a parte i loro piani , io vedo due problemi enormi in un 'searchGPT' e
cugini (searchClaude, searchLlama, ecc.):
1) il costo energetico che per una ricerca fatta con LLM è calcolato
nell'ordine di 10 volte quello di una normale ricerca con search engine*;
2) che si consolida una dimensione oracolare della ricerca di
informazioni: si va in pellegrinaggio dal LLM, si fa una domanda e si
torna a casa con una risposta. fine di quel casino di 347.223 esiti per
una banale domanda! evviva!!
già con i search engine occorreva essere consapevoli di una serie di
bias e limiti, ma almeno era evidente che era necessario un lavoro di
analisi e e scelta, che era necessario guardare un po' di esiti prime di
trarre delle conclusioni
Maurizio
* sul tema del consumo energetico si possono vedere fra altri questi
articoli; il confronto fra il vecchio Google search e le innovazioni
basate su LLM è nell'articolo di De Vries:
Catena, Matteo, e Nicola Tonellotto. «A study on query energy
consumption in web search engines». /CEUR Workshop Proceedings/ 1404
(gennaio 2015).
De Vries, Alex. «The Growing Energy Footprint of Artificial
Intelligence». /Joule/ 7, fasc. 10 (ottobre 2023): 2191–94.
https://doi.org/10.1016/j.joule.2023.09.004.
Heikkilä, Melissa. «Making an image with generative AI uses as much
energy as charging your phone». /MIT Technology Review/, 1 dicembre
2023.
https://www.technologyreview.com/2023/12/01/1084189/making-an-image-with-generative-ai-uses-as-much-energy-as-charging-your-phone/.
Henderson, Peter, Jieru Hu, Joshua Romoff, Emma Brunskill, Dan Jurafsky,
e Joelle Pineau. «Towards the systematic reporting of the energy and
carbon footprints of machine learning». /The Journal of Machine Learning
Research/ 21, fasc. 1 (Gennaio 2020): 248:10039-248:10081.
Milmo, Dan, Alex Hern, e Jillian Ambrose. «Can the Climate Survive the
Insatiable Energy Demands of the AI Arms Race?» /The Guardian/, 4 luglio
2024, sez. Business.
https://www.theguardian.com/business/article/2024/jul/04/can-the-climate-survive-the-insatiable-energy-demands-of-the-ai-arms-race.
Strubell, Emma, Ananya Ganesh, e Andrew McCallum. «Energy and Policy
Considerations for Deep Learning in NLP». In /Proceedings of the 57th
Annual Meeting of the Association for Computational Linguistics/,
3645–50. Florence, Italy: Association for Computational Linguistics,
2019. https://doi.org/10.18653/v1/P19-1355.
Il 29/07/24 12:11, Antonio ha scritto:
Della serie, il "piano B". Se non riusciamo a "piazzare" il prodotto, quanto meno
cerchiamo di scalzare Google dal trono della "search", forse sarà più facile in questo modo
rientrare dagli investimenti.
Se non ricordo male era Maurizio Lana che in questa lista sosteneva per primo quale fosse
il "vero" obiettivo di OpenAI/Microsoft.
Su Search GPT ci sono diversi articoli, uno a
caso,https://www.futuroprossimo.it/2024/07/searchgpt-openai-sfida-google-con-il-suo-motore-di-ricerca-ai/
.
A.
------------------------------------------------------------------------
if we spent on prosecuting the rich
just one-tenth of the effort we spend prosecuting the poor
it would be a very different world
bruce schneier
------------------------------------------------------------------------
Maurizio Lana
Università del Piemonte Orientale
Dipartimento di Studi Umanistici
Piazza Roma 36 - 13100 Vercelli
