare molto tempo a rispondere. Il motivo è la mole di lavoro in termini di computazione estremamente elevata necessaria per la cosiddetta inferenza, che consiste nel vagliare miliardi di dati per produrre il contenuto desiderato. Questo dice molto sull’altissimo contenuto di semiconduttori all’interno di questi sistemi.
LE POSSIBILI AREE DI APPLICAZIONE DELL’IA
Al di là degli ovvi settori della tecnologia e della “conoscenza", tra le potenziali aree di applicazione dell’IA vi sono gestione delle catene di approvvigionamento, sanità (nei campi dello sviluppo dei farmaci e dell’analisi delle scansioni), assicurazioni, petrolio e gas (si pensi ai dati forniti dai satelliti), servizi di pubblica utilità (per la gestione della rete e dei carichi) e macchinari agricoli autonomi: le strategie in materia IA possono dunque divenire una componente sempre più importante dell’analisi delle società.
