Lo sviluppo esponenziale dell’intelligenza artificiale potrebbe essere arrivato a un punto di svolta critico. Secondo Neema Raphael, Chief Data Officer di Goldman Sachs, i modelli AI più avanzati hanno già esaurito l’intera riserva di dati “liberamente accessibili” disponibili su internet, una risorsa fondamentale per il loro addestramento.
Intervenendo nel podcast “Exchanges” della banca d’investimento, Raphael ha spiegato che questa carenza di dati freschi e di alta qualità sta già influenzando la costruzione dei nuovi sistemi e potrebbe rallentare i progressi nel breve-medio periodo. Per sopperire a questa mancanza, gli sviluppatori stanno ricorrendo sempre più spesso all’uso di dati sintetici, ovvero informazioni (testo, immagini, codice) generate da altri modelli di intelligenza artificiale già esistenti.
Questo approccio, tuttavia, nasconde un rischio significativo. Addestrare continuamente i modelli su dati artificiali può innescare un processo di degrado qualitativo, portando a risultati sempre meno accurati e più distanti dal mondo reale, un fenomeno a volte definito “AI slop“.
Secondo Raphael, la vera frontiera per il futuro sviluppo dell’AI non è più il web pubblico, ma la vasta quantità di dati proprietari non ancora sfruttati, custoditi all’interno delle aziende. Informazioni su flussi di trading, interazioni con i clienti e processi specifici potrebbero diventare la nuova linfa vitale per addestrare modelli più precisi e specializzati. La sfida, quindi, si sposta: non si tratta più solo di trovare dati, ma di sbloccare e standardizzare le enormi riserve informative del mondo enterprise per alimentare la prossima generazione di intelligenza artificiale.
Fonte: Goldman Sachs
