Rob Toews, investitore di capitale di rischio presso Radical Ventures, ha condiviso le sue previsioni per l’IA nel 2025:<\/p>\n\n\n\n
1. Meta inizier\u00e0 a far pagare i modelli Llama<\/p>\n\n\n\n
Meta \u00e8 lo standard globale perAI <\/strong>aperta. La decisione di Meta di rendere disponibile gratuitamente il suo modello Llama all’avanguardia rappresenta un business case convincente, mentre concorrenti come OpenAI e Google hanno chiuso il codice sorgente e ne hanno fatto pagare l’utilizzo.<\/p>\n\n\n\n Pertanto, la notizia che Meta inizier\u00e0 a far pagare le aziende per l’utilizzo del suo modello Llama il prossimo anno potrebbe sorprendere molti.<\/p>\n\n\n\n Per essere chiari: non ci aspettiamo che Meta chiuda completamente il codice sorgente di Llama, rendendolo gratuito per chiunque utilizzi il modello.<\/p>\n\n\n\n Ci aspettiamo che Meta renda pi\u00f9 rigidi i termini della licenza open source di Llama, in modo che le aziende di una certa dimensione che utilizzano Llama in contesti commerciali debbano iniziare a pagare per utilizzare il modello.<\/p>\n\n\n\n Tecnicamente, Meta lo ha gi\u00e0 fatto in una certa misura. L’azienda non consente alle grandi aziende (supercomputer cloud e altre aziende con oltre 700 milioni di utenti attivi mensili) di utilizzare gratuitamente il suo modello Llama.<\/p>\n\n\n\n Nel 2023, il CEO di Meta, Mark Zuckerberg, ha dichiarato: “Se sei un’azienda come Microsoft, Amazon o Google e stai essenzialmente rivendendo Llama, allora dovremmo essere redditizi. Non credo che generer\u00e0 molti ricavi. Va bene a breve termine, ma voglio generare ricavi a lungo termine”.<\/p>\n\n\n\n Il prossimo anno, Meta amplier\u00e0 significativamente la gamma di aziende che possono pagare per utilizzare Llama, includendo pi\u00f9 grandi e medie imprese. Mantenere un’avanguardia nella tecnologia dei modelli linguistici di grandi dimensioni (LLM) \u00e8 costoso. Meta deve investire miliardi di dollari all’anno per mantenere Llama aggiornato con i modelli pi\u00f9 recenti di aziende comeOpenAI <\/strong>e Anthropic.<\/p>\n\n\n\n Meta \u00e8 una delle aziende pi\u00f9 grandi e meglio finanziate al mondo. Ma \u00e8 anche una societ\u00e0 quotata in borsa e, in ultima analisi, deve rendere conto agli azionisti.<\/p>\n\n\n\n Con l’aumento dei costi di sviluppo di modelli all’avanguardia, sta diventando sempre pi\u00f9 insostenibile per Meta investire cos\u00ec tanto denaro nell’addestramento della prossima generazione di modelli Llama senza aspettarsi di trarne profitto.<\/p>\n\n\n\n Per il prossimo anno, i modelli Llama continueranno a essere disponibili gratuitamente per hobbisti, accademici, singoli sviluppatori e startup. Tuttavia, Meta non inizier\u00e0 a considerare seriamente la redditivit\u00e0 di Llama prima del 2025.<\/p>\n\n\n\n 02. Il problema della “legge di scala”<\/p>\n\n\n\n Nelle ultime settimane, l’argomento pi\u00f9 discusso nella comunit\u00e0 dell’IA \u00e8 stata la legge di scala e la sua possibile scomparsa.<\/p>\n\n\n\n La legge di scala \u00e8 stata descritta per la prima volta in un articolo diOpenAI <\/strong> del 2020. Il suo concetto di base \u00e8 semplice: man mano che si addestra un modello di IA, all’aumentare del numero di parametri del modello, della quantit\u00e0 di dati di addestramento e della quantit\u00e0 di elaborazione, le prestazioni del modello miglioreranno in modo affidabile e prevedibile (tecnicamente, la sua perdita di test diminuir\u00e0).<\/p>\n\n\n\n Da GPT-2 a GPT-3 a GPT-4, i significativi miglioramenti delle prestazioni sono stati attribuiti alla scalabilit\u00e0.<\/p>\n\n\n\n Come la Legge di Moore, la legge di scalabilit\u00e0 in s\u00e9 non \u00e8 una legge, ma semplicemente un’osservazione empirica.<\/p>\n\n\n\n Una serie di report pubblicati il \u200b\u200bmese scorso indica che, man mano che i laboratori di intelligenza artificiale continuano a sviluppare modelli linguistici di grandi dimensioni, le loro prestazioni stanno diminuendo. Questo, in parte, spiega i ripetuti ritardi nel rilascio di GPT-5 di OpenAI.<\/p>\n\n\n\n La controargomentazione pi\u00f9 comune alla stagnazione della legge di scalabilit\u00e0 \u00e8 che l’avvento del test-run computing ha aperto una dimensione completamente nuova nell’esplorazione della scalabilit\u00e0.<\/p>\n\n\n\n