Balene, Cigni Neri e Serpenti

Come prima, più di prima

Ricordate la pandemia? La nuova normalità, ne usciremo cambiati, niente sarà più come prima. Per un po’ ci abbiamo creduto davvero.

Nathaniel Bullard ha raccolto una serie di dati che mostrano come nel corso del 2021 e di parte del 2022 siamo stati più attenti alla sostenibilità, abbiamo ridotto le emissioni, abbiamo consumato meno, abbiamo adottato abitudini meno impattanti. Le aziende in ambito greentech hanno ricevuto fondi record, i dirigenti delle aziende hanno incluso la sostenibilità nei loro discorsi e nei loro report.

Poi però è finita. A partire dal 2022, superata la fase più acuta della pandemia, abitudini energivore e stili di vita consumistici hanno ripreso quota.

La nuova normalità somiglia molto alla normalità di prima, però con l’AI. Ovvero una tecnologia che, per funzionare, richiede enormi quantità di energia.

Paura e delirio sui mercati

A fine gennaio il lancio di DeepSeek, un nuovo modello di intelligenza artificiale generativa sviluppato in Cina, ha fatto esplodere l’informazione tech, gli indici di borsa e i feed LinkedIn.

Il modello è costato meno di 6 milioni di dollari, una cifra infinitamente inferiore rispetto ai budget multimilionari di aziende come OpenAI. È stato addestrato utilizzando solo 2.000 chip Nvidia H800, molto meno potenti rispetto ai chip utilizzati dai concorrenti occidentali.

Tutti hanno parlato del crollo delle azioni di Nvidia e delle altre aziende tech legate al boom dell’intelligenza artificiale. Ma lo shock non ha risparmiato il settore dell’energia: il modello cinese, più efficiente e quindi meno energivoro, minacciava di far crollare i consumi energetici legati all’AI - e quindi i profitti delle utilities.

Ma sarà davvero così?

Il giorno dopo del lancio di DeepSeek le azioni di Nvidia sono crollate del 17% alla chiusura. Il Nasdaq, che si concentra sul settore tecnologico, ha perso il 3,1%, le utilities il 3.5%.

Le conseguenze dell’efficienza

Il modello di intelligenza artificiale di DeepSeek ha scioccato il mondo perché ha mostrato performance comparabili a quelle dei modelli più avanzati, ottenute con un costo di molto inferiore.

DeepSeek è un modello più “leggero”, richiede minore potenza di calcolo per funzionare, hardware meno sofisticati, e quindi minore dispendio di energia.

In più, è un modello open source: funziona grazie a un network decentralizzato, e chiunque può copiarlo, adottarlo, e costruirci sopra nuove funzioni e servizi.

Proprio queste caratteristiche, però, possono innescare sul piano energetico un fenomeno noto come il paradosso di Jason:

una maggiore efficienza favorisce la diffusione capillare dell’AI;
la diffusione capillare aumenta il numero di utenti e di servizi;
la domanda totale di energia aumenta, anche se ogni singola unità ne consuma meno.

La parte sbagliata della storia

Finora la diffusione dell’intelligenza artificiale è stata un’anomalia nella storia della rivoluzione digitale. Tutte le startup che hanno cambiato le regole del gioco, quelle che hanno creato il mito della Silicon Valley, sono nate “dal basso”, nelle camerette di qualche adolescente o nei garage californiani, tra bibite in lattina e cartoni di pizza.

A guidare lo sviluppo dell’intelligenza artificiale invece sono state realtà iper-finanziate da grandi aziende e fondi d’investimento - come Open AI, subito supportata da Microsoft. Oppure direttamente i colossi tech al proprio interno, come Google o Meta.

L’AI quindi è nata e cresciuta dentro una logica proprietaria e speculativa. Molto lontana dalla logica open source che invece ha guidato l’innovazione digitale delle origini. Tanto che lo stesso Sam Altman è arrivato a dire:

“Siamo stati dalla parte sbagliata della storia, il futuro appartiene ai modelli open source”.

DeepSeek ha fatto proprio questo: ha portato l’AI nel dominio dell’open source. Una mossa che potrebbe cambiare tutto.

Cigni e serpenti

Il lancio di DeepSeek - che come logo ha una balena - è avvenuto nei giorni in cui si festeggiava il capodanno cinese, e l’ingresso nell’anno del serpente. Ma gli effetti generati dal lancio hanno fatto pensare a un altro animale: il cigno nero.

Nassim Taleb definisce “cigni neri” gli eventi considerati altamente improbabili. Che quando si verificano però hanno un impatto fortissimo, capace di sconvolgere ogni previsione e di cambiare il corso previsto della storia. Ricordate la pandemia?

Già la rapidità di diffusione e la promessa di disruption portata dai Large Language Models somigliavano da vicino a un cigno nero. Ma l’arrivo di DeepSeek e la possibilità di avere nuovi modelli open source potrebbe rappresentare un cigno nero dentro al cigno nero.

Perché apre un pattern inedito anche nelle previsioni sullo sviluppo dell’AI.

Ma soprattutto perché sarebbe in grado di accelerare l’innovazione e aprire applicazioni al momento impensabili.

Siamo pronti?

Siamo fragili

A giudicare da quello che è successo nelle scorse settimane, no, non siamo pronti. I nostri sistemi economici sono fragili, per usare un altro concetto caro a Taleb: non hanno la flessibilità e la resilienza necessarie per assorbire shock e cambiamenti improvvisi di paradigma.

È successo per la pandemia, che ci ha trovato impreparati. E sta succedendo con l’AI, che ha colto impreparati un po’ tutti: l’economia, il lavoro, la scuola, la politica. E anche il sistema energetico, entrato in fibrillazione per l’attesa di una richiesta energetica in aumento.

La soluzione, come dice Taleb, è creare sistemi antifragili. Ovvero sistemi non monolitici, capaci di reagire alla volatilità e al cambiamento.

Open source e accesso diffuso alla tecnologia, in questo senso, possono aiutare a costruire la nostra antifragilità.

Perché aumentano l’opzionalità e la varietà di soluzioni a nostra disposizione.

Tornare nei garage

Concentrare il potere dell’AI in poche mani rende il sistema fragilissimo. Al contrario, la “democratizzazione” potrebbe renderlo più resiliente, perché lo aprirebbe a tantissime entità che sperimentano nuove soluzioni,

Il principio fondamentale dei sistemi antifragili è: più alternative per ottenere lo stesso risultato.

Per le tecnologie AI questo significa modelli distribuiti, più spazio di manovra alle nuove startup e laboratori in ogni parte del mondo. Più garage, insomma, e meno concentrazioni di potere.

Ma questo movimento di apertura e pluralità del sistema è lo stesso che auspichiamo nel mondo dell’energia. Tanti nodi, piccoli e grandi, collegati in rete, che rendono il sistema più robusto.

Tornare nei garage non significa fare un passo indietro, ma esplorare nuove strade senza attendere che siano i giganti a tracciarle. È la chiave per aumentare le alternative e rendere il sistema più resistente. Se un modello crolla, ne rimangono mille a sperimentare soluzioni. Se una grande centrale si ferma, la rete locale resta in piedi. È così che costruiamo sistemi antifragili: dove l’open source e la creatività diffusa diventano la nostra difesa più solida contro ogni prossimo, imprevedibile, cigno nero.