Le GPU e la scommessa di Nvidia
Per lungo tempo le reti neurali sono state poco utilizzate, prima perché difficili da addestrare e poi perché l’algoritmo di addestramento richiedeva una notevolissima potenza di calcolo. Per cui, le prime reti neurali erano molto semplici e di piccole dimensioni (cioè con pochi parametri). Di conseguenza, non erano particolarmente utili: altri modelli definiti nell’ambito del Machine Learning erano ritenuti più interessanti.
Poi, nei primi anni 2000, Nvidia introdusse nelle proprie GPU gli shader programmabili. Uno shader è un programma eseguito dalla GPU per calcolare la posizione geometrica e il colore di ogni pixel di una scena 3D. A differenza dei circuiti grafici originali, in cui la logica era fissa e non modificabile, gli shader consentivano al developer di programmare liberamente questi calcoli. La caratteristica cruciale era che la GPU eseguiva lo shader in parallelo su migliaia di pixel simultaneamente. È proprio questa architettura massivamente parallela che ha ispirato l’uso delle GPU per il calcolo numerico intensivo.
Però il calcolo doveva comunque essere riscritto in modo tale che la GPU lo eseguisse come se fosse uno shader che lavora su pixel. La mossa decisiva e consapevole verso l’uso delle GPU come acceleratori general-purpose fu l’introduzione di CUDA (2006). Con CUDA, Nvidia:
- Eliminò la necessità di “travestire” il calcolo come se fosse uno shader.
- Fornì un modello di programmazione diretto e astratto.
- Costruì un vastissimo ecosistema di librerie ottimizzate per il calcolo scientifico e poi per il Deep Learning. Il Deep Learning (o apprendimento profondo) è un sottocampo del Machine Learning, basato su reti neurali “a più livelli”, che consente di apprendere dai dati grezzi (mentre le tecniche tradizionali imponevano una “premasticatura” dei dati, che il progettista doveva definire ad hoc).
.
Oggi le GPU sono diventate essenziali per utilizzare i modelli di AI e Nvidia, grazie alla scommessa di CUDA, è al momento il vendor dominante. AMD e altri sono in perenne rincorsa, con esiti alterni. Aziende come Google si stanno attrezzando con acceleratori progettati in casa (Tensor Processing Unit – TPU), e acceleratori specifici sono presenti in molte CPU (per esempio, le CPU Apple Silicon, serie A e M, alcuni processori di Intel e AMD).
I moderni modelli generativi
La disponibilità di potenza di calcolo a livelli mai visti prima ha consentito lo sviluppo dei moderni modelli generativi. Si tratta di reti neurali che, dopo essere state addestrate su enormi quantità di dati, possono creare contenuti originali e realistici come testi, immagini, audio e codice.
Ecco un elenco, probabilmente parziale, di task che i moderni modelli generativi basati su reti neurali permettono di affrontare:
- Interagisce con l’utente in una chat; è in grado di rispondere a domande complesse, risolvere problemi, eseguire inferenze logiche, ecc. Si noti che il modello risponde alle domande utilizzando l’informazione che ha incorporato in fase di addestramento. Quindi, informazioni più recenti di una certa data (detta data di cut-off) non sono disponibili. Inoltre, l’utente non ha modo di verificare l’autenticità delle informazioni fornite dal modello: problemi come l’allucinazione sono difficili da riconoscere e risolvere.
- RAG (Retrieval Augmented Generation), per mitigare i problemi derivanti dal cut-off e dall’allucinazione. Il sistema, quando deve generare una risposta, esegue una ricerca in un archivio di documenti (continuamente aggiornato, con una modalità simile a quella adottata dai motori di ricerca). La risposta si basa sulle informazioni trovate in questo archivio, e contiene i riferimenti ai documenti utilizzati per generarla; in questo modo l’utente può verificare che la risposta non contenga informazioni allucinate.
- Traduzione automatica. Le reti neurali hanno avuto un impatto notevolissimo su questo settore, fornendo prestazioni impensabili con i metodi tradizionali.
- Correttore ortografico. Qui l’impatto delle reti neurali è stato minore, ma ha comunque permesso di aumentare la qualità dei correttori.
- Creazione di riassunti. Creare riassunti in modo automatico è tradizionalmente un compito ostico. Qui le reti neurali hanno permesso di compiere un incredibile passo avanti.
- I sistemi di trascrizione automatica della voce (Automatic Speech Recognition – ASR) esistono ormai da molti anni, e sono nati ben prima che le reti neurali conoscessero il successo attuale. Tuttavia, negli ultimi anni, gli ASR neurali sono diventati la norma e hanno dimostrato di surclassare le tecniche utilizzate in precedenza. Sono anche in grado di separare voci diverse, all’interno della stessa registrazione, assegnando ogni frase al parlatore corretto (diarization).
- Come per gli ASR, i sistemi di generazione del parlato (Text-to-Spech – TTS) esistono da molti anni, ma i TTS neurali hanno rivoluzionato il settore, aumentando in modo impressionante la qualità della voce sintetica. In sostanza, permettono di:
- Generare una voce sintetica.
- Generare una voce sintetica, clonando la voce di una persona, a partire da registrazioni (anche brevi) della persona stessa (con i conseguenti problemi di deep fake).
- Riconoscimento di oggetti in immagini. Anche in questo campo, le reti neurali hanno permesso di raggiungere un’accuratezza sconosciuta alle metodologie tradizionali. In particolare, il riconoscimento facciale è passato dallo status di fantascienza a quello di realtà corrente (con tutti i problemi connessi).
- Riconoscimento di oggetti in filmati. Le reti neurali permettono, per esempio, di riconoscere pedoni e altri oggetti, e sono parte degli ADAS montati sulle automobili.
- Il riconoscimento di caratteri (Optical Character Recognition – OCR) è un campo che esiste da lungo tempo, e che forniva già ottimi risultati. Le reti hanno esteso ulteriormente queste capacità, per cui adesso è possibile facilmente estrarre testo da foto e immagini varie, anche quando vi sono deformazioni.
- Descrizione di immagini. La rete è in grado di generare una descrizione testuale del contenuto di un’immagine (permettendo di cercare una immagine, all’interno di un archivio, semplicemente descrivendone il contenuto).
- Descrizione di filmati. La rete è in grado di generare una descrizione testuale del contenuto del filmato (permettendo anche in questo caso una ricerca basata sulla descrizione del filmato).
- Generazione di immagini
- Generazione di un’immagine, a partire da una descrizione testuale
- Generazione di un’immagine, in cui un soggetto fornito in un’immagine viene inserito in un contesto completamente fittizio (con i conseguenti problemi di deep fake)
- Generazione di filmati
- Generazione di un filmato, a partire da una descrizione testuale
- Generazione di un filmato, in cui un soggetto fornito in un’immagine precedente viene inserito in un contesto completamente fittizio (con i conseguenti problemi di deep fake)
- Generazione di immagini e audio, a partire da un filmato precedente, in cui il movimento delle labbra del soggetto è adattato a un nuovo audio (doppiaggio automatico, deep fake)
Il futuro
Siamo alla fine del nostro breve viaggio nella storia dell’AI. Ma la storia continua: l’AI si sta evolvendo sempre più velocemente. Forse troppo velocemente. Saremo in grado di utilizzarla senza cadere in eccessi? Come per tutte le tecnologie, alla fine, dipenderà da noi.
Arrivederci al prossimo viaggio!
Update
29/9/2026: prima pubblicazione.
