La grande riarchitettura

La grande riarchitettura

L'AI come riscrittura dei sistemi, e la promessa di democratizzazione che si scontra con la geometria dell'oligopolio. Karpathy, Dorsey, Sutskever, Altman.

In una settimana di maggio, due notizie sono arrivate quasi nello stesso momento. Andrej Karpathy, uno dei nomi che hanno costruito OpenAI, ha annunciato che si sposta ad Anthropic. E Sam Altman ha offerto due milioni di dollari, in token, a ogni startup della classe corrente di Y Combinator. Centosessantanove aziende, tutte insieme. Sono due gesti molto diversi, ma raccontano la stessa storia. È di questa storia che parla Signal Brief oggi, ventitré maggio duemilaventisei. Cominciamo dal palazzo di San Francisco in cui Karpathy ha scritto il suo ultimo post.

Karpathy l'ha raccontato così, in un post di metà maggio: il software, dice, sta entrando nella sua terza versione. La prima era il codice scritto a mano dai programmatori. La seconda erano le reti neurali, modelli addestrati invece di programmati. La terza, quella di adesso, sono modelli che leggono istruzioni in linguaggio naturale, eseguono azioni, correggono i propri errori. Software 3.0, lo chiama. Non è una metafora — è il modo in cui descrive il lavoro che andrà a fare ad Anthropic.

Stessa settimana, dall'altra parte degli Stati Uniti, Jack Dorsey pubblica un saggio scritto con Roelof Botha. Si intitola "Dalla gerarchia all'intelligenza". L'idea è che un'azienda — quella ideale, secondo loro — non dovrebbe più avere cinque o sei livelli di middle management. Ogni messaggio Slack, ogni pull request, ogni registrazione di una riunione diventa cibo per un modello che impara come funziona l'organizzazione e prende il posto del relay umano. Dorsey immagina seimila dipendenti che riportano direttamente a lui, mediati da una specie di mini-AGI aziendale.

E intanto a Londra, sul palco di Google I/O, Demis Hassabis parla di "piedi della singolarità". La sua frase, letteralmente. Non l'apocalisse, dice, ma una transizione lenta verso un'epoca in cui le macchine fanno scoperte scientifiche. AlphaFold ha già mappato proteine, sta arrivando ai farmaci. Cento malattie curate, dice, sono solo i primi casi di prova.

Tre persone diverse, in città diverse, che dicono fondamentalmente la stessa cosa. L'AI non è uno strumento che si aggiunge a quello che facciamo già. È una riscrittura del modo in cui i sistemi — le aziende, i laboratori, il software stesso — sono costruiti. È un cambio di pianta, non di mobili.

Mi sembra che il paragone giusto sia quello dell'elettrificazione delle fabbriche, all'inizio del Novecento. Per vent'anni, dopo l'arrivo del motore elettrico, le fabbriche continuavano a essere costruite intorno a un grande albero meccanico centrale — solo che invece di farlo girare col vapore, lo facevano girare con un motore elettrico. Il vantaggio era minimo. Poi qualcuno ha capito che il punto era smontare l'albero, mettere un motore piccolo in ogni macchina, e ripensare da capo la disposizione dell'intera fabbrica. Da quel momento la produttività ha cominciato a salire davvero.

Stiamo vivendo qualcosa di simile. Per due anni abbiamo trattato l'AI come un albero meccanico nuovo: la attacchiamo al vecchio software, alle vecchie aziende, ai vecchi flussi. Adesso le persone più attente cominciano a chiedersi: e se invece smontassimo tutto? Karpathy, Dorsey, Hassabis, Simon Willison — ognuno per la sua strada — stanno provando a immaginarlo.

Ma qui arriva la seconda parte della storia, ed è il filo a cui voglio tornare per tutto l'episodio. Mentre si discute di democratizzare l'intelligenza, qualcun altro sta facendo qualcosa di molto più concreto. Sta costruendo recinti. Altman, in quei giorni, ha annunciato i due milioni in token gratuiti a ogni nuova startup di Y Combinator. Non soldi — credito da spendere sulla sua infrastruttura. Centosessantanove aziende che cominciano la loro vita appoggiate sulla sua piattaforma. Elon Musk, nello stesso periodo, prepara la quotazione in Borsa di SpaceX a una valutazione di mille e settecento miliardi di dollari, dopo aver assorbito xAI dentro SpaceX. Lo spazio, l'AI, il lancio, e adesso anche un partito politico. Tutto in mano alla stessa persona.

La domanda che resta sotto, e che nessuna delle dichiarazioni del mese affronta davvero, è semplice. Se l'AI è la riarchitettura di tutto, chi possiede le fondamenta?

Andrej Karpathy ha quarant'anni e una traiettoria che è quasi un riassunto della storia recente dell'AI. Stanford con Fei-Fei Li. Ricercatore alla prima OpenAI. Capo dell'autopilot di Tesla per cinque anni. Poi un ritorno breve a OpenAI, poi due anni di lavoro pubblico — corsi di YouTube seguiti da centinaia di migliaia di persone, libri di codice che spiegavano come si costruisce un modello linguistico dal niente. Una specie di insegnante della repubblica AI.

Il diciannove maggio ha annunciato il suo prossimo passo. Si unisce ad Anthropic, nel team che si occupa dell'addestramento iniziale dei modelli, quello guidato da Nick Joseph. La cosa interessante non è il nome dell'azienda. È quello che ha detto del lavoro. Karpathy userà Claude — il modello di Anthropic, quello che la maggior parte di noi conosce come chatbot — per accelerare la ricerca su come addestrare la prossima generazione di modelli. Cioè: il modello aiuta a costruire se stesso. Un loop di automiglioramento, applicato non a un'applicazione qualsiasi ma alla cosa più costosa e più strategica dell'industria.

È in questa luce che bisogna leggere il post su Software 3.0 di cui parlavamo prima. Per Karpathy l'AI non è un'app, non è un servizio, non è nemmeno una tecnologia nel senso classico. È un nuovo strato che si infila tra l'umano e la macchina, e che si comanda con parole. Il programmatore del futuro, dice, è chiunque sappia gestire bene una finestra di contesto.

Quello che mi colpisce, leggendo le sue cose di queste settimane, è la coerenza. Karpathy non ha cambiato idea da quando lavorava su Tesla. Pensava sistemi anche allora — l'auto come piattaforma di apprendimento, non come somma di sensori. Pensa sistemi adesso. Anthropic è solo lo stadio più grande dove portare la stessa idea: usare l'intelligenza per amplificare l'intelligenza.

Ma c'è un'altra cosa che vale la pena dire, e si collega al filo della giornata. Anthropic, OpenAI, Google. Sono i tre nomi che si scambiano i talenti migliori. Quando Karpathy si sposta, non sta scegliendo tra mille opzioni — sta scegliendo tra tre. Lo stesso fa quasi chiunque, ai livelli alti dell'AI di oggi. La promessa che l'intelligenza sarà ovunque convive con il fatto che, per ora, l'intelligenza migliore vive in tre palazzi molto vicini fra loro. Karpathy ha appena cambiato palazzo. La distanza tra i palazzi non è cambiata.

Jack Dorsey ha avuto due vite pubbliche. La prima è quella di Twitter, l'azienda che ha co-fondato e poi guidato in due epoche diverse. La seconda è quella che vive adesso, alla guida di Block — l'azienda di pagamenti nata come Square, che ha cambiato nome alcuni anni fa per inseguire un'idea più larga.

Ad aprile ha pubblicato, insieme a Roelof Botha di Sequoia, il saggio "Dalla gerarchia all'intelligenza". È da quel testo che veniva l'immagine dei seimila dipendenti che riportano direttamente a un fondatore, con l'AI a fare da traduttore tra tutti. Non è un esperimento mentale: Dorsey lo sta provando dentro Block. Negli ultimi sei mesi ha tagliato il quaranta per cento del personale e ha riconcentrato la strategia su una cosa sola, Bitcoin. Block adesso possiede ventottomilatrecento Bitcoin, vale a dire più o meno due virgola due miliardi di dollari. A maggio ha pubblicato una pagina web aperta — chiunque può consultarla — che mostra crittograficamente quanto Bitcoin Block detiene per i propri clienti e quanto per sé. Una banca trasparente, in pratica.

In parallelo Block ha rilanciato il "faucet" — un programma che regala piccole quantità di Bitcoin a chi lo riceve per la prima volta, in chiave educativa. Cinque milioni di dollari in piccole borse, distribuiti tramite organizzazioni no-profit. E ha integrato Bitcoin nei pagamenti contactless di Square: un terminale, un tocco di telefono, una transazione in Bitcoin senza dover passare per QR code o app dedicate.

La tesi sotto Dorsey è coerente, e vale la pena dirla chiaramente. Lui non sta provando a far diventare il Bitcoin un asset speculativo. Sta provando a farlo diventare un'infrastruttura quotidiana. Allo stesso modo, non sta provando a usare l'AI per fare le stesse cose più velocemente. Sta provando a togliere i livelli di mezzo — manager, intermediari finanziari, processi aziendali — e a sostituirli con qualcosa di diretto.

Disintermediazione è una parola brutta, ma è la parola giusta per descrivere quello che fa. Dorsey crede che la maggior parte dei livelli intermedi che abbiamo costruito negli ultimi cent'anni — middle management, banche, piattaforme — siano lì perché l'informazione costava cara da trasmettere. Adesso che costa quasi niente, propone, possiamo smontarli.

Il dubbio che resta è se l'AI e il Bitcoin, da soli, bastino davvero a smontare tutto. O se finiranno per creare nuovi livelli intermedi, più potenti dei vecchi, con meno persone a guardarli. Ricapitoliamo un attimo, prima di andare avanti. Il filo della giornata è questo: tutti gli attori più attenti dell'AI stanno dicendo, in modi diversi, che siamo davanti a una riarchitettura. Non a un nuovo prodotto. Sotto, però, qualcuno sta tirando recinti molto stretti intorno a chi avrà l'energia, i dati e i modelli per costruirla davvero. Adesso parliamo di chi, di queste due cose, è il critico più radicale.

Ilya Sutskever è uno dei nomi grandi della storia dell'AI moderna. È stato chief scientist di OpenAI per otto anni — quelli decisivi, quelli in cui ChatGPT ha cambiato la conversazione pubblica. L'anno scorso se ne è andato per fondare una nuova azienda, Safe Superintelligence. Il nome dice tutto quello che vuole dire. L'obiettivo è uno solo: costruire un'intelligenza artificiale generale che sia sicura, e non costruire altro nel frattempo. Niente prodotti, niente clienti. Solo ricerca.

A maggio Safe Superintelligence è stata valutata trentadue miliardi di dollari, con tre miliardi raccolti. Sutskever, in alcune interviste recenti, ha riassunto la sua tesi con una frase che vale la pena leggere lentamente. Dice: stiamo passando dall'era dello scaling all'era della ricerca. Tradotto in italiano corrente: per dieci anni la formula è stata semplice. Più dati, più calcolo, modelli più grandi, risultati migliori. Bastava avere i soldi per comprare le carte grafiche. La gara era una gara di portafoglio. Adesso, dice Sutskever, quella formula sta finendo. I dati di internet sono già stati usati. I modelli più grandi non migliorano molto più di quelli appena più piccoli. Il capitale non è più il collo di bottiglia. Sono le idee.

Questa frase è una piccola bomba, anche se non ha fatto notizia come avrebbe meritato. Perché contraddice il modo in cui l'industria si è organizzata negli ultimi due anni — con investimenti da centinaia di miliardi di dollari sull'idea che bastasse continuare a far crescere le cose. E perché viene da uno dei pochissimi che hanno davvero visto i modelli da dentro, dalla loro origine.

Sutskever pensa anche un'altra cosa che merita di essere raccontata. Dice che la sicurezza dell'AI non si può aggiungere alla fine, come un airbag dopo che l'auto è già stata progettata. La sicurezza è una decisione che si prende all'inizio — è il modo in cui scegli di allenare il modello, è quali esempi gli mostri, è cosa lo lasci generalizzare. Se cominci a pensarci dopo, è già troppo tardi.

E poi questo: un'AI veramente generale, secondo lui, dovrebbe continuare a imparare anche dopo essere stata costruita. Come fanno gli esseri umani. Non si addestra in fabbrica e poi si vende. Si addestra, e poi continua a imparare per sempre.

Sutskever in fondo dice una cosa scomoda per tutta l'industria. Che lo scaling era una scorciatoia, e la scorciatoia è finita. Da qui in poi serve di nuovo pensare. E pensare è più lento, e meno scalabile, dei soldi. È esattamente il motivo per cui chi possiede compute, oggi, possiede tempo.

Sam Altman, nello stesso mese, sta facendo una cosa molto diversa. Anzi, sta facendo tre cose molto diverse, e tutte vanno nella stessa direzione.

La prima. Y Combinator ha annunciato che ogni startup della classe corrente — sono centosessantanove aziende — riceverà due milioni di dollari di token OpenAI gratuiti. Tradotto: ogni nuova azienda della batch comincia la sua vita usando l'infrastruttura di OpenAI, gratis. È strutturato come un investimento, ma il punto vero non è l'equity. Il punto è che da qui in poi, quando le aziende di YC dovranno scegliere dove costruire la propria intelligenza artificiale, hanno già un'opzione predefinita. Funziona come quando ai bambini regalano la prima console — non è la console che conta, è il fatto che tutti i giochi successivi gireranno lì.

La seconda. Altman sta progettando una nuova azienda di calcolo, separata da OpenAI ma controllata in larga parte da loro. È la versione due di un progetto che aveva chiamato Stargate. Costruire fisicamente i data center, le centrali elettriche, l'infrastruttura di raffreddamento — tutto quello che serve perché l'AI possa girare a una scala diversa. Sta raccogliendo soldi anche fuori da OpenAI per farlo. Il messaggio implicito è che il vero collo di bottiglia, da qui in poi, non sono i modelli. È l'energia. E lui vuole controllare l'energia.

La terza. A maggio si è chiuso il processo legale tra OpenAI e Elon Musk. Altman ha testimoniato, e in quell'occasione ha ripetuto una cosa che ormai è il suo mantra: nessuno dovrebbe avere il controllo singolo dell'intelligenza artificiale generale. Lo dice da anni. Allo stesso tempo, però, sta costruendo un sistema in cui le startup nuove dipendono dai suoi token, l'industria dipende dai suoi data center, e gli sviluppatori usano i suoi modelli come prima scelta. La distanza tra quello che dice in pubblico e quello che fa in pratica è notevole.

Non sto dicendo che Altman sia in malafede. Sto dicendo qualcos'altro. Sto dicendo che l'AI, per come funziona oggi, è uno di quei mercati in cui la natura tecnologica spinge inevitabilmente verso pochi grandi attori. Costruire un modello di frontiera costa miliardi. Far girare quel modello costa centrali elettriche. Distribuirlo a milioni di sviluppatori costa rete e supporto. Sono tre soglie altissime, e ognuna riduce il numero di chi può saltarla.

Altman non sta facendo niente di scorretto. Sta solo seguendo, con grande lucidità, la geometria del mestiere. E la geometria del mestiere, per ora, dice che l'intelligenza per tutti la possiederanno in tre o quattro.

Prima di chiudere, qualche progetto da tenere d'occhio. Cose concrete che illustrano i fili di cui abbiamo parlato.

Il primo si chiama nanochat, ed è di Karpathy. È un pezzo di codice piccolo, scritto perché un singolo ricercatore — non un'azienda da miliardi — possa addestrare un modello tipo GPT-2 in un paio d'ore, su otto macchine. È un progetto-manifesto: dice che si può fare AI seria anche senza fabbriche. Insieme a nanochat circolano altri due esperimenti minimi suoi: un agente di ricerca in poche centinaia di righe, e l'idea di una specie di Wikipedia personale costruita dentro Obsidian, un editor di note. Il senso è che la conoscenza personale deve restare leggibile, non chiusa dentro un assistente commerciale.

Sull'altra sponda c'è llama.cpp, un software open source che permette di far girare un modello linguistico sul proprio computer. È diventato una specie di standard per chi vuole tenere l'AI in casa. Vitalik Buterin, in alcuni interventi recenti, lo cita come pezzo fondamentale di uno stack "sovrano" — fatto in modo che nessun gigante esterno possa staccarti la spina.

Da Basecamp arriva Omarchy, una versione di Linux curata personalmente da David Heinemeier Hansson. L'idea è semplice: dare a chi viene da Mac o Windows un desktop dove tutto si può modificare e niente è bloccato dietro un contratto. È il lato consumer della stessa idea — riprendersi il controllo della propria scrivania digitale.

Poi c'è ARC-AGI-3, l'ultimo benchmark di François Chollet. Non un test statico ma una serie di giochi su griglia che cambiano ogni volta, per misurare se un modello sa davvero ragionare o solo ricordare. Gli umani prendono cento. I migliori modelli di oggi, lo zero virgola trentasette per cento. Dice qualcosa.

Infine claude-context, un piccolo server che trasforma un'intera base di codice in qualcosa che gli agenti possono consultare velocemente. Sembra noioso, ma è il tipo di mattone che farà la differenza nella prossima generazione di strumenti — perché il vero vantaggio competitivo, sempre più spesso, sarà nel saper usare i modelli, non nel possederli.

L'immagine che voglio lasciare è quella di Karpathy che entra in un palazzo di San Francisco, di Sutskever in un laboratorio a Tel Aviv, di Altman che firma una pagina con centosessantanove nomi sopra. Stanno tutti costruendo la stessa cosa, in modi opposti. È stato Signal Brief. Alla prossima.