Mercificazione della ricerca

Muldoon, MGraham e Cant sono lapidari:

Il successo di ChatGPT-4 ha cementato l’importanza dell’apprendimento per rinforzo e la sua capacità di aumentare sostanzialmente l’utilità dei risultati. Allo stesso tempo, il rapporto tecnico di OpenAI su GPT-4 non è riuscito a rivelare informazioni importanti relative al modo in cui il modello è stato addestrato, segnando un significativo passo indietro nella trasparenza della ricerca sull’intelligenza artificiale. OpenAI ha annunciato: “Dato il panorama competitivo e le implicazioni per la sicurezza dei modelli su larga scala come GPT-4, questo rapporto non contiene ulteriori dettagli sull’architettura (comprese le dimensioni del modello), l’hardware, il calcolo dell’addestramento, la costruzione del set di dati, il metodo di addestramento o simili”.6 I modelli PaLM-2 di Google e Claude di Anthropic hanno seguito una tendenza simile, segnalando uno spostamento verso la commercializzazione di questa ricerca. Un’eccezione a questa tendenza sono i modelli LLaMa di Meta, che sono stati addestrati su set di dati disponibili pubblicamente e i cui pesi dei modelli (i parametri di apprendimento dei modelli) sono stati pubblicati apertamente, portando alcune altre istituzioni a pubblicare anche i pesi per i loro LLM. Nel luglio 2023, la serie di modelli di LLaMA-2 è stata rilasciata con il diritto per l’uso commerciale, il che ha generato un movimento per la creazione di modelli più piccoli con set di dati migliori, nel tentativo di rendere gli LLM più accessibili a una serie di organizzazioni (J. Muldoon, M. Graham, C. Cant, “Feeding the machine. The hidden human labour powering AI” – traduzione in proprio)