L’illusione della trasparenza nell’era dei modelli fondamentali
DeepSeek ha appena rilasciato V4-Flash, un aggiornamento che promette velocità impressionante e costi ridotti per l’inferenza. Ma dietro il linguaggio tecnico dei changelog si nasconde una domanda scomoda: chi controlla davvero questi modelli quando le risorse necessarie per addestrarli sono concentrate nelle mani di pochi attori statali e corporativi? La narrazione dell’open source come grande egualizzatore tecnologico inizia a mostrare le sue crepe quando il costo di ingresso supera il PIL di piccoli stati.
Il paradosso del potere computazionale
Addestrare un modello come V4-Flash richiede centinaia di migliaia di ore di GPU H100. Anche se i pesi vengono rilasciati sotto licenza permissiva, la capacità di riprodurre, modificare o migliorare significativamente il modello rimane appannaggio di chi può permettersi infrastrutture da centinaia di milioni di dollari. Non è libertà, è turismo nel giardino recintato dei potenti.
«L’open source nell’AI sta diventando quello che è stato il software libero negli anni 2000: una foglia di fico per il potere concentrato»
— Ricercatore indipendente del Montreal AI Ethics Institute, intervistato su Signal
Dalla Cina con furore: nazionalismo tecnologico e dipendenze nascoste
DeepSeek è cinese, finanziato da fondi legati allo Stato, eppure viene accolto nella comunità occidentale come un eroe dell’open source. Questo doppio gioco rivela qualcosa di fondamentale: la geopolitica dell’AI non segue le linee ideologiche che ci raccontiamo. Quando Pechino rilascia un modello potente, lo chiamiamo “collaborazione globale”; quando Washington fa lo stesso con modelli classificati, lo chiamiamo “minaccia alla sicurezza nazionale”.
Il vero costo dell’inferenza “flash”
V4-Flash vanta latenze ridotte del 40% rispetto alla versione precedente. Ottimo per chi vuole distribuire chatbot su larga scala. Ma chi paga il costo energetico di questa velocità? I data center che eseguono questi modelli consumano elettricità pari a quella di piccole città. E mentre noi discutiamo di token al secondo, le comunità indigene in Mongolia perdono l’accesso all’acqua perché le falde vengono prosciugate per raffreddare i server che addestrano i prossimi modelli.
Alternative reali: oltre la licenza MIT
Esistono percorsi diversi. Progetti come BLOOMZ e OLMo dimostrano che è possibile addestrare modelli linguistici rispettosi delle risorse attraverso collaborazioni accademiche vere, non finanziate da fondi difensivi. Le reti di calcolo federato come quelle sperimentate da MosaicML mostrano come comunità diffuse possano contribuire all’addestramento senza cedere il controllo a entità centrali.
La sovranità tecnologica non passa attraverso l’accesso passivo ai pesi rilasciati da un laboratorio statale, ma attraverso la capacità di decidere collettivamente cosa addestrare, come e per chi.
Conclusione: l’AI non è neutrale, mai
DeepSeek-V4-Flash è un pezzo di tecnologia impressionante. Ma celebrarlo senza chiedersi chi lo ha costruito, con quali soldi e a quale prezzo ambientale e sociale è ripetere l’errore fondamentale del tecno-ottimismo: confondere lo strumento con l’intenzione che lo guida. L’open source non è una virtù intrinseca; è un mezzo. E come ogni mezzo, può essere usato per emancipare o per consolidare il potere. Sta a noi scegliere.