La matematica alla base della valutazione è tanto cruda quanto speculativa. Con un team di 20 persone e una valutazione di 4 miliardi di dollari, il mercato sta effettivamente prezzando ogni dipendente a 200 milioni di dollari. Si tratta di una cifra che supera i picchi delle acquisizioni di talenti ("acq-hire") visti durante la prima ondata del boom del deep learning di dieci anni fa. Suggerisce che gli investitori — tra cui il braccio venture di Google e la società di semiconduttori più potente al mondo — non siano più interessati a guadagni incrementali nei Large Language Models (LLM). Stanno cercando la via d'uscita dallo sviluppo che prevede l'uomo nel ciclo (human-in-the-loop).
Il codice può davvero scrivere codice migliore?
La premessa fondamentale della Superintelligenza Ricorsiva è il perseguimento di un ciclo di miglioramento autonomo. L'attuale sviluppo dell'IA è un processo soggetto a colli di bottiglia: gli esseri umani progettano le architetture, curano i set di dati e forniscono il Reinforcement Learning from Human Feedback (RLHF) che impedisce ai modelli di allucinare o diventare tossici. Si tratta di un modello di crescita lineare. L'auto-miglioramento ricorsivo mira a uno esponenziale, in cui un modello identifica le proprie inefficienze algoritmiche e riscrive il proprio codice per correggerle.
Gli ingegneri del settore lo definiscono spesso "chiudere il ciclo". La difficoltà risiede nella funzione obiettivo. Se a un modello viene assegnato il compito di migliorare il proprio ragionamento, ha bisogno di un modo per verificare che la sua versione "nuova e migliorata" sia effettivamente superiore, anziché solo più veloce o più sicura dei propri errori. Senza un fondamento nella realtà fisica o nella logica formale — qualcosa che manca notoriamente agli LLM — l'auto-miglioramento ricorsivo porta spesso al "collasso del modello", un ciclo di feedback in cui l'IA inizia ad amplificare le proprie stranezze fino a quando l'output diventa rumore statistico. Il team di Recursive, guidato da Richard Socher e Tim Rocktäschel, scommette sul fatto che il loro specifico approccio al ragionamento simbolico o alla scoperta automatizzata possa aggirare questa entropia.
Il background di Tim Rocktäschel presso l'University College London e Google DeepMind fornisce un indizio sulla direzione tecnica. Il suo lavoro si è spesso concentrato sull'apprendimento "open-ended", ambienti in cui gli agenti devono imparare a risolvere compiti senza che venga detto loro quali siano. In un contesto industriale europeo, questo è il tipo di ricerca di alto livello che solitamente finisce per essere finanziata da sovvenzioni di Horizon Europe o dal Consiglio europeo della ricerca. Qui, è stata scavalcata dal venture capital statunitense, evidenziando il divario persistente tra l'eccellenza accademica europea e la capacità del continente di trasformare tale eccellenza in un potere industriale sovrano.
Nvidia è il proprietario di casa della Singolarità
Questo crea una peculiare economia circolare nell'ecosistema della Silicon Valley. I fondi di venture capital statunitensi forniscono il capitale, che le startup spendono in hardware Nvidia, il quale a sua volta gonfia gli utili di Nvidia, stimolando così i più ampi indici tecnologici su cui fanno affidamento i partner limitati dei fondi di venture. Per gli osservatori europei, questo ciclo è frustrantemente chiuso. Sebbene l'EU Chips Act miri a costruire una capacità produttiva locale, deve ancora favorire quel tipo di ciclo di feedback software-hardware ad alto rischio e alto rendimento che rende possibile una valutazione di 4 miliardi di dollari per una società di quattro mesi a Palo Alto, ma impensabile a Berlino o Parigi.
L'inclusione di Richard Socher, ex chief scientist di Salesforce, aggiunge uno strato di pragmatismo commerciale a quello che altrimenti potrebbe sembrare un esercizio puramente accademico. La carriera di Socher è stata definita dal rendere il natural language processing (NLP) funzionale all'impresa. Se Recursive Superintelligence fosse stato solo un laboratorio "moonshot", avrebbe faticato a ottenere 500 milioni di dollari in questo contesto di tassi di interesse. La portata dei finanziamenti suggerisce la convinzione che anche un successo parziale — un'IA in grado di ottimizzare i propri costi di inferenza o di pulire i propri dati — varrebbe miliardi in risparmi operativi per le aziende della Fortune 500.
L'"esplosione dell'intelligenza" è un obiettivo ingegneristico realizzabile?
I critici della teoria dell'auto-miglioramento ricorsivo indicano il problema dei "rendimenti decrescenti". Nella maggior parte delle discipline ingegneristiche, più si ottimizza un sistema, più diventa difficile trovare ulteriori guadagni. Un motore d'auto con un'efficienza del 98% è significativamente più difficile da migliorare di uno con un'efficienza del 40%. La narrazione della "Singolarità" presuppone che l'intelligenza sia diversa — che ogni incremento nella capacità cognitiva renda più facile ottenere quello successivo. Questa rimane un'ipotesi filosofica, non un fatto ingegneristico.
Dal punto di vista normativo, l'AI Act in Europa potrebbe presto dover fare i conti con aziende che non si limitano a "usare" l'IA, ma aziende il cui prodotto è l'atto della creazione stessa. Se un modello inizia a riscrivere il proprio codice, chi è responsabile dell'output finale? I programmatori originali? Il fornitore di potenza di calcolo? Questa ambiguità legale è esattamente il tipo di cosa che fa scrollare le spalle ai venture capitalist negli Stati Uniti e spinge quelli in Germania a consultare le proprie polizze assicurative. È una differenza fondamentale nella propensione al rischio che continua a definire il divario atlantico.
La velocità di questo accordo — quattro mesi da zero a mezzo miliardo — è sintomo di un mercato terrorizzato all'idea di perdere il prossimo cambiamento epocale. Riecheggia i primi giorni della corsa allo spazio, dove l'obiettivo non era necessariamente avere un modello di business sostenibile, ma raggiungere la destinazione prima dell'altra parte. In questo caso, la destinazione è un'intelligenza autonoma che può lavorare 24 ore su 24, 7 giorni su 7, alla propria evoluzione. Se Recursive Superintelligence avrà successo, il prezzo di 500 milioni di dollari sembrerà un errore di arrotondamento. Se falliranno, sarà ricordato come il picco della Seconda Bolla dell'IA: un momento in cui abbiamo valutato il sogno di una macchina capace di pensare da sola a un prezzo superiore alla maggior parte delle aziende che costruiscono effettivamente cose per le persone.
La Silicon Valley ha deciso che il modo più intelligente per costruire il futuro è lasciare che sia il futuro a costruire se stesso. L'Europa sta ancora aspettando che i documenti vengano presentati in triplice copia.
Comments
No comments yet. Be the first!