15 idee chiave che modellano il futuro dell'IA - e perché sono importanti oggi

L'immaginazione popolare sta attualmente definendo il futuro come una marcia inesorabile e implacabile verso l'età di Skynet, Hal 9000 e R2-D2. La realtà è più sottile e più esigente. e Poco si dice sul sottile equilibrio dell’evoluzione tecnologica continua necessaria per mantenere vivi questi sogni. Intelligenza artificiale generale Superintelligenza artificiale Intelligenza artificiale generale Superintelligenza artificiale Infatti, man mano che i modelli crescono in complessità e richieste computazionali, gli esperti stanno avvertendo che le tecnologie fondamentali che consentono lo sviluppo di AI potrebbero presto non evolvere abbastanza velocemente per creare qualcosa di meglio del modello o3 di OpenAI. Qualsiasi debolezza strutturale che circonda questi elementi fondamentali del presente e del futuro dell’IA potrebbe rovesciare ambizioni che potrebbero già essere state raggiunte. . Il territorio di Bubble Prima di tutto, abbiamo bisogno di un quadro L’intelligenza artificiale su larga scala è meno una singola meraviglia che una corsa di relai di tecnologie interlocking. Per gli scopi di questo articolo, gli interlocutori necessari per avere modelli di AI funzionanti sembrano approssimativamente questo: Una I dati crudi e i diritti delle persone che li hanno prodotti Il silicio e i suoi abilitatori di memoria Modelli di architettura e i trasformatori che li alimentano Substrati di distribuzione, dalla griglia energetica ai dispositivi edge Le linee di governance per evitare che il circo si bruci I dati crudi e i diritti delle persone che li hanno prodotti Negli ultimi mezzo decennio, Internet ha offerto OpenAI, Google, Meta, Anthropic e i loro colleghi l'accesso a un database gratuito e ampio per formare i loro professionisti. è Ma la festa è ormai quasi finita; l’Internet potrebbe essere troppo piccolo per che AGI possa emergere, e i regolatori stanno iniziando a preoccuparsi della privacy dei dati quando i dati vengono raccolti direttamente dagli utenti. Modelli di fondazione Giudici I corpi sintetici sono necessari per creare set di allenamento infiniti I corpi sintetici sono necessari per creare set di allenamento infiniti Invece di fare affidamento sui dati creati dall’uomo, Questo consente loro di produrre punti dati illimitati senza uscire o compromettere le informazioni sensibili. Questo è particolarmente potente in ambienti in cui i grandi set di dati non sono disponibili (sanità, finanza, sviluppo di veicoli autonomi, ecc.). E sì, c’è una cattura. Le aziende di AI ora usano l'IA per creare testi e immagini per altri modelli da imparare Il corpo sintetico Se i dati creati da un modello per addestrare un altro è impreciso, e quei difetti sono consentiti di cascata senza la correzione umana, la formulazione e le idee si ritroveranno rapidamente su se stessi. : ogni generazione una fotocopia più sfocata, errori e cliché che si aggravano fino a quando la scala da sola non può comprare miglioramenti. Il modello collassato La Guardia Civil, sotto forma di La variabilità, i cicli di raffreddamento dei dati umani e i filtri sono essenziali per evitare che il pozzo venga avvelenato. Dominio ricco Perché è importante*:* Se il corpo sintetico non è ben implementato (come è indubbiamente necessario), i grandi modelli di domani colpiranno un soffitto duro indipendentemente da quanto calcolo li buttiamo. Perché conta L'apprendimento federato è necessario per rispettare la privacy dei dati L'apprendimento federato è necessario per rispettare la privacy dei dati I dati creati dall'uomo saranno sempre necessari, ma questo significa che dobbiamo abbandonare l'idea della privacy per servire l'omnipotente qualcosa? I nostri dispositivi potrebbero insegnare modelli “shared” di intelligenza artificiale sui dispositivi stessi, eliminando la necessità di inviare i dati crudi indietro a un grande data center. L’apprendimento federale In questo processo, vengono inviate indietro solo le “lekzioni imparate” del modello (minuscole aggiornamenti di peso, non le foto crude o i messaggi), quindi nulla di personale mai lascia il dispositivo. FHE è come una scatola bloccata che il server può agitare senza mai aprire; può calcolare i nuovi pesi del modello sui numeri crittografati e non vedere mai ciò che c'è dentro. Crittografia completamente omomorfica Infine, è possibile ridurre ogni aggiornamento con , che memorizza solo le istruzioni di aggiustamento più importanti invece di riscrivere l'intero modello. che mantiene i file abbastanza piccoli per i telefoni con larghezza di banda e memoria modesta. Adattamento low-rank Insieme, questi trucchi consentono a milioni di dispositivi di co-trainare un potente modello linguistico, mantenere i dati di tutti privati e farlo in modo sufficientemente efficiente per scalare. Perché è importante*:* Skynet non ha bisogno di accadere. Imparando sulle nostre opzioni sulla privacy, possiamo influenzare il futuro dell'IA e chiedere alle grandi aziende di AI di fare il giusto per noi. Perché conta Le tecnologie che migliorano la privacy possono aiutare a costruire migliori guardie Le tecnologie che migliorano la privacy possono aiutare a costruire migliori guardie Se l'apprendimento federato non è ampiamente implementato, le aziende possono rivolgersi a Il rumore è regolato in modo che il modello AI ancora impara modelli ampi (come si diffondono i virus, come appare un acquisto, ecc.), ma nulla può essere rintracciato al registro medico di una persona o al carrello d'acquisto. Privacy differenziata Esistono altre due principali tecnologie che migliorano la privacy: (diversi cucinano ciascuna parte di una ricetta segreta e cucinano la torta insieme senza che uno stesso cuoco veda l'intera ricetta) (una piccola scatola creata all'interno di un chip: i dati entrano, il calcolo avviene nella scatola, i risultati uscono, i dati rimangono nella scatola). Sicurezza informatica multiparty Ambiente di esecuzione affidabile Più rumore o crittografia più pesante significa un trade-off sulla privacy contro l’accuratezza, oltre a colpi di prestazioni e bollette energetiche più alte del previsto. Perché conta*:* La privacy differenziale e altre tecnologie che migliorano la privacy consentono alle aziende di condividere e addestrare l’IA senza condividere segreti crudi.Ma i pulsanti devono essere impostati con cura, bilanciando la privacy, la velocità e la precisione.Dobbiamo lottare per più privacy, pur tenendo presente che la risposta delle aziende sarà “OK ma peggiorerà l’algoritmo”.Quando dicono questo, dovremmo ricordare loro che sono quelli con il fardello dell’innovazione. Perché conta Il silicio e i suoi abilitatori di memoria Il silicio (anche conosciuto come chip, semiconduttori, GPU, ecc.) è dove l’IA “accade”. di queste piccole meraviglie tecnologiche, che ora si trovano al centro di molte discussioni geopolitiche. Si rallenta e L'industria ora si trova di fronte a una scelta: ridisegnare il silicio o ridisegnare le aspettative. Tutti i libri sono stati scritti La legge di Moore Scala di Dennard I chip neuromorfici possono ridurre l'uso di energia e consentire il calcolo su dispositivi I chip neuromorfici possono ridurre l'uso di energia e consentire il calcolo su dispositivi Nvidia Ma potrebbe non essere il vincitore in 10 anni. aziende come di e Siamo andati in una direzione completamente diversa per i GPU: . è riuscito a catturare oltre il 90% del mercato degli acceleratori AI BrainChip di Intel di IBM Architettura neuromorfica Ispirato alla struttura biologica del cervello, questo modo di costruire chip offre un'alternativa più efficiente e adattabile alle GPU tradizionali. Immagina un milione di farfalle in un campo oscuro. Una GPU costringe ogni bug a flash in lock-step, indipendentemente dal fatto che ci sia qualcosa di interessante da segnalare. La maggior parte del campo quindi rimane buio... e la loro forza dura tutta la notte. sedersi in silenzio fino a quando non avranno bisogno di passare un "spike" di un bit sulla linea, in modo che l'intero tavolo funzioni . ha Spionaggio 2 sullo stesso succo come una lampadina domestica In pratica questo significa occhiali che possono tradurre il linguaggio dei segni o un drone tascabile che eluda autonomamente i rami.Il hardware ascolta i sussurri invece di urlare attraverso un megaphone, e i risparmi di potenza sono enormi. Perché è importante*:* La potenza cognitiva a basso costo ovunque significa anche più giocattoli di sorveglianza, quindi il dibattito sociale si sposta da “si può gestire il modello?” a “si dovrebbe gestirlo affatto?”. Perché conta Le scoperte di memoria sono necessarie più di qualsiasi altra cosa Le scoperte di memoria sono necessarie più di qualsiasi altra cosa Anche la GPU più veloce si trasforma in un peso di carta molto costoso nel momento in cui deve aspettare i dati. Un chip non può fare B se un altro sta ancora lavorando su A, o se il messaggio che A è fatto richiede età per arrivare. “E questo è dove Vieni dentro Muro di memoria Alta larghezza di banda di memoria La sua quarta iterazione (HBM4, prevista per il 2026) è specificamente ottimizzata per l'uso in ambienti di calcolo ad alte prestazioni, fornendo il doppio di informazioni al secondo rispetto all'HBM3. : se questa sezione sembra breve, è perché spiega cosa e Ci vogliono altre 500 parole. NB Il dramma Il computer dice Perché è importante*:* Se la tecnologia fallisce, colpiremo un muro in cui i modelli più grandi aspettano solo la memoria; i progressi si fermano anche con le GPU più chiare. Perché conta L'integrazione su scala Wafer potrebbe risolvere molti problemi di latenza (ma creerebbe problemi di energia) L'integrazione su scala Wafer potrebbe risolvere molti problemi di latenza (ma creerebbe problemi di energia) Se ci vuole troppo tempo per passare le informazioni da un chip all'altro, perché non unirle in un chip molto grande? . Integrazione a scala wafer In termini pratici, questo significa che un modello trillion-parametro può sedersi su un singolo chip invece di essere disperso su 16 schede GPU e un tessuto di rete bizantino. Non è solo teoria: Questa architettura consente una latenza 10 volte più bassa per Questa è la buona notizia per le aziende che pianificano prodotti con capacità di intelligenza artificiale.Tuttavia, questi chip hanno bisogno di molta potenza: fino a 30 GPU NVIDIA H100. Questo rende la matematica piuttosto complessa sui pro e sui contro, e forse solo casi di utilizzo molto specifici. Cerebras Systems sta costruendo un processore con 900.000 core e 7.000 volte la larghezza di banda della memoria rispetto alle principali GPU Generazione di Inferenza Perché è importante*:* Se la scala wafer si dimostra affidabile, i tempi di formazione diminuiranno da settimane a ore e l’esperimentazione prospererà. Perché conta Modelli di architettura e i trasformatori che li alimentano Modern generative AI systems are powered by a neural‑network architecture called I trasformatori lavorano utilizzando una tabella interna (il " che chiede, per ogni parola nell’ingresso, ” Trasformatori Meccanismo di attenzione Quanto devo prestare attenzione ad ogni altra parola? Questo meccanismo significa che il lavoro di calcolo richiesto aumenta quadratticamente con la dimensione delle query. 3 parole significano 9 connessioni, 4 significano 16, 5 significano 25, e così via. I trasformatori differenziali rendono i meccanismi di attenzione “più intelligenti” I trasformatori differenziali rendono i meccanismi di attenzione “più intelligenti” Mentre i trasformatori classici “prestano attenzione” a tutte le parole, , riducendo automaticamente il volume sui segnali irrilevanti, in modo che si distinguano solo le informazioni utili. Le tecniche differenziali applicano prima l’attenzione alla cancellazione del rumore Il concetto introduce anche " Permette al sistema di etichettare attivamente le coppie di token che dovrebbero allontanarsi l'una dall'altra, aiutando il modello a evitare connessioni false piuttosto che semplicemente pagare loro meno attenzione. Attenzione negativa Infine, il processo formativo Tra di loro” Insieme, questi aggiustamenti consentono al modello di imparare più velocemente, utilizzare la memoria in modo più efficiente e fornire risultati più accurati e coerenti. Penalizzare i comportamenti duplicati Attenzione capi Perché è importante*:* I trasformatori differenziali consentono meno allucinazioni, un richiamo più nitido nel lungo contesto e il 30% al 40% in meno di calcolo per la stessa precisione nei LLM di piccole e medie dimensioni. Questo riduce i costi finanziari e di carbonio della costruzione di sistemi linguistici potenti, estendendo l'accesso al di là dei laboratori più ricchi. Perché conta I modelli di stato-spazio creano una ricorrenza “senza attenzione” I modelli di stato-spazio creano una ricorrenza “senza attenzione” Mentre i trasformatori "regolari" rileggono l'intera conversazione ogni volta che aggiungono una nuova parola (come qualcuno che torna alla pagina 1 prima di scrivere ogni frase) modelli di stato-spazio (ad esempio, Mamba, S4) Ciò significa che il raddoppiamento di un prompt raddoppia solo il lavoro (piuttosto che l'alternativa quadrata). Portare avanti un “stato” appreso Questi modelli tagliano anche i lunghi prompti in pezzi di dimensioni di morso che le GPU possono masticare in parallelo, quindi incollano i pezzi di nuovo insieme in modo che la risposta sia identica a ciò che potrebbe essere stato realizzato altrimenti, ma arriva molto più velocemente. L'intero aggiornamento si adatta all'interno di un insieme di istruzioni strettamente confezionato, eliminando i tour di memoria. Poiché può ricomputare piccoli pezzi sulla mosca, difficilmente memorizza nulla nella memoria lenta, il che riduce il consumo di energia. Perché è importante*:* Insieme, questi trucchi permettono agli assistenti di domani di digerire flussi molto, molto più lunghi (podcast lunghi di ore, chat lunghi di settimane, ecc.). Perché conta I trucchi di mix-of-Experts consentono più parametri I trucchi di mix-of-Experts consentono più parametri E poi, abbiamo i trucchi di Mixture-of-Experts, che fondamentalmente accendono solo le parti di una rete (gli esperti) che contano per un dato prompt. Senza ridurre la qualità. Ridurre le tasse di formazione del 40% Mentre chiarire ciò che l’attenzione sta già facendo e I modelli sostituiscono completamente l'attenzione con qualcosa che scala in modo lineare, MOE aggiunge la capacità scarsamente in modo che solo i più rilevanti fuochi di sotto-network per token. Insieme segnano tre scommesse ortogonali sul futuro: attenzione più intelligente, ricorrenza senza attenzione e scalabilità intelligente. Trasformatori differenziali Stato-spazio Tuttavia, tutti quegli esperti dormienti devono ancora vivere nella memoria della GPU, i router devono giocare con i token per evitare gli esperti "caldi". Perché è importante*:* I progressi nell’efficienza fanno parte del mantra “la scala è tutto ciò di cui hai bisogno”, potenzialmente democratizzando la creazione di modelli di fondazione molto grandi. Why it matters Substrati di distribuzione, dai dispositivi edge alla rete energetica L’AI è spesso pensato come incorporeale. È, dopo tutto, un algoritmo. Non ha peso. Non si può toccare. Tuttavia vive molto nel mondo reale. Funziona su dispositivi. Ha bisogno di energia per diventare vivo. E quella energia rende i dispositivi caldi, richiedendo nuovi e innovativi tipi di raffreddamento. I dispositivi Edge mettono i modelli generativi nella tasca I dispositivi Edge mettono i modelli generativi nella tasca Dalla creazione delle GPU, i modelli hanno vissuto nel cloud, che vive in se stesso nei data centers fisici.In questo mondo, ogni prompt richiede un tour-trip al cloud. (il che significa che si potrebbe usare un LLM anche in modalità aereo). phones and laptops are shipping with processing units that can handle inference locally Il framework, ad esempio, consente alle app Android di chiamare un modello di fondazione tagliato in millisecondi. nessuna rete, nessuna tassa server e garanzie di privacy più severe. Il nuovo Gemini Nano di Google Questi sviluppi non cambiano la matematica dell'IA, ma alimentano altri progressi necessari: i capi di attenzione più intelligenti tagliano i rifiuti computazionali, la ricorrenza dello stato-spazio taglia il costo del contesto e gli "esperti" mantengono la maggior parte dei parametri freddi fino a quando non sono necessari. On‑device inference eliminates the latency and privacy penalties of the cloud, drops serving costs to zero, and spreads powerful AI to billions of phones and low‑cost PCs. It enables always‑available assistants in areas with poor connectivity, keeps sensitive data (health logs, camera feeds) local by default, and reduces the embodied carbon of every token generated. This is all good news for us, maybe bad news for pure AI players, who would not be able to charge a monthy fee to users (but rather a one-off). ****: Why it matters Perché conta La modernizzazione della rete e l'approvvigionamento flessibile della potenza mantengono le luci La modernizzazione della rete e l'approvvigionamento flessibile della potenza mantengono le luci Abbiamo bisogno E abbiamo bisogno di riscaldare le nostre case e mantenere in funzione le fabbriche.Ma le “autostrade” ad alta tensione che forniranno quell’energia in più sono già congestionate. Se i cavi non si accumulano così velocemente come il silicio, le GPU rimarranno intrappolate o vuote, e i nostri sogni di Ai rimarranno anni, se non decenni. a lot l'attesa media per collegare una nuova fonte di energia alla rete elettrica è di cinque anni Three parallel options are emerging to unblock the situation: Le tecnologie di rafforzamento della rete (rating dinamico delle linee, ottimizzazione della topologia, conduttore avanzato...) sbloccherebbero la capacità nascosta sulle infrastrutture esistenti in mesi, non decenni. Micro-grid “parchi energetici” stanno emergendo sotto forma di campus autonomi che accoppiano centinaia di megawatt di carico di AI con collocato eolico, solare, batterie e a volte idrogeno. On‑site nuclear energy is also very much the news of the day. . . These projects swap long queue times for dedicated, 24/7 carbon‑free electricity. But how much do we trust these players with nuclear power? Google signed the world’s first corporate SMR deal with Kairos Power in 2024 Microsoft inked a 20‑year contract to restart Three Mile Island Unit 1 for its East‑Coast clouds Insieme, queste tattiche comprano tempo, ma non per sempre. Perché conta: se l'energia verde illimitata diventa realtà, l'intelligenza artificiale può continuare a scalare senza far cadere gli obiettivi climatici o fallire le aziende elettriche. perdete la finestra e otteniamo moratori (Dublino ne ha già uno), budget IT sprecati e un aria più sporca come i principali giocatori non esiteranno a utilizzare generatori diesel che creano energia elettrica per colmare la lacuna. Perché è importante: Le innovazioni di raffreddamento rimuovono la barriera del calore Le innovazioni di raffreddamento rimuovono la barriera del calore In primo luogo, l’intelligenza artificiale è resa possibile attraverso l’elaborazione di unità. In secondo luogo, queste unità richiedono sempre più energia per lavorare su algoritmi sempre più complessi. Insieme: l'elettricità portata al potere AI crea calore. L’energia non può essere creata o distrutta. Per un po ', i fan sono stati in grado di fare il lavoro, ma ora non sono più sufficienti, e il raffreddamento liquido deve essere implementato in tutto il board, nella maggior parte dei data center AI. e , ad esempio, scambiare i fan del server per piatti freddi o bagni che spostano il calore 1.000 volte più velocemente dell'aria. Diretto a chip Immersione raffreddamento Il raffreddamento liquido è, per definizione, anche una storia di accesso all'acqua. il raffreddamento evaporativo (il calore rende il vapore che va nell'aria) può (come una città di 25.000 abitanti). Sono necessarie per garantire che una risorsa che è già in scarsa fornitura non sia monopolizzata dai padroni dell'IA. fino a 5 milioni di galloni al giorno Loop chiuso Infine, una volta che il calore generato dal calcolo viene assorbito dall'acqua, diventa una caratteristica, non un bug. , . Il campus Paris PA10 di Equinix riscalda il Centro Aquatico Olimpico mentre il sito di Odense di Meta riscalda già 11.000 case danesi Perché è importante: il raffreddamento a crack e tutti gli altri elementi della catena del valore di AI (super-pod, tessuti di memoria, inferenze senza server...) hanno spazio per respirare.L'efficienza migliora, la griglia aumenta, l'uso dell'acqua si riduce e il dividendo di scarto-calore acquista licenze sociali in città già attente all'impronta dell'IA. Ignoratelo e stiamo schiacciando miliardi di silicio che non possono funzionare senza sciogliere il posto. Perché conta Le linee di governance per evitare che il circo si bruci Le politiche, le reti di sicurezza sociale e le regole transfrontaliere formano la gabbia esterna che permette alla macchina interna di funzionare senza scatenare rivolta o sanzioni. La politica stabilisce il tono per tutto La politica stabilisce il tono per tutto L’intelligenza artificiale è pericolosa.Questo è solo un fatto.Gli strumenti creati oggi sono già usati per e due e due Le leggi sono necessarie. La diffusione delle fake news Incoraggiare l’autolesionismo Riproduzione dei bias Entro l’agosto 2026, qualsiasi sistema “ad alto rischio” (credito, assunzione, medico, ecc.) dovrà chiarire un audit esterno. , quindi le agenzie federali ora si affidano al quadro di rischio volontario (lol) NIST mentre . La legge dell’Europa L'amministrazione del 2025 ha rovesciato parti del precedente ordine di sicurezza della Casa Bianca Stati come il Colorado passano le proprie regole vincolanti Le etichette di uscita sono anche sotto un microscopio. Entrambi insistono sui marchi d'acqua visibili e le etichette di provenienza nascoste in modo che i deepfakes possano essere tracciati in tribunale con la stessa facilità che viaggiano online. Atto dell’Unione Europea Infine, i regolatori hanno iniziato a smascherare il hardware. il Dipartimento del Commercio degli Stati Uniti ora richiede una licenza L’Europa sta redigendo un “logbook di calcolo” simile. for some chips and training runs Perché è importante: c'è una ragione per cui gli strumenti di compliance stanno rapidamente diventando un mercato redditizio. gli audit, le etichette e i controlli dei chip sono diventati un vero e proprio costo come le GPU. I giocatori AI devono adattarsi. Perché conta I cuscini socio-economici sono chiaramente necessari 14. Social‑economic cushions are clearly needed Anche il silicio più intelligente non può superare la resistenza politica se i lavoratori si sentono scartati. I paesi che hanno sopravvissuto alle precedenti ondate di automazione mostrano una formula ripetibile: mercati del lavoro flessibili in concomitanza con generose reti di sicurezza e rigenerazione incessante. Per esempio, consente alle aziende di assumere e licenziare il personale con un minimo di nastro rosso, mentre l’assicurazione contro la disoccupazione, i regimi di sostituzione dei salari e la ristrutturazione rapida attenuano il colpo del licenziamento. Programma, permettendo a qualsiasi lavoratore di metà carriera di spendere crediti su micro-confidenziali legati all'IA nel momento in cui il loro lavoro muta. Il modello “flexicurity” della Danimarca Futuro abilità A livello comunitario, La società sta già sottoscrivendo ponti salariali, codificando campi di boot e sovvenzioni per le start-up nelle regioni più esposte ai disordini. Nel frattempo, il CHIPS Act degli Stati Uniti e i crediti fiscali del Giappone stanno scavando fondi simili dall'altra parte del mondo. Il meccanismo di transizione equa €19B Perché è importante: più i lavoratori sfollati hanno un nuovo salario, meno ossigeno c'è per il populismo anti-tecnologico, le tasse punitive o le moratorie sulla copertina. i cuscini economici comprano la società il tempo necessario per adattarsi, preservare la domanda dei consumatori e mantenere intatta la licenza politica per l'esperimentazione AI. Perché conta La coordinazione internazionale è necessaria più che mai La coordinazione internazionale è necessaria più che mai La governance perde il morso ai margini dell’acqua.Riconoscendo questo, il G7 ha lanciato il “ ”, un codice volontario (lol) che chiede ai firmatari di etichettare i contenuti sintetici, pubblicare valutazioni di sicurezza e installare hotline per la segnalazione di incidenti. Hiroshima Process Le Nazioni Unite hanno anche convocato un Corpo consultivo ad alto livello per saldare le norme nazionali in una tassonomia di rischio condivisa e redigere il progetto per un quadro globale di governance dell'IA. Nel frattempo, gli Stati Uniti, i Paesi Bassi e il Giappone hanno rafforzato i controlli sulle esportazioni di litografia ultravioletta estrema, proprio come la Cina chiede un'agenzia internazionale di coordinamento dell'IA per l'abuso di modelli di polizia. Perché è importante: senza uno strato minimo di armonizzazione, le aziende migreranno alla giurisdizione più laxa, gli attori avversari addestreranno i modelli di linea rossa in segreto, e gli stati sicuri di AI diventeranno bersagli di spionaggio succosi. Perché conta Trattare i progressi basati sulle prestazioni dei modelli AI è comodo ma ingannevole. I cerebrali possono schiacciare una rete di trillioni di parametri in ore, ma senza la larghezza di banda HBM4 affonda. L'apprendimento federato preserva la privacy, ma senza architetturi scarse la batteria del telefono muore cercando. Ogni collegamento moltiplica, piuttosto che aggiungere, il valore lungo la catena; la debolezza ovunque devaluta tutto in alto. La scheda di punteggio di un decennio leggerà quindi meno come “AI ha vinto, AI ha perso” e più come “ha aggiornato abbastanza link nel tempo?” . Forse In ogni caso, l'unica previsione affidabile è che la prossima svolta sembrerà sospettosamente noiosa a prima vista. Buona fortuna là fuori.