Il CEO di Anthropic dice che il costo per addestrare l'AI potrebbe salire a 100 miliardi di dollari nei prossimi tre anni

Il costo di addestramento dei modelli di intelligenza artificiale (AI) sta schizzando alle stelle, con proiezioni che suggeriscono un aumento significativo nei prossimi anni. Dario Amodei, CEO della startup AI Anthropic, ha evidenziato queste spese in aumento durante un recente episodio del podcast “In Good Company”.

Leggi anche: I lavoratori Samsung scioperano chiedendo salari più alti durante la crescente concorrenza dell'IA

Gli attuali modelli AI avanzati, come ChatGPT-4, richiedono circa 100 milioni di dollari per l'addestramento. Ma, secondo Amodei, questo potrebbe aumentare tra 10 miliardi e 100 miliardi di dollari nei prossimi tre anni.

Lo sviluppo dell'intelligenza artificiale generale guida i costi verso l'alto

Il forte aumento è dovuto al passaggio dall'IA generativa, come ChatGPT, all'intelligenza artificiale generale (AGI). Il progresso verso l'AGI mira a sviluppare sistemi in grado di comprendere, acquisire e utilizzare la conoscenza in modo simile alla mente umana.

“Penso che se arriviamo a 10 o 100 miliardi di dollari, e penso che accadrà nel 2025, 2026, forse 2027… allora penso che ci sia una buona possibilità che per quel momento saremo in grado di ottenere modelli che sono migliori della maggior parte degli umani nella maggior parte delle cose.” 

Amodei

Secondo Tom’s Hardware, il framework esistente per questi avanzamenti è massiccio al momento. Ad esempio, per addestrare ChatGPT sono stati necessari oltre 30.000 GPU, e ogni chip AI Nvidia B200 costa tra 30.000 e 40.000 dollari. Questo investimento in hardware è uno degli elementi che potrebbero causare l'aumento delle spese. 

Le risorse computazionali fanno aumentare i costi di addestramento dell'IA

Ci sono diversi motivi per cui il costo di addestramento dell'IA è in aumento. La ragione principale è che la quantità di risorse computazionali necessarie è immensa. Con l'avanzamento dei modelli di deep learning, sono necessarie potenti GPU e altre hardware appositamente progettate. Oltre 3,8 milioni di GPU sono state spedite ai data center nel 2023, il che dimostra l'entità dell'infrastruttura richiesta. 

Leggi anche: L'Intelligenza Artificiale influenzerà un'ampia gamma di servizipubblici

Un altro fattore importante è il consumo di energia. Il consumo di energia di tutte le GPU vendute lo scorso anno sarebbe sufficiente per alimentare 1,3 milioni di case. Questo alto consumo di energia non solo porta ad alti costi per le aziende, ma solleva anche questioni sugli effetti sull'ambiente e sulla conservazione. Secondo un recente rapporto di Google, le emissioni dell'azienda sono aumentate di quasi il 50% in quattro anni, principalmente a causa dell'energia richiesta per l'apprendimento dell'IA.

I giganti della tecnologia investono pesantemente nell'infrastruttura AI

Inoltre, le principali aziende tecnologiche stanno investendo molti soldi nello sviluppo dell'intelligenza artificiale. Ad esempio, Elon Musk vuole acquistare 300.000 dei chip AI all'avanguardia di Nvidia. Allo stesso modo, Microsoft e OpenAI stanno lavorando a un data center da 100 miliardi di dollari per lo sviluppo dell'IA.

Leggi anche: Wimbledon impiega l'IA per combattere l'abuso online

Nonostante questi costi in aumento, ci sono tentativi di ottimizzare i costi di addestramento dell'IA. Il DeepMind di Google ha recentemente presentato una tecnica chiamata Joint Example Selection (JEST) che afferma di ridurre il numero di iterazioni di un fattore 13 e le risorse computazionali necessarie di un fattore 10. Questo aiuta a ridurre le risorse da utilizzare e il tempo da impiegare.

Tuttavia, anche con questi avanzamenti, la direzione generale è verso costi più elevati a causa dello sviluppo dell'AGI. Dall'IA generativa all'AGI, i modelli devono interpretare grandi set di dati, imparare da essi, prevedere diverse situazioni e risolvere problemi che richiedono il pensiero critico. 

Segnalazione di Cryptopolitan di Brenda Kanana