Crescita AI Alliance: Approccio Collaborativo

Un Cambiamento Trasformativo nell’AI Open Source

Storicamente, lo sviluppo dell’AI open-source era un’impresa frammentata, che spesso portava a modelli con prestazioni inferiori. Prima del 2023, poche entità non profit possedevano le risorse per addestrare modelli di AI con capacità anche solo vicine a quelle di GPT-2. Le grandi aziende tecnologiche dominavano il panorama dell’AI proprietaria, mentre l’AI open-source era in gran parte relegata ad applicazioni di nicchia.

Il 2023 ha segnato un punto di svolta. Sono stati rilasciati diversi nuovi modelli di base con licenze permissive, seguiti dal rivoluzionario rilascio del modello open-source Llama 2 di Meta in collaborazione con Microsoft. Questo evento ha scatenato un’ondata di attività, con oltre 10.000 modelli derivati creati in sei mesi. Era iniziata una nuova era di sviluppo dell’AI open-source.

Obiettivi Ambiziosi e un Comitato Direttivo di Alto Livello

In questo contesto, l’AI Alliance ha definito fin dall’inizio una serie impressionante di obiettivi. Questi obiettivi includevano:

• Promuovere la collaborazione aperta.
• Stabilire governance e linee guida per l’AI.
• Sviluppare strumenti di benchmarking e posizioni politiche chiare.
• Dare priorità a vaste iniziative educative.
• Coltivare ecosistemi hardware robusti.

La forza dell’Alleanza è ulteriormente sottolineata dal calibro del suo comitato direttivo, che vanta un elenco di rinomate organizzazioni commerciali e università.

Criteri di Adesione: Un Impegno per l’Apertura e la Collaborazione

Per diventare membro dell’AI Alliance, un’organizzazione deve soddisfare quattro criteri chiave:

1. Allineamento con la Missione: Il potenziale membro deve allinearsi alla missione di coltivare la sicurezza, la scienza aperta e l’innovazione.
2. Impegno nei Progetti: I membri devono essere dedicati a lavorare su progetti significativi che si allineano alla missione dell’Alleanza.
3. Diversità di Prospettive: I potenziali membri devono essere disposti a contribuire alla diversità di prospettive e culture all’interno della membership globale, che attualmente supera le 140 organizzazioni e si prevede che crescerà ulteriormente.
4. Reputazione: L’AI Alliance cerca membri con una reputazione riconosciuta come educatori, costruttori o sostenitori all’interno della comunità open-source dell’AI.

Categorizzazione dei Membri: Costruttori, Abilitatori e Sostenitori

I membri dell’Alleanza rientrano tipicamente in una delle tre categorie:

• Costruttori (Builders): Questi membri sono responsabili della creazione di modelli, set di dati, strumenti e applicazioni che utilizzano l’AI.
• Abilitatori (Enablers): Questi membri promuovono l’adozione di tecnologie AI aperte attraverso tutorial, casi d’uso e supporto generale alla comunità.
• Sostenitori (Advocates): Questi membri enfatizzano i vantaggi dell’ecosistema dell’AI Alliance e promuovono la fiducia e la sicurezza del pubblico tra i leader organizzativi, le parti interessate della società e gli organismi di regolamentazione.

Sei Aree di Focus Chiave: Un Approccio Olistico all’Ecosistema AI

L’AI Alliance definisce le sue priorità a lungo termine in sei aree di focus chiave. Tuttavia, è importante notare che l’Alleanza adotta un approccio olistico all’intero ecosistema AI, incoraggiando i membri della comunità e gli sviluppatori a partecipare a una o più aree e ad adattarsi man mano che gli interessi o le priorità evolvono.

Ecco uno sguardo più da vicino alle sei aree di focus chiave:

Competenze e Formazione (Skills and Education)

Quest’area è dedicata a fornire conoscenze sull’AI a un vasto pubblico, inclusi consumatori e leader aziendali che valutano i rischi dell’AI, nonché studenti e sviluppatori che creano applicazioni AI. Mira a semplificare il processo di ricerca di una guida esperta in aree specifiche e include un’iniziativa di valutazione del modello.

Nel 2024, l’Alleanza ha pubblicato la Guide to Essential Competencies for AI, una risorsa completa risultante da un’ampia indagine per identificare i ruoli chiave nell’AI e le competenze richieste per tali ruoli. Nonostante sia stata pubblicata di recente, la guida ha già subito nove revisioni ed è prevista un’indagine di follow-up per affrontare le questioni identificate nell’indagine iniziale.

Fiducia e Sicurezza (Trust and Safety)

Quest’area critica esplora gli elementi essenziali di fiducia e sicurezza necessari per il successo di tutte le applicazioni AI. Benchmark, strumenti e metodologie vengono utilizzati per garantire che modelli e applicazioni siano di alta qualità, sicuri e affidabili. Ciò include il supporto di standard di condotta in evoluzione e risposte efficaci ai rischi.

Il gruppo di lavoro in quest’area raccoglie i migliori concetti relativi a fiducia e sicurezza e mette in contatto gli utenti con le competenze di cui hanno bisogno. L’indagine State of Open Source AI Trust and Safety — End of 2024 Edition, pubblicata sul sito web dell’AI Alliance, ha evidenziato sia le esigenze che i successi in questo dominio. Le lacune nella ricerca e nell’ambiente vengono affrontate attraverso sforzi di ricerca e sviluppo da parte di numerosi membri dell’AI Alliance.

Applicazioni e Strumenti (Applications and Tools)

Questo gruppo si concentra sull’esplorazione di strumenti e tecniche per la creazione di applicazioni efficienti e robuste abilitate all’AI. Sta anche sviluppando un laboratorio AI per facilitare la sperimentazione e il test di applicazioni AI, accelerando l’innovazione.

Abilitazione Hardware (Hardware Enablement)

Quest’area è dedicata a promuovere un solido ecosistema di acceleratori hardware AI garantendo che lo stack software AI sia indipendente dall’hardware. Tecnologie come MLIR e Triton sono strumenti software cruciali per ottenere una portabilità hardware ad alte prestazioni. Questi strumenti consentono alle organizzazioni di sfruttare il proprio hardware preferito, aumentando la flessibilità e le prestazioni riducendo al contempo la dipendenza da sistemi proprietari.

Modelli di Base e Set di Dati (Foundation Models and Datasets)

Quest’area si concentra su modelli per aree sottoservite, tra cui multilingue, multimodale, serie temporali, scienza e altri domini. Ad esempio, i modelli scientifici e specifici per dominio si rivolgono al cambiamento climatico, alla scoperta molecolare e all’industria dei semiconduttori.

Modelli efficaci e architetture di applicazioni AI richiedono set di dati utili con governance e diritti di utilizzo chiari. L’Open Trusted Data Initiative sta chiarendo i requisiti per tali set di dati e sta creando cataloghi di set di dati conformi. Questo sforzo mira a eliminare in gran parte le preoccupazioni relative a questioni legali, di copyright e di privacy.

Sostegno (Advocacy)

Il sostegno a politiche normative è essenziale per creare un ecosistema AI sano e aperto. Tutte le politiche e le normative sull’AI dovrebbero rappresentare punti di vista equilibrati, piuttosto che distorti.

Un Approfondimento su Fiducia e Sicurezza: L’Iniziativa 2025

Fiducia e Sicurezza è un campo significativo ed espansivo all’interno dell’AI Alliance, con numerosi specialisti che lavorano su strumenti per rilevare e mitigare l’incitamento all’odio, i pregiudizi e altri contenuti dannosi. La Trust and Safety Evaluation Initiative è un’importante iniziativa per il 2025, che fornisce una visione unificata dell’intero spettro della valutazione, non solo per la sicurezza, ma anche per le prestazioni e altre aree in cui è fondamentale valutare l’efficacia dei modelli e delle applicazioni AI. Un sottoprogetto sta esplorando le priorità di sicurezza specifiche per dominio, come salute, diritto e finanza.

A metà del 2025, l’AI Alliance prevede di rilasciare una leaderboard Hugging Face che consentirà agli sviluppatori di:

• Cercare le valutazioni che meglio si adattano alle loro esigenze.
• Confrontare le prestazioni dei modelli aperti rispetto a tali valutazioni.
• Scaricare e distribuire tali valutazioni per esaminare i propri modelli privati e le applicazioni AI.

Questa iniziativa fornirà anche indicazioni su importanti aspetti di sicurezza e conformità di vari casi d’uso.

Supporto per l’AI On-Premise: Stack Software Indipendenti dall’Hardware

Non tutte le invocazioni di modelli AI si baseranno su servizi commerciali ospitati. Alcune situazioni richiedono soluzioni air-gapped. I dispositivi smart edge abilitati all’AI stanno guidando l’implementazione di nuovi modelli, piccoli e potenti, on-premise, spesso senza una connessione Internet. Per supportare questi casi d’uso e facilitare il servizio di modelli su larga scala con configurazioni hardware flessibili, l’AI Alliance sta sviluppando stack software indipendenti dall’hardware.

Esempi Reali di Collaborazione: SemiKong e DANA

Due esempi evidenziano come la collaborazione aperta tra i membri dell’Alleanza stia producendo vantaggi significativi per tutti:

SemiKong

SemiKong è uno sforzo collaborativo tra tre membri dell’Alleanza. Hanno creato un modello linguistico di grandi dimensioni open-source specifico per il dominio del processo di produzione dei semiconduttori. I produttori possono sfruttare questo modello per accelerare lo sviluppo di nuovi dispositivi e processi. SemiKong possiede una conoscenza specialistica della fisica e della chimica dei dispositivi a semiconduttore. In soli sei mesi, SemiKong ha catturato l’attenzione dell’industria globale dei semiconduttori.

SemiKong è stato sviluppato perfezionando un modello di base Llama 3 utilizzando set di dati curati da Tokyo Electron. Questo processo di ottimizzazione ha portato a un modello di AI generativa specifico per il settore con una conoscenza superiore dei processi di incisione dei semiconduttori rispetto al modello di base generico. È disponibile un rapporto tecnico su SemiKong.

DANA (Domain-Aware Neurosymbolic Agents)

DANA è uno sviluppo congiunto di Aitomatic Inc. (con sede nella Silicon Valley) e Fenrir Inc. (con sede in Giappone). Rappresenta uno dei primi esempi dell’architettura ora popolare degli agenti, in cui i modelli sono integrati con altri strumenti per fornire capacità complementari. Mentre i modelli da soli possono ottenere risultati impressionanti, numerosi studi hanno dimostrato che gli LLM spesso generano risposte errate. Uno studio del 2023 citato nel documento SemiKong ha misurato gli errori tipici degli LLM al 50%, mentre l’uso complementare di strumenti di ragionamento e pianificazione di DANA ha aumentato la precisione al 90% per le applicazioni target.

DANA impiega agenti neurosimbolici che combinano le capacità di riconoscimento dei pattern delle reti neurali con il ragionamento simbolico, consentendo una logica rigorosa e la risoluzione dei problemi basata su regole. Il ragionamento logico, combinato con strumenti per la pianificazione (come la progettazione di processi di catena di montaggio), produce risultati accurati e affidabili che sono essenziali per i sistemi di controllo qualità industriale e la pianificazione e la programmazione automatizzate.

La versatilità di DANA si estende a più domini. Ad esempio, nella previsione finanziaria e nel processo decisionale, DANA può comprendere le tendenze del mercato e fare previsioni basate su teorie complesse, utilizzando sia dati strutturati che non strutturati. Questa stessa capacità può essere applicata al recupero e alla valutazione della letteratura medica e delle informazioni di ricerca, garantendo che le diagnosi e i trattamenti aderiscano a protocolli e pratiche mediche consolidate. In sostanza, DANA può migliorare i risultati dei pazienti e ridurre gli errori nelle applicazioni critiche per i pazienti.

Una Solida Base per una Crescita Continua

L’AI Alliance ha iniziato il 2025 in una posizione di forza, con membri che abbracciano 23 paesi e numerosi gruppi di lavoro focalizzati sulle principali sfide dell’AI. L’Alleanza vanta oltre 1.200 collaboratori di gruppi di lavoro impegnati in oltre 90 progetti attivi. A livello internazionale, l’AI Alliance ha partecipato a eventi tenuti in 10 paesi, raggiungendo più di 20.000 persone, e ha pubblicato cinque guide pratiche su importanti argomenti di AI per assistere ricercatori e sviluppatori nella costruzione e nell’utilizzo dell’AI.

L’AI Alliance ha pubblicato esempi per l’utilizzo dell’AI su modelli come la famiglia Granite di IBM e i modelli Llama di Meta. La sua crescente raccolta di ‘ricette’ sfrutta le librerie e i modelli aperti più popolari per modelli di applicazione comuni, tra cui RAG, grafi di conoscenza, sistemi neurosimbolici e architetture emergenti di pianificazione e ragionamento degli agenti.

Scalare: Piani Ambiziosi per il 2025 e Oltre

Nel 2025, l’AI Alliance si impegna a decuplicare la sua portata e il suo impatto. Due delle sue nuove principali iniziative, discusse in precedenza, sono l’Open Trusted Data Initiative e la Trust and Safety Evaluation Initiative. L’AI Alliance prevede inoltre di istituire un laboratorio comunitario standard di settore per lo sviluppo e il test di tecnologie applicative AI. Le sue iniziative di modelli specifici per dominio continueranno a evolversi. Ad esempio, il nuovo gruppo di lavoro sul clima e la sostenibilità prevede di sviluppare modelli di base multimodali e strumenti software open-source per affrontare le sfide chiave nel cambiamento climatico e nella sua mitigazione.

Entro il 2030, si prevede che l’AI contribuirà con circa 20 trilioni di dollari all’economia globale. Entro tale data, si prevede che il 70% delle applicazioni AI industriali funzionerà su AI open-source. Si prevede inoltre che la carenza di professionisti dell’AI diventerà ancora più acuta di quanto non lo sia oggi. I membri dell’AI Alliance potrebbero essere in grado di mitigare questa sfida collaborando con altri membri per ottenere l’accesso a diverse competenze e alla condivisione delle risorse.

L’AI Alliance sta seguendo una traiettoria di crescita simile a quella di altre organizzazioni open-source di successo, come la Linux Foundation, l’Apache Software Foundation e l’Open Source Initiative. Questi includono:

• Programmi completi di formazione e competenze sull’AI.
• Sostegno globale per un’AI responsabile.
• Creazione di strumenti per garantire la sicurezza e l’affidabilità dell’AI, nonché la facilità di sviluppo e utilizzo.
• Ricerca collaborativa con istituzioni accademiche.

La leadership dell’AI Alliance continuerà ad attrarre sviluppatori e ricercatori, nonché leader aziendali e governativi. La leadership dell’AI Alliance ha stabilito la scalabilità della collaborazione globale come missione generale per il 2025. Tutto considerato, l’AI Alliance ha le basi per crescere fino a diventare una forza globale dominante che plasma, migliora e innova il futuro dell’Intelligenza Artificiale.