Il clamoroso successo ottenuto da DeepMind con AlphaFold ha attirato le attenzioni degli analisti anche sugli aspetti finanziari, dove si ritrova un bilancio dal passivo piuttosto consistente, nonostante la netta crescita sul fronte dei ricavi. L’eterna “lotta” tra ricerca e business vede nell’operato della società inglese, controllata da Google, un caso emblematico. In qualità di AI Lab, queste realtà si ritrovano infatti attratte da due poli opposti, tra una R&D molto costosa e il contesto aziendale che le spinge generare utili in ambito commerciale. Oltre una certa soglia di investimenti, per ora la soluzione più ricorrente è rappresentato dal sostegno finanziario di una grande holding tecnologica.

TAKEAWAY

  • DeepMind, celebre deep learning company inglese, ha accumulato debiti per oltre 1 miliardo di sterline, puntualmente ripianati da Google, che rinnova la piena fiducia finanziaria.
  • In particolare, gli enormi costi legati al training dei sistemi di AI degli specifici progetti basati sul deep learning, sarebbero ancora difficili da compensare con il fatturato delle applicazioni commerciali.
  • Ricerca e Business si basano su presupposti agli antipodi. Gli AI Lab più strutturati si collocano in un limbo, che supera le possibilità della ricerca universitaria ed al tempo stesso li rende difficilmente sostenibili a livello commerciale.
  • La ricerca scientifica nell’ambito delle tecnologie emergenti è sempre più controllata dai big one, che ne sostengono i costi per generare valore all’interno del proprio ecosistema, con programmi che vanno dal breve al lungo periodo. 

DeepMind non sfugge alla fredda analisi in base alla quale il conto delle aziende più innovative nell’ambito dell’intelligenza artificiale appare spesso in rosso, a conferma che i costi della ricerca legata alle tecnologie emergenti continuano a caratterizzare un punto complesso in termini di autonomia finanziaria.

Con riferimento ai dati ufficiali dell’esercizio 2019, i ricavi di DeepMind confermano un trend assolutamente positivo sia a livello di fatturato che di incremento dei costi. Nel 2019, secondo i dati della UK’s Companies House, i ricavi denunciati da DeepMind, che ha obbligo di pubblicità di bilancio, corrispondono a 266 milioni di sterline (+163 rispetto al 2018) mentre i costi sarebbero quantificabili in 717 milioni di sterline (+149 rispetto al 2018). Costituisce la base di calcolo per un passivo che arriva a toccare i 477 milioni di sterline soltanto per l’esercizio considerato.

In attesa di conoscere i dati ufficiali relativi al 2020, cerchiamo di riflettere su alcune delle ragioni che vedono i bilanci in controtendenza con il valore sociale delle scoperte dell’intelligenza artificiale, in particolare di quella che viene definita la AGI – Artificial General Intelligence, obiettivo dichiarato dell’attività di DeepMind. A cominciare dalla storica divergenza tra ricerca e business.

Ricerca e Business, un rapporto a due velocità

Il fatto che un’azienda fondata essenzialmente sulla ricerca non sia in grado di produrre utili sul breve termine non costituisce di certo una sorpresa, in quanto equivale ad un aspetto fisiologico, tipico dell’attività scientifica.

L’intelligenza artificiale è già presente su larga scala nella nostra quotidianità, dai chatbot/assistenti virtuali in ambito e-commerce a tutte le applicazioni basate sul riconoscimento delle immagini, passando per la guida autonoma e i servizi in grado di processare e gestire enormi quantità di dati per supportare le decisioni.

Per quanto la loro implementazione possa apparire recente, la loro tecnologia deriva da ricerche iniziate quaranta se non addirittura cinquant’anni fa.

Se i tempi di maturazione di una tecnologia così radicale appaiono inevitabilmente lunghi, per via della sua complessità e della necessità di penetrare profondamente i processi in atto, al contrario, l’investitore tradizionale si attende un ritorno di capitali più rapido possibile, nell’ordine di pochi anni, se non addirittura di pochi mesi, con un approccio speculativo che ben poco ha a che vedere con la modalità su cui la ricerca scientifica è storicamente improntata. 

Negli ultimi anni tuttavia lo scenario è profondamente variato a causa del potere acquisito dalle principali aziende tecnologiche al mondo, i cosiddetti big one, che grazie alla loro forza economica possono farsi carico di questo onere senza dover necessarie porre soltanto obiettivi a breve termine.

Il potenziale delle tecnologie emergenti, spinge le principali aziende tecnologiche al mondo, i cosiddetti big one, ad esercitare un vero e proprio shopping delle migliori realtà disponibili per acquisirne IP, brevetti e mettere le conoscenze dei team di ricerca al servizio.

Oltre a monitorare costantemente il mondo delle startup, le grandi holding rivolgono costanti attenzioni alla ricerca universitaria, stipulando ingenti joint venture e/o acquisendo direttamente i migliori talenti grazie ad offerte di stipendio che nessun ateneo riuscirebbe mai a pareggiare.

Google, il moderno mecenate di DeepMind

Fondata a nel 2010 da Demis Hassabis, Mustafa Suleyman e Shane Legg, la startup londinese DeepMind è stata capace di farsi notare molto presto nel panorama delle più interessanti aziende AI based a livello internazionale, tant’è che nel 2014 Alphabet l’ha acquisita rendendola una realtà semi-indipendente, organizzata in diverse unità, di cui alcune utili alla ricerca e sviluppo di alcuni settori della sulla più celebre controllata: Google.

Il co-fondatore di Google ed attuale CEO di Alphabet, Sundar Pichai, nel contesto dell’assemblea degli investitori del luglio 2020, ha espressamente dichiarato: “Sono assolutamente contento della velocità con cui la nostra ricerca e sviluppo sull’intelligenza artificiale sta procedendo. Per me è importantissimo rappresentare lo stato dell’arte e ci stiamo riuscendo, sono personalmente soddisfatto di come i nostri team di engineering e R%D stanno lavorando, sia in Google che in DeepMind”.

Il risvolto entusiastico espresso da Sundar Pichai confermerebbe in qualche modo la volontà di Google di ripianare il debito di oltre un miliardo di dollari finora accumulato da DeepMind, confermando la propria fiducia a livello di investimenti almeno per almeno un altro anno, secondo quanto confermato da diverse fonti ufficiali.

Parafrasando un celebre modo di dire, il rapporto tra Google e DeepMind costituirebbe la regola che conferma l’eccezione. L’elenco di company tecnologiche controllate dalle grandi holding ha ormai assunto dimensioni ragguardevoli. Nel solo ambito dell’intelligenza artificiale appare spontaneo il richiamo ad OpenAI, una realtà simile a DeepMind, sostenuta a sua volta da Microsoft.

Il gioco di reciproci interessi consente ai AI lab di poter svolgere un’attività che non potrebbe altrimenti sostenere gli enormi costi alla base dello sviluppo delle tecnologie di riferimento dell’intelligenza artificiale, in particolare il deep learning. Per contro la holding che li acquisisce può avvalersi di realtà R&D straordinariamente prolifiche ed innovative, generando valore a livello di IP e supportando in maniera diretta ed indiretta le varie attività delle altre company, oltre che dei propri servizi generali.

Per citare un esempio, grazie ad un progetto sviluppato da DeepMind, Google è di recente riuscita ad ottimizzare il consumo energetico dei propri immensi data center, con un risparmio di circa il 30%, abbattendo in modo radicale i propri costi di esercizio. Allo stesso modo, Google è riuscita a migliorare in maniera significativa la tecnologia alla base dei propri assistenti vocali e numerose altre applicazioni, sia in ambito B2B che B2C.

DeepMind e progetti Alpha: il costosissimo deep learning per giocare e rivoluzionare la scienza

Le ragioni per cui DeepMind al momento continuerebbe ad accumulare un passivo sostanziale sarebbe dunque dato essenzialmente da due fattori. Da un lato di essere sostanzialmente un’azienda monocliente, avendo in Google il principale, nonché sostanzialmente unico partner-in-crime. Dall’altro, come precisato in maniera esplicita dal già citato report annuale della UK’s Companies House, dagli enormi costi, in particolare quelli legati all’infrastruttura e al personale.

DeepMind è infatti diventata incredibilmente popolare a livello globale grazie ai suoi progetti Alpha, il cui risultato è un software basato sull’intelligenza artificiale in grado di vincere una grande sfida. Due progetti, AlphaStar e AlphaGo hanno visto la loro applicazione in ambito ludico, superando i migliori avversari umani al mondo, mentre AlphaFold è stato utilizzato per risolvere il calcolo del Protein Folding, un risultato che apre letteralmente una nuova era nella biologia molecolare.

AlphaGo è riuscito a battere alcuni tra i più grandi campioni di Go, il popolare gioco cinese, ritenuto tra i più complessi da simulare a causa dell’incredibile numero di variabili e di comportamenti che si possono incontrare durante le partite.

Grazie all’utilizzo di una rete neurale addestrata direttamente con enormi quantità di dati di gioco, nel 2018 AlphaStar è riuscita a battere a StarCraft 2 fuoriclasse due professionisti umani come MaNa e TLO, totalizzando un inappellabile 10-1 complessivo. Pubblicato da Blizzard Entertainment nel 2010, StarCraft 2 è tuttora ritenuto uno dei punti di riferimento nel genere RTS (strategici in tempo reale).

Il 30 novembre 2020 Nature ha pubblicato un paper con i risultati del CASP14, il più noto contest di Protein Folding attivo, dove AlphaFold, il software sviluppato da DeepMind ha letteralmente sbaragliato la concorrenza raggiungendo finalmente il 90% di accuratezza, ritenuta la soglia efficace per la previsione della struttura proteica in 3D. Si tratta di una data epocale, che apre scenari del tutto inediti sul fronte della ricerca e delle applicazioni della biologia molecolare.

I processi di deep learning su cui si basano tutti i progetti Alpha sono incredibilmente onerosi a livello computazionale, in quanto richiedono simulazioni distribuite, ovviamente basate sui servizi cloud della stessa Google, in particolare per quanto concerne l’utilizzo delle TPU (Tensor Processing Unit), dei processori ottimizzati per questo genere di lavori computazionali. Allenare i sistemi di intelligenza artificiale che sono stati in grado di vincere a Go, piuttosto che ha risolvere il problema del Protein Folding è costato molti milioni di dollari soltanto per avvalersi dei teraflops necessari a livello computazionale.

Oltre ai costi infrastrutturali, occorre tenere presente il fattore umano. Il team multidisciplinare di DeepMind è composto da eccellenze nei rispettivi ambiti di ricerca, che come già citato sono oggetto di una vera e propria caccia al talento, in cui le grandi holding si sfidano a suon di milioni di dollari, o di sterline che dir si voglia.

Il futuro dei grandi AI Lab è sempre più controllato?

Il mercato delle tecnologie emergenti continuerà a prospettare realtà assolutamente interessanti, così come e mietere le necessarie vittime sacrificali sulla strada dell’innovazione, come nel caso di Stockwell (Bodega), Hipmunk o Stockwell, che hanno di recente chiuso definitivamente i battenti, o Nudge.ai, letteralmente salvata in corner dall’acquisizione di Affinity, che utilizzava già i suoi servizi di CRM.

Maggiore è la portata innovativa della startup, quanto più appare decisivo il supporto finanziario di una realtà in grado di sostenerla anche dal punto di vista tecnologico, dandole modo di applicare applicazioni concrete all’interno del proprio sconfinato ecosistema. Almeno nell’ambito delle AI, oltre certi numeri, l’indipendenza appare oggi come una vera e propria chimera.

Scritto da:

Francesco La Trofa

Giornalista Leggi articoli Guarda il profilo Linkedin