Nascono come funghi nuovi Data Center nel nostro paese, in particolare fra Milano e Pavia, dove si registra la maggior concentrazione di nuovi siti per lo stoccaggio e la conservazione di enormi quantitativi di dati, alimentati dalla crescente diffusione dell’Intelligenza Artificiale. Per regolare questo mercato in espansione sono in corso delle audizioni ad hoc nella commissione Trasporti della Camera nell’ambio dell’esame delle pdl recanti delega al Governo per la disciplina dei centri di elaborazione dati.

Serve appunto un quadro regolatorio, che tenga conto dei diversi e molteplici aspetti che coinvolgono il settore, che vanno dall’aspetto fiscale a quello energetico. C’è un tema di fabbisogno energetico, che secondo le imprese al momento ancora non si pone nel nostro paese ma che in prospettiva, con l’esplosione dei dati legata alla diffusione dell’AI porterà con sé di pari passo un incremento vertiginoso dei consumi energetici.

Crescono gli investimenti e i consumi energetici

Secondo l’ultimo Osservatorio Cloud Transformation del Politecnico di Milano, il valore investito nei data center per il 2023 è stato pari a 654 milioni, con un +10% rispetto all’anno precedente e con una potenza energetica nominale totale di 430 megawatt (+23% rispetto al 2022). L’Italia ospita circa il 12% dei 1.300 data center europei, ma ha un tasso di crescita a doppia cifra, molto superiore di Francoforte, Londra, Amsterdam, Parigi e Dublino che si attestano fra il 4% e l’8%.

<!-- ARUBA - 300x250 -->

L’Osservatorio Data Center del Politecnico di Milano ha rilevato nella sua ricerca che uno dei problemi da risolvere per il futuro dei data center è legato all’approvvigionamento energetico e ai collegamenti all’alta tensione. I data center di grandi dimensioni, con potenza nominale superiore ai 10MW, previsti in grande crescita per i prossimi anni, richiedono l’allacciamento all’alta tensione, non sempre disponibile sul territorio.
Inoltre i prezzi elevati dell’energia e i lunghi tempi di potenziamento a livello di infrastrutture energetiche rischiano di far perdere competitività al Paese.

Data Center, Faina (Anitec-Assinform): ‘Intervenire su disciplina fiscale’

In merito alla “disciplina fiscale a cui vengono sottoposti i data center, noi abbiamo proposto un intervento perché ci sia un’interpretazione autentica da parte del Parlamento per trattare in effetti questi data center nell’ambito della disciplina Ocse. I data center, come noto, non sono una stabile organizzazione ai fini della disciplina fiscale europea. Il punto è chiarire perché non lo sono”. Lo ha detto Eleonora Faina, direttore generale di Anitec-Assinform, in audizione nella commissione Trasporti della Camera nell’ambito dell’esame delle pdl recanti delega al Governo per la disciplina dei centri di elaborazione dati.

L’aspetto fiscale è dirimente. La normativa fiscale italiana sui profitti dei data center non è chiara. Lo Stato può tassare soltanto in presenza di una stabile organizzazione, ma i Data Center secondo la disciplina fiscale europea non sono una stabile organizzazione, perché sono dei luoghi dive si effettua un semplice stoccaggio dei dati senza elaborazione. Tuttavia, un paio di anni fa un grosso player internazionale è stato perseguito dal Fisco e ha deciso di patteggiare una multa per chiudere il contenzioso. La preoccupazione dei proprietari di Data center è che questa decisione della Procura di Milano diventi un precedente, per quanto la norma non lo preveda.  

Faina (Anitec Assinform): ‘Data Center nodo centrale dell’economia digitale’

“I Data Center sono dei veri e propri nodi centrali dell’economia digitale del Paese. Queste infrastrutture sono prima di tutto degli spazi fisici, degli edifici. C’è quindi un tema di autorizzazioni edilizie. Si potrebbe pensare ad una normativa ad hoc per il comparto dei data Center, per evitare la frammentazione territoriale che si registra al momento, tanto più che la gran parte dei data Center si concentra nell’area di Milano”, aggiunge Eleonora Faina.

“L’altro tema è quello dell’impatto ambientale, queste strutture consumano tanta energia ed è per questo che il ricorso ad AI e rinnovabili è critico, insieme al riuso dei materiali interni.

C’è da dire poi che i Data Center sono gli abilitatori del Cloud, e sul Cloud si regge gran parte dell’economia digitale che ha consentito ad esempio di ridurre sensibilmente gli spostamenti e una serie di attività e anche indubbiamente di migliorare la performance ambientale ed energetica dei nostri Comuni sia lato cittadini si lato imprese”, chiude.

Replicando ad una questo dell’onorevole Giulia Pastorella di Azione, che chiedeva se anche in altri paesi Ue i Data Center fossero considerati stabile organizzazione, Faina ha detto che in questo senso l’Italia è un unicum e che siamo l’unico paese che ha adottato una posizione così inclusiva.     

Data Center, Ciulli (Google Italia): ‘Non è una questione di sovranità digitale’

“Quanto più siamo in grado di attrarre questi grandi data center nel nostro Paese, tanto più i servizi sono efficienti e meno pesante è l’impatto sulla rete Tlc nazionale. Noi pensiamo due cose apparentemente in contraddizione: avere dati localizzati in un solo posto è strutturalmente inefficiente e meno sicuro, ma riconosciamo anche che per alcuni settori e per alcune categorie di dati possa essere utile averli localizzati sul territorio nazionale. Per questo crediamo sia necessario avere regole sia per avere qui data center che ospitano dati strategici, sia regole che facilitino lo scambio di dati nell’Unione europea e nei Paesi alleati, perché quanto più siamo in grado di far circolare i dati tanto più l’infrastruttura internet sarà sicura”. Lo ha detto Diego Ciulli, responsabile relazioni istituzionali di Google Italia, in audizione nella commissione Trasporti della Camera nell’ambio dell’esame delle pdl recanti delega al Governo per la disciplina dei centri di elaborazione dati.

Ciulli (Google Italia): ‘Norma Data Center non va confusa con sovranità digitale’

“La norma sui data center è utile, ma non deve essere confusa con i temi di sovranità digitale. Attiene molto più con il far essere l’Italia al centro di una grande infrastruttura globale”, ha aggiunto. Per farlo, la “chiarezza normativa è sempre utile”, come sono “utili tre elementi: in primis, il grande segnale politico, anche agli investitori internazionali, che l’Italia vuole attrarre questo tipo di investimenti e quindi chiarisce la normativa per farlo; il secondo è la certezza del diritto, in particolare dal punto di vista fiscale; il terzo è la capacità dell’infrastruttura energetica del Paese di supportare questo tipo di infrastrutture e di investimenti”.

In questo senso, Google ha siglato un accordo trentennale con Erg per l’acquisto dell’energia di un nuovo campo eolico in fase di realizzazione in Sicilia nel comune di Rocca Palumba. L’azienda sta anche sperimentando mini reattori, non c’è nulla da dire su questo in Italia, ma potrebbero dare energia già dal 2030.

Data Center, Bitondo (Microsoft Italia): ‘Aziende chiedono certezza norme-tempi’

“Quello a cui guardano le aziende è la certezza del quadro normativo procedurale, ma anche la certezza delle tempistiche: quindi la capacità di poter rispettare le tempistiche, qualunque esse siano, rispetto ai propri investimenti. È un punto su cui altri Paesi dell’Unione europea si stanno muovendo in termini di snellimento delle procedure. Auspichiamo, quindi, che il quadro possa andare verso questa certezza”. Lo ha detto Francesca Bitondo, direttrice rapporti istituzionali di Microsoft Italia, in audizione nella commissione Trasporti della Camera nell’ambio dell’esame delle pdl recanti delega al Governo per la disciplina dei centri di elaborazione dati.

Data Center, Bitondo (Microsoft): ‘Fabbisogno energetico non è tema in Italia’

Microsoft ha poi risposto ad un quesito di Andrea Casu, deputato del Pd, sul fabbisogno energetico dei Data center e sulla capacità della rete energetica del  nostro paese di sostenere i consumi. Sono previsti degli investimenti in questo senso? Quali possono essere in futuro gli strumenti adatti per affrontare questo tema? “Ad oggi non c’è un tema di fabbisogno energetico in Italia. Anche rispetto agli investimenti che abbiamo annunciato, non è tanto questo il tema. Il vero tema è quello delle tempistiche e della certezza procedurale. Microsoft ha investito sulla riconversione di un reattore nucleare negli Stati Uniti: ci adeguiamo alle energie presenti nei territori in cui operiamo. Ad oggi non abbiamo nessun piano diretto in Italia, ma nei Paesi in cui è disponile usiamo anche il nucleare”. Lo ha detto Francesca Bitondo, direttrice rapporti istituzionali di Microsoft Italia, in audizione nella commissione Trasporti della Camera nell’ambio dell’esame delle pdl recanti delega al Governo per la disciplina dei centri di elaborazione dati.

Data Center, Francescatti (Microsoft Italia): ‘Semplificare procedure senza gap’

Sarebbe necessario “fare chiarezza sui ruoli, sulle competenze e sulle responsabilità di diversi enti e autorità delimitando gli spazi e le competenze in modo da avere chiarezza nella procedura. Evitare sovrapposizioni o gap, quindi mancanza di continuità tra una procedura e l’altra, ma anche evitare la rigidità di alcune consequenzialità che impediscono di risparmiare tempo rispetto agli iter istruttori di diverse pratiche. Su questo, secondo noi, c’è un ampio margine di guadagni: si può parlare di diversi mesi, se non di anni tra l’avvio delle procedure e avere i permessi per poter iniziare materialmente sul sito”. Lo ha detto Dario Francescatti, responsabile sviluppo territori di Microsoft Italia, in audizione nella commissione Trasporti della Camera nell’ambio dell’esame delle pdl recanti delega al Governo per la disciplina dei centri di elaborazione dati.

Inoltre, ha proseguito Francescatti “si parla molto di aree dismesse (in stato di abbandono o in stato precario di condizioni ambientali) il cui recupero può essere una grande opportunità per il Paese. Se questo potesse tradursi in un incentivo tramite procedure semplificate e accelerate per chi vuole recuperare le aree dismesse, si otterrebbero anche lì tantissimi risultati”.

Infine, in ottica di semplificazione, Microsoft Italia suggerisce anche di “facilitare l’accesso alle documentazioni e alle decisioni dei diversi enti anche in fase intermedia delle decisioni. Anche in questo modo si recupererebbero mesi”.

Data Center, Osservatorio Polimi: ‘Aumentano player, previsti 15 mld investimenti’

“Quello dei data center è un mercato che sta vivendo una fortissima crescita che stiamo registrando già a partire dagli scorsi anni, ma che prevediamo continuerà nei prossimi anni. Guardando al numero dei player attivi nel nostro territorio, nel 2022 erano 58 e ne prevediamo 74 entro la fine del 2025. Questo ci fa capire come sta diventando un mercato attrattivo anche per gli investimenti esteri”. Lo ha detto Luca Dozio, direttore dell’osservatorio data center del Politecnico di Milano, in audizione nella commissione Trasporti della Camera nell’ambio dell’esame delle pdl recanti delega al Governo per la disciplina dei centri di elaborazione dati.

“Abbiamo stimato 15 miliardi di euro potenziali di investimenti sul nostro territorio dal 2023 al 2025. Si tratta di investimenti potenziali perché non siamo l’unico territorio attrattivo e in più dovremmo essere bravi a creare le condizioni adeguate, perché ad oggi la mancanza di un inquadramento normativo così come di un processo chiaro di approvazione dei progetti allunga i tempi e questo può creare incertezze”, ha aggiunto Dozio.

Data Center, Osservatorio Polimi: ‘Esplose le domande per l’alta tensione. Costo energia è rischio per infrastrutture’

“Suggeriamo un dialogo con gli enti preposti, nazionali e sovranazionali, rispetto all’impatto energetico del settore, perché in questo momento la necessità di collegare queste infrastrutture all’alta tensione e la lentezza nel costruire queste infrastrutture, unita a un prezzo dell’energia piuttosto alto rispetto ad altri Paesi europei, rischia di farci perdere opportunità. Secondo stime del Politecnico di Milano, la potenza energetica nominale di 350 Megawatt IT nel 2023 lieviterà a 590-825 Megawatt IT nel 2025”. Lo ha detto Marina Natalucci, direttrice dell’osservatorio data center del Politecnico di Milano, in audizione nella commissione Trasporti della Camera nell’ambio dell’esame delle pdl recanti delega al Governo per la disciplina dei centri di elaborazione dati.

Data Center, Belisario (Fondazione Italia Digitale): ‘Coinvolgere attori istituzionali’

“Riteniamo si tratti di un’iniziativa legislativa piuttosto importante perché è fondamentale una norma che semplifichi e renda uniformi, su tutto il territorio nazionale, questo tipo di processi: il mercato e l’evoluzione tecnologica hanno bisogno di risposte veloci. C’è poi la necessità di coinvolgere i diversi attori istituzionali non solo per la sostenibilità, ma anche per esempio l’Agenzia per la cybersicurezza nazionale, il Garante della privacy e l’autorità che sarà individuata per l’intelligenza artificiale nella definizione di criteri e requisiti che non solo rendano da un punto di vista urbanistico più semplice la realizzazione di questi progetti, ma che continuino a fornire tutte quelle garanzie in tema di dati che sono indispensabili”. Lo ha detto Ernesto Belisario, membro del comitato scientifico di Fondazione Italia digitale, in audizione nella commissione Trasporti della Camera nell’ambio dell’esame delle pdl recanti delega al Governo per la disciplina dei centri di elaborazione dati.

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/data-center-mercato-in-crescita-in-italia-ma-servono-regole-chiare-soprattutto-fiscali-e-policy-energetiche/514624/

As podcaster Ryan Zhao put it on Bluesky, “The design process has gone wrong when what you need to prototype is ‘what if there was a space.'”

Gotta go fast

When Google revealed the first version of Genie earlier this year, it also published a detailed research paper outlining the specific steps taken behind the scenes to train the model and how that model generated interactive videos. No such research paper has been published detailing Genie 2’s process, leaving us guessing at some important details.

One of the most important of these details is model speed. The first Genie model generated its world at roughly one frame per second, a rate that was orders of magnitude slower than would be tolerably playable in real time. For Genie 2, Google only says that “the samples in this blog post are generated by an undistilled base model, to show what is possible. We can play a distilled version in real-time with a reduction in quality of the outputs.”

Reading between the lines, it sounds like the full version of Genie 2 operates at something well below the real-time interactions implied by those flashy GIFs. It’s unclear how much “reduction in quality” is necessary to get a diluted version of the model to real-time controls, but given the lack of examples presented by Google, we have to assume that reduction is significant.

Real-time, interactive AI video generation isn’t exactly a pipe dream. Earlier this year, AI model maker Decart and hardware maker Etched published the Oasis model, showing off a human-controllable, AI-generated video clone of Minecraft that runs at a full 20 frames per second. However, that 500 million parameter model was trained on millions of hours of footage of a single, relatively simple game, and focused exclusively on the limited set of actions and environmental designs inherent to that game.

When Oasis launched, its creators fully admitted the model “struggles with domain generalization,” showing how “realistic” starting scenes had to be reduced to simplistic Minecraft blocks to achieve good results. And even with those limitations, it’s not hard to find footage of Oasis degenerating into horrifying nightmare fuel after just a few minutes of play.

https://arstechnica.com/ai/2024/12/googles-genie-2-world-model-reveal-leaves-more-questions-than-answers/

The warning extends beyond voice scams. The FBI announcement details how criminals also use AI models to generate convincing profile photos, identification documents, and chatbots embedded in fraudulent websites. These tools automate the creation of deceptive content while reducing previously obvious signs of humans behind the scams, like poor grammar or obviously fake photos.

Much like we warned in 2022 in a piece about life-wrecking deepfakes based on publicly available photos, the FBI also recommends limiting public access to recordings of your voice and images online. The bureau suggests making social media accounts private and restricting followers to known contacts.

Origin of the secret word in AI

To our knowledge, we can trace the first appearance of the secret word in the context of modern AI voice synthesis and deepfakes back to an AI developer named Asara Near, who first announced the idea on Twitter on March 27, 2023.

“(I)t may be useful to establish a ‘proof of humanity’ word, which your trusted contacts can ask you for,” Near wrote. “(I)n case they get a strange and urgent voice or video call from you this can help assure them they are actually speaking with you, and not a deepfaked/deepcloned version of you.”

Since then, the idea has spread widely. In February, Rachel Metz covered the topic for Bloomberg, writing, “The idea is becoming common in the AI research community, one founder told me. It’s also simple and free.”

Of course, passwords have been used since ancient times to verify someone’s identity, and it seems likely some science fiction story has dealt with the issue of passwords and robot clones in the past. It’s interesting that, in this new age of high-tech AI identity fraud, this ancient invention—a special word or phrase known to few—can still prove so useful.

https://arstechnica.com/ai/2024/12/your-ai-clone-could-target-your-family-but-theres-a-simple-defense/

On Thursday during a live demo as part of its “12 days of OpenAI” event, OpenAI announced a new tier of ChatGPT with higher usage limits for $200 a month and the full version of “o1,” the full version of a so-called reasoning model the company debuted in September.

Unlike o1-preview, o1 can now process images as well as text (similar to GPT-4o), and it is reportedly much faster than o1-preview. In a demo question about a Roman emperor, o1 took 14 seconds for an answer, and 1 preview took 33 seconds. According to OpenAI, o1 makes major mistakes 34 percent less often than o1-preview, while “thinking” 50 percent faster. The model will also reportedly become even faster once deployment is finished transitioning the GPUs to the new model.

Whether the new ChatGPT Pro subscription will be worth the $200 a month fee isn’t yet fully clear, but the company specified that users will have access to an even more capable version of o1 called “o1 Pro Mode” that will do even deeper reasoning searches and provide “more thinking power for more difficult problems” before answering.

Today, we’re adding ChatGPT Pro, a $200 monthly plan that enables scaled access to the best of OpenAI’s models and tools. This plan includes unlimited access to our smartest model, OpenAI o1, as well as to o1-mini, GPT-4o, and Advanced Voice. It also includes o1 pro mode, a version of o1 that uses more compute to think harder and provide even better answers to the hardest problems. In the future, we expect to add more powerful, compute-intensive productivity features to this plan.

The new service seems aimed at those who might benefit from higher rate limits and more computational time devoted to coming up with an answer. “ChatGPT Pro provides a way for researchers, engineers, and other individuals who use research-grade intelligence daily to accelerate their productivity and be at the cutting edge of advancements in AI,” OpenAI writes in its press release.

https://arstechnica.com/ai/2024/12/openais-new-200-mo-chatgpt-subscription-will-buy-you-more-compute-time/

OpenAI e Anduril per lo sviuppo di sistemi AI anti-droni

Oggi sono numerosi gli ambiti di impiego dell’intelligenza artificiale (AI) e certamente non poteva mancare quello militare. Anduril Industries, ha annunciato una partnership con OpenAI per lo sviluppo di soluzioni avanzate di AI integrate nei sistemi di difesa.

In particolare, il comunicato ha specificato che OpenAI, casa madre di ChatGPT, lavorerà al miglioramento dell’efficacia dei sistemi anti-droni e in generale dei sistemi di difesa anti-velivoli automatizzati e pilotati da remoto.

Sostanzialmente, l’esercito americano sta intensificando la ricerca tecnologica per sviluppare soluzioni in grado di rilevare e valutare in tempo reale possibili minacce aeree potenzialmente letali, fino alla risposta bellica in caso di reale pericolo per cose e persone.

<!-- ARUBA - 300x250 -->

La partnership è finalizzata a valutare l’impiego di GPT-4o e OpenAI o1 nelle attività di sintesi rapida di dati sensibili in tempo reale, di riduzione del carico per gli operatori umani, di miglioramento rapido della conoscenza generale di ogni situazione critica.

Altman (OpenAI): “La nostra AI a difesa dei valori democratici”

“L’intelligenza artificiale di OpenAI è utilizzata per apportare benefici al maggior numero possibile di persone e supportare gli sforzi guidati dagli Stati Uniti per garantire che la tecnologia sostenga i valori democratici“, ha affermato in una dichiarazione il direttore esecutivo di OpenAI, Sam Altman.

“La nostra partnership con Anduril – ha aggiunto Altman – contribuirà a garantire che la tecnologia OpenAI protegga il personale militare statunitense e aiuterà la sicurezza nazionale a comprendere e utilizzare responsabilmente questa tecnologia per mantenere i nostri cittadini al sicuro, garantendo loro le libertà costituzionali“.

OpenAI viola la propria policy e apre ai sistemi di Difesa

Il problema, però, come molti hanno sottolineato, è che questa nuova posizione di OpenAI nell’industria della Difesa, nel mondo degli armamenti militari e dell’intelligence, va a violare la propria policy aziendale.

Fino all’anno scorso, per policy aziendale, ChatGPT e altri modelli di AI non potevano essere impiegati per attività che presentavano un elevato rischio di danno fisico, anche militare (“We don’t allow the use of our models for activity that has high risk of physical harm, including: weapons development; military and warfare”).

Il successivo aggiornamento di gennaio già vedeva scomparire ogni riferimento al mondo delle armi e dell’industria bellica.

Lo scorso mese, l’Air Force Research Laboratory degli Stati Uniti ha annunciato una partnership con OpenAI per svolgere attività di ricerca e sviluppo nel settore militare.

L’azienda fondata da Sam Altman ha recentemente assunto Sasha Baker, che in precedenza ha ricoperto il ruolo di sottosegretario alla Difesa ad interim per la politica al Pentagono, con l’incarico di guidare il team per le politiche di sicurezza nazionale.

Il ricco mercato dell’AI militare

D’altronde il mercato delle applicazioni militari AI è in decisa crescita e se nel 2024 è stato stimato in circa 9 miliardi di dollari, entro il 2034 potrebbe raggiungere i 32 miliardi di dollari.

Negli ultimi anni si sono verificati diversi grandi conflitti internazionali, tra cui la guerra Russia-Ucraina, il conflitto Arabia Saudita-Yemen, la guerra civile siriana, le tensioni USA-Iran, le tensioni India-Cina e lo scontro di confine Armenia-Azerbaigian.

Tali conflitti comportano un aumento dell’approvvigionamento di sistemi d’arma avanzati abilitati all’AI e l’incorporazione di nuove tecnologie nei sistemi esistenti per renderli più efficienti.

Il Nord America è il primo mercato di riferimento per l’AI militare, con una quota del 36% circa, seguito a brevissima distanza dall’Asia, quindi dall’Europa. Non a caso i principali campioni di questo settore sono quasi tutti a stelle e strisce: Lockheed Martin Corporation (USA), Raytheon Technologies Corporation (USA), Northrop Grumman Corporation (USA), BAE Systems plc (USA) e prima europea Thales Group (Francia).

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/difesa-openai-al-lavoro-sullai-anti-drone-violando-la-sua-stessa-policy/514264/

On Wednesday, OpenAI CEO Sam Altman announced a “12 days of OpenAI” period starting December 5, which will unveil new AI features and products for 12 consecutive weekdays.

Altman did not specify the exact features or products OpenAI plans to unveil, but a report from The Verge about this “12 days of shipmas” event suggests the products may include a public release of the company’s text-to-video model Sora and a new “reasoning” AI model similar to o1-preview. Perhaps we may even see DALL-E 4 or a new image generator based on GPT-4o’s multimodal capabilities.

Altman’s full tweet included hints at releases both big and small:

🎄🎅starting tomorrow at 10 am pacific, we are doing 12 days of openai.

each weekday, we will have a livestream with a launch or demo, some big ones and some stocking stuffers.

we’ve got some great stuff to share, hope you enjoy! merry christmas.

If we’re reading the calendar correctly, 12 weekdays means a new announcement every day until December 20.

https://arstechnica.com/ai/2024/12/openai-teases-12-days-of-mystery-product-launches-starting-tomorrow/

By some measures, AI systems are now competitive with traditional computing methods for generating weather forecasts. Because their training penalizes errors, however, the forecasts tend to get “blurry”—as you move further ahead in time, the models make fewer specific predictions since those are more likely to be wrong. As a result, you start to see things like storm tracks broadening and the storms themselves losing clearly defined edges.

But using AI is still extremely tempting because the alternative is a computational atmospheric circulation model, which is extremely compute-intensive. Still, it’s highly successful, with the ensemble model from the European Centre for Medium-Range Weather Forecasts considered the best in class.

In a paper being released today, Google’s DeepMind claims its new AI system manages to outperform the European model on forecasts out to at least a week and often beyond. DeepMind’s system, called GenCast, merges some computational approaches used by atmospheric scientists with a diffusion model, commonly used in generative AI. The result is a system that maintains high resolution while cutting the computational cost significantly.

Ensemble forecasting

Traditional computational methods have two main advantages over AI systems. The first is that they’re directly based on atmospheric physics, incorporating the rules we know govern the behavior of our actual weather, and they calculate some of the details in a way that’s directly informed by empirical data. They’re also run as ensembles, meaning that multiple instances of the model are run. Due to the chaotic nature of the weather, these different runs will gradually diverge, providing a measure of the uncertainty of the forecast.

At least one attempt has been made to merge some of the aspects of traditional weather models with AI systems. An internal Google project used a traditional atmospheric circulation model that divided the Earth’s surface into a grid of cells but used an AI to predict the behavior of each cell. This provided much better computational performance, but at the expense of relatively large grid cells, which resulted in relatively low resolution.

For its take on AI weather predictions, DeepMind decided to skip the physics and instead adopt the ability to run an ensemble.

Gen Cast is based on diffusion models, which have a key feature that’s useful here. In essence, these models are trained by starting them with a mixture of an original—image, text, weather pattern—and then a variation where noise is injected. The system is supposed to create a variation of the noisy version that is closer to the original. Once trained, it can be fed pure noise and evolve the noise to be closer to whatever it’s targeting.

In this case, the target is realistic weather data, and the system takes an input of pure noise and evolves it based on the atmosphere’s current state and its recent history. For longer-range forecasts, the “history” includes both the actual data and the predicted data from earlier forecasts. The system moves forward in 12-hour steps, so the forecast for day three will incorporate the starting conditions, the earlier history, and the two forecasts from days one and two.

This is useful for creating an ensemble forecast because you can feed it different patterns of noise as input, and each will produce a slightly different output of weather data. This serves the same purpose it does in a traditional weather model: providing a measure of the uncertainty for the forecast.

For each grid square, GenCast works with six weather measures at the surface, along with six that track the state of the atmosphere and 13 different altitudes at which it estimates the air pressure. Each of these grid squares is 0.2 degrees on a side, a higher resolution than the European model uses for its forecasts. Despite that resolution, DeepMind estimates that a single instance (meaning not a full ensemble) can be run out to 15 days on one of Google’s tensor processing systems in just eight minutes.

It’s possible to make an ensemble forecast by running multiple versions of this in parallel and then integrating the results. Given the amount of hardware Google has at its disposal, the whole process from start to finish is likely to take less than 20 minutes. The source and training data will be placed on the GitHub page for DeepMind’s GraphCast project. Given the relatively low computational requirements, we can probably expect individual academic research teams to start experimenting with it.

Measures of success

DeepMind reports that GenCast dramatically outperforms the best traditional forecasting model. Using a standard benchmark in the field, DeepMind found that GenCast was more accurate than the European model on 97 percent of the tests it used, which checked different output values at different times in the future. In addition, the confidence values, based on the uncertainty obtained from the ensemble, were generally reasonable.

Past AI weather forecasters, having been trained on real-world data, are generally not great at handling extreme weather since it shows up so rarely in the training set. But GenCast did quite well, often outperforming the European model in things like abnormally high and low temperatures and air pressure (one percent frequency or less, including at the 0.01 percentile).

DeepMind also went beyond standard tests to determine whether GenCast might be useful. This research included projecting the tracks of tropical cyclones, an important job for forecasting models. For the first four days, GenCast was significantly more accurate than the European model, and it maintained its lead out to about a week.

One of DeepMind’s most interesting tests was checking the global forecast of wind power output based on information from the Global Powerplant Database. This involved using it to forecast wind speeds at 10 meters above the surface (which is actually lower than where most turbines reside but is the best approximation possible) and then using that number to figure out how much power would be generated. The system beat the traditional weather model by 20 percent for the first two days and stayed in front with a declining lead out to a week.

The researchers don’t spend much time examining why performance seems to decline gradually for about a week. Ideally, more details about GenCast’s limitations would help inform further improvements, so the researchers are likely thinking about it. In any case, today’s paper marks the second case where taking something akin to a hybrid approach—mixing aspects of traditional forecast systems with AI—has been reported to improve forecasts. And both those cases took very different approaches, raising the prospect that it will be possible to combine some of their features.

Nature, 2024. DOI: 10.1038/s41586-024-08252-9  (About DOIs).

https://arstechnica.com/science/2024/12/googles-deepmind-tackles-weather-forecasting-with-great-performance/

The “David Mayer” block in particular (now resolved) presents additional questions, first posed on Reddit on November 26, as multiple people share this name. Reddit users speculated about connections to David Mayer de Rothschild, though no evidence supports these theories.

The problems with hard-coded filters

Allowing a certain name or phrase to always break ChatGPT outputs could cause a lot of trouble down the line for certain ChatGPT users, opening them up for adversarial attacks and limiting the usefulness of the system.

Already, Scale AI prompt engineer Riley Goodside discovered how an attacker might interrupt a ChatGPT session using a visual prompt injection of the name “David Mayer” rendered in a light, barely legible font embedded in an image. When ChatGPT sees the image (in this case, a math equation), it stops, but the user might not understand why.

The filter also means that it’s likely that ChatGPT won’t be able to answer questions about this article when browsing the web, such as through ChatGPT with Search.  Someone could use that to potentially prevent ChatGPT from browsing and processing a website on purpose if they added a forbidden name to the site’s text.

And then there’s the inconvenience factor. Preventing ChatGPT from mentioning or processing certain names like “David Mayer,” which is likely a popular name shared by hundreds if not thousands of people, means that people who share that name will have a much tougher time using ChatGPT. Or, say, if you’re a teacher and you have a student named David Mayer and you want help sorting a class list, ChatGPT would refuse the task.

These are still very early days in AI assistants, LLMs, and chatbots. Their use has opened up numerous opportunities and vulnerabilities that people are still probing daily. How OpenAI might resolve these issues is still an open question.

https://arstechnica.com/information-technology/2024/12/certain-names-make-chatgpt-grind-to-a-halt-and-we-know-why/

OpenAI provided a statement to Ars today saying that “Elon’s fourth attempt, which again recycles the same baseless complaints, continues to be utterly without merit.” OpenAI referred to a longer statement that it made in March after Musk filed an earlier version of his lawsuit.

The March statement disputes Musk’s version of events. “In late 2017, we and Elon decided the next step for the mission was to create a for-profit entity,” OpenAI said. “Elon wanted majority equity, initial board control, and to be CEO. In the middle of these discussions, he withheld funding. Reid Hoffman bridged the gap to cover salaries and operations.”

OpenAI cited Musk’s desire for Tesla merger

OpenAI’s statement in March continued:

We couldn’t agree to terms on a for-profit with Elon because we felt it was against the mission for any individual to have absolute control over OpenAI. He then suggested instead merging OpenAI into Tesla. In early February 2018, Elon forwarded us an email suggesting that OpenAI should “attach to Tesla as its cash cow,” commenting that it was “exactly right… Tesla is the only path that could even hope to hold a candle to Google. Even then, the probability of being a counterweight to Google is small. It just isn’t zero.”

Elon soon chose to leave OpenAI, saying that our probability of success was 0, and that he planned to build an AGI competitor within Tesla. When he left in late February 2018, he told our team he was supportive of us finding our own path to raising billions of dollars. In December 2018, Elon sent us an email saying “Even raising several hundred million won’t be enough. This needs billions per year immediately or forget it.”

Now, Musk says the public interest would be served by his request for a preliminary injunction. Preserving competitive markets is particularly important in AI because of the technology’s “profound implications for society,” he wrote.

Musk’s motion said the public “has a strong interest in ensuring that charitable assets are not diverted for private gain. This interest is particularly acute here given the substantial tax benefits OpenAI, Inc. received as a non-profit, the organization’s repeated public commitments to developing AI technology for the benefit of humanity, and the serious safety concerns raised by former OpenAI employees regarding the organization’s rush to market potentially dangerous products in pursuit of profit.”

https://arstechnica.com/tech-policy/2024/12/elon-musk-asks-court-to-block-openai-conversion-from-nonprofit-to-for-profit/

Tenstorrent lancia la sfida a Nvidia?

Il mercato dei chip di intelligenza artificiale (AI) sta prendendo il volo e Tenstorrent ha raccolto 693 milioni di dollari in un nuovo round di finanziamento di serie D.

Nel gruppo degli investitori Jeff Bezos di Bezos Expeditions, XTX Markets, Corner Capital, MESH, Export Development Canada, Healthcare of Ontario Pension Plan, LG Electronics, Hyundai Motor Group, Fidelity, Baillie Gifford.

Un ampio fronte di investitori che ha dato spessore alla società che produrrà chip AI, ponendola in prospettiva come diretto competitor del gigante Nvidia.

<!-- ARUBA - 300x250 -->

Le risorse, si legge in un comunicato, saranno direttamente impiegate per sviluppare nuove soluzioni di AI open source, assumere nuovi sviluppatori, creare nuovi centri di ricerca, innovazione e progettazione, creare sistemi cloud per supportare la rete di sviluppatori di AI.

Fino ad oggi, Tenstorrent ha firmato contratti per 150 milioni di dollari.

Chip AI open source

La società con sede nella città di Santa Clara, sempre nella Silicon Valley californiana, mira di fatto a porsi come fornitore intermedio tra le aziende di piccole e medie dimensioni e i grandi fornitori come Nvidia.

Le cosiddette Big Tech, infatti, monopolizzano il mercato dei chip AI con costi molto elevati. Il CEO e fondatore Jim Keller ha spiegato che Tenstorrent utilizzerà soluzioni open source proprio per rendere l’AI a portata di mano delle imprese minori.

L’open source di fatto si sta affermando rapidamente con il boom dell’AI, proprio per la sua convenienza economica.

Esempi sono stati il modello di linguaggio di grandi dimensioni di Meta, Llama 3.2, ma anche il chatbot Grok-1 di xAI di Elon Musk.

Oggi il valore di mercato di Nvidia supera i 3,35 trilioni di dollari. Un incremento straordinario di nove volte in meno di due anni.

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/chip-ai-jeff-bezos-investe-su-tenstorrent-parte-la-sfida-a-nvidia/513932/