Il grande reset.

[Eridano]

“Presto, un piano di repressione contro gli scettici climatici”
Maurizio Blondet 18 Gennaio 2024


Uno sondaggio ha rivelato un notevole scetticismo tra il pubblico giovane riguardo all’allarmismo climatico, uno sviluppo che ha ddestato acutissimo allarme e rabbia per l’apparato globale dell’Impostura Climatica sostenitori di un’azione urgente per il clima, “è già troppo tardi”, l’agricoltura inquina, niente più combustibili fossili eccetera: insomma il programma di spopolamento con la scusa della “lotta al CO2”



Lo studio è stato pubblicato il 16 gennaio dal Center for Countering Digital Hate (CCDH), un’organizzazione di sinistra che è stata citata in giudizio da Elon Musk per aver lanciato una “campagna di paura” per allontanare gli inserzionisti da X, ex Twitter

Lo studio rivela un aumento significativo tra il 2018 e il 2023 dei contenuti di YouTube che esprimono uno dei seguenti tre punti di vista: “le soluzioni climatiche non funzioneranno”, “la scienza del clima e il movimento per il clima sono inaffidabili” o “gli impatti del riscaldamento globale sono utili o innocui”.

I ricercatori hanno anche scoperto che circa un terzo degli adolescenti (il pubblico predominante su YouTube) sostiene opinioni come “le politiche climatiche causano più danni che benefici” o considera “il cambiamento climatico una bufala per controllare e opprimere le persone”.

I risultati – che il CCDH definisce allarmanti e “sorprendenti” – suggeriscono che c’è un crescente rifiuto delle narrazioni sul clima che enfatizzano l’imminente catastrofe globale.

Il gruppo afferma di trovare preoccupante la tendenza e sta esortando le grandi piattaforme tecnologiche come YouTube a censurare i contenuti che “contraddicono l’autorevole consenso scientifico” sul cambiamento climatico.



“Nuovo negazionismo del clima”

I ricercatori del CCDH hanno raccolto le trascrizioni di oltre 12.000 video pubblicati su 96 canali YouTube tra il 2018 e il 2023, quindi hanno analizzato il contenuto dal punto di vista delle narrazioni legate al cambiamento climatico.

Per esempio,

I contenuti che esprimono l’opinione che “la scienza del clima e il movimento per il clima sono inaffidabili” sono saliti al 35% dal 23%, mentre la narrativa secondo cui “gli impatti del riscaldamento globale sono benefici o innocui” è balzata al 6% dal 4%.

Questo cambiamento, etichettato come “nuovo negazionismo”, costituisce ora la maggioranza (70%) dei contenuti scettici sul clima su YouTube.

S’è inoltre rilevato che il 33% degli adolescenti pensa che “le politiche climatiche causano più danni che benefici” e il 30% ritiene che “non ci si possa fidare della scienza del clima e del movimento per il clima”.


“La diffusione del New Climate Denial può avere un impatto catastrofico sull’azione per il clima”, ha affermato il CCDH in una dichiarazione in cui il gruppo ha invitato Google, che possiede YouTube, a intensificare la sua politica di demonetizzazione e deamplificazione dei contenuti scettici sul clima. .

Charlie Cray, senior strategist di Greenpeace USA, ha espresso un punto simile in una dichiarazione riguardante lo studio: “I negazionisti del clima hanno ora accesso a un vasto pubblico globale attraverso le piattaforme digitali. Consentire loro di indebolire costantemente il sostegno pubblico all’azione per il clima, soprattutto tra gli spettatori più giovani, potrebbe avere conseguenze devastanti per il futuro del nostro pianeta”.

In realtà, , più di 1.600 scienziati e professionisti informati hanno recentemente firmato un impegno in cui dichiarano che non esiste “nessuna emergenza climatica”, sostenendo che modelli imperfetti e retorica allarmista hanno soffocato la realtà scientifica per amore del denaro e del potere.

Tra i firmatari figurano premi Nobel, fisici teorici, meteorologi, professori e scienziati ambientali di tutto il mondo.

Il cambiamento climatico, o “emergenza climatica”, come molti attivisti insistono a chiamarla, è diventato un grido di battaglia globalista sempre più forte negli ultimi anni.

Ora, l’adozione del terrorismo climatico +è stato assunto esplicitamente a Davos:

L’ex vicepresidente Al Gore ha messo in guardia contro le “bombe a pioggia” e gli oceani “in ebollizione” in un discorso emozionante sul cambiamento climatico in occasione di un incontro delle élite globali al Forum economico mondiale in Svizzera lo scorso anno.

Il segretario generale delle Nazioni Unite António Guterres ha tenuto un discorso altrettanto allarmista durante l’evento, affermando che “stiamo flirtando con il disastro climatico” e che “ogni settimana porta con sé una nuova storia dell’orrore climatico”.

Quest’anno, la direttiva è stata ancora èpiù estrema:

L’agricoltura e la pesca dovrebbero essere considerati reati ambientali : forme di ecocidio.
Lo ha affermato tale Jojo Mehta, fondatrice di Stop Ecocide Now, a cui il World Economic Forum ha dato il palcoscenico L’attivista nel corso del suo intervento ha discusso l’idea di rendere crimini penalmente perseguibili gli effetti collaterali ecologici derivanti da attività come l’agricoltura, la pesca e la produzione di energia. Inoltre, auspica l’istituzione di una nuova categoria penale internazionale di “ecocidio” per prevenire il «danno e la distruzione di massa della natura». Mentre finora sono considerate forme di ecocidio disastri come le fuoriuscite di petrolio e le fusioni nucleari, Mehta suggerisce di estendere tale reato anche alle funzioni necessarie dell’umanità,



Il blogger Ugo Fuoco segnala che



Al WEF la Cina aderisce all’Impostura Climatica
ATTUARE AGENDA2030 IN TOTO, MA DIFFERENZIATA, PER COMBATTERE I CAMBIAMENTI CLIMATICI. PREMIER CINESE LI QIANG



Li Qiang (https://it.m.wikipedia.org/wiki/Li_Qiang), Premier di quella Cina che inaugura tre nuove centrali a carbone a settimana, ha affermato dal palco del WEF24 che bisogna attuare l’Agenda 2030 ma differenziata (ovvero la Cina se ne infischia mentre noi invece dobbiamo farla).

️La Cina, infatti, usa ed userà fonti fossili per distruggere gli ecosistemi naturali col fine di estrarre materie prima con cui costruire una mole enorme di dannosissime auto elettriche attraverso cui invadere il mercato globale.

⚡️Ecco perché il paese del dragone, pur fregandosene altamente del clima e dell’ambiente entro i propri confini nazionali, spinge per l’attuazione delle politiche verdi. Deve invadere il mercato dei suoi finti prodotti green, dietro ai quali ci sono investitori amici di Davos quali Balckrock, BalckStone, Vanguard e State Street.



Al WEF, Jake Sullivan, il consigliere nazionale di Biden è stato affrontato dal generale Flynn con queste domande

https://twitter.com/ChanceGardiner/s...i-climatici%2F
. I leader del governo USA devono rendersi conto che siamo di fronte a una minaccia reale che proviene dall’adesione al WEF. Noi votiamo per chi ci aspettiamo prendano decisioni sulla nostra vita, non per ricchi globalisti che pensano di sapere cosa è meglio per la mia famiglia!


https://www.maurizioblondet.it/prest...n=push_friends

[Eridano]

Per l’Intelligenza Artificiale l’elettricità del mondo può non bastare
Maurizio Blondet 20 Gennaio 2024

L’Intelligenza artificiale è così mostruosamente energivora, ha bisogno di tale quantità di elettricità far funzionare le sue batterie di centinaia di supercomputer, che rischia di “non avere futuro” se non si adotta l’energia nucleare, più precisamente la fusione atomica – una tecnologia che non è proprio dietro l’angolo.

Lo ha detto al Forum di Davos Sam Altman, il padrone di Open AI qualche giorno fa. Rallegriamoci : come dovrebbe essere chiaro, la Intelligenza Artificiale (AI) a noi non serve; serve a loro, ai plutocrati, primariamente per non pagare più i giusti salari a milioni di lavoratori intellettuali, aumentando di milioni le “Bocche inutili” inquinanti da eliminare; ma ancor più la AI per rendere perfetto e totale l’apparato di schiavitù, dall’abolizione del contante alle camere a riconoscimento facciale collegate con il credito sociale, fino alla realizzazione dell’aberrante Progetto Transumano, con l’integrazione di chip e corpi umano ea altri deliri concepiti dal superomismo di Harari e di Schwab.

Notiamo da questa rivelazione che l’AI provoca più effetto serra e CO2 dell’agricoltura che in USA Kerry, nominato zar climatico, vuole “eliminare” (non ridurre, eliminare) perché colpevole del 30% del riscaldamento climatico; pù delle auto private che ci vogliono togliere e del riscaldamento della casa che ci vogliono vietare.

Notiamo infine che la titanica quantità d energia elettrica che i lorsignori del digitale consumano per la loro AI, ha un prezzo, gigantesco; lorsignori preferiscono pagare per quella, piuttosto che i salari giusti. La consolazione è che non riusciranno ad espandere a livello totale la schiavitù AI: troppa improna di carbonio…





Qui sotto alcuni testi che spiegano il problema:

Il futuro dell’intelligenza artificiale dipende dall’energia: lo ha detto il CEO di OpenAI a Davos
l CEO di OpenAI, Sam Altman, ha dichiarato che serve una svolta in materia di energia per sostenere i progressi nel campo dell’intelligenza artificiale.

Il pensiero di Altman è molto semplice: l’IA richiederà sempre più potenza di calcolo e di conseguenza hardware più energivoro. Intervistato da Bloomberg (via Reuters), Altman ha affermato che è necessario investire su fonti di energia più rispettose del clima, in particolare la fusione nucleare

“Non c’è modo di arrivarci senza una svolta“, ha detto. “Questo ci motiva a investire di più nella fusione”. Altman è già passato dalle parole ai fatti con un investimento nel 2021 di 375 milioni in Helion Energy, società che persegue la fusione nucleare.

Helion Energy ha già siglato un accordo per fornire energia nucleare da fusione a Microsoft a partire dal 2028, anche se non mancano gli scettici che ritengono impossibile rispettare una tale tempistica. Microsoft è il principale investitore di OpenAI, quindi non sembra causale che abbia stretto un’intesa con un’azienda sostenuta da Sam Altman.

Scientific Amreican:

Il boom dell’intelligenza artificiale potrebbe utilizzare una quantità scioccante di elettricità
Alimentare modelli di intelligenza artificiale richiede molta energia. Una nuova analisi dimostra quanto grande potrebbe diventare il problema

DI LAUREN LEFFER



Attrezzatura nella sala server
Ogni interazione online si basa su un’impalcatura di informazioni archiviate in server remoti e queste macchine, impilate insieme nei data center di tutto il mondo, richiedono molta energia. Secondo l’Agenzia internazionale per l’energia , in tutto il mondo i data center rappresentano attualmente circa l’1-1,5% del consumo globale di elettricità . E il boom mondiale dell’intelligenza artificiale, ancora in espansione, potrebbe far aumentare questo numero molto, e velocemente.

Negli ultimi mesi i ricercatori hanno lanciato allarmi generali sull’elevato fabbisogno energetico dell’intelligenza artificiale . Ma un’analisi peer-reviewed pubblicata questa settimana su Joule è una delle prime a quantificare la domanda che si sta rapidamente materializzando. Il proseguimento delle attuali tendenze in termini di capacità e adozione dell’intelligenza artificiale porterà NVIDIA a spedire 1,5 milioni di unità server AI all’anno entro il 2027. Questi 1,5 milioni di server, funzionanti a piena capacità, consumerebbero almeno 85,4 terawattora di elettricità all’anno : più di quello che molti piccoli paesi consumano in un anno, secondo la nuova valutazione.

L’analisi è stata condotta da Alex de Vries, data scientist presso la banca centrale dei Paesi Bassi e Ph.D. candidato alla Vrije University Amsterdam, dove studia i costi energetici delle tecnologie emergenti. In precedenza de Vries era diventato famoso per aver lanciato l’allarme sugli enormi costi energetici del mining e delle transazioni di criptovalute. Ora ha rivolto la sua attenzione all’ultima moda tecnologica. Scientific American ha parlato con lui dello sconcertante appetito dell’intelligenza artificiale per l’elettricità.

[ Segue una trascrizione modificata e condensata dell’intervista. ]

Perché ritieni sia importante esaminare il consumo energetico dell’intelligenza artificiale?

Perché l’intelligenza artificiale è ad alta intensità energetica. Ho inserito un esempio di ciò nel mio articolo di ricerca: ho sottolineato che se trasformassi completamente il motore di ricerca di Google in qualcosa come ChatGPT e tutti lo usassero in questo modo, avresti nove miliardi di interazioni chatbot invece di nove miliardi di ricerche regolari per giorno, quindi il consumo di energia di Google aumenterebbe. Google avrebbe bisogno della stessa potenza dell’Irlanda solo per far funzionare il suo motore di ricerca.

Ora, questo non accadrà perché anche Google dovrebbe investire 100 miliardi di dollari in hardware per renderlo possibile. E anche se [l’azienda] avesse i soldi da investire, la catena di fornitura non potrebbe consegnare subito tutti quei server. Ma penso ancora che sia utile illustrare che se si intende utilizzare l’intelligenza artificiale generativa in applicazioni [come un motore di ricerca], ciò ha il potenziale per rendere ogni interazione online molto più pesante in termini di risorse.

Penso che sia salutare includere almeno la sostenibilità quando parliamo del rischio dell’intelligenza artificiale. Quando parliamo del potenziale rischio di errori, delle incognite della scatola nera o del pregiudizio discriminatorio dell’IA, dovremmo includere anche la sostenibilità come fattore di rischio. Spero che il mio articolo incoraggi almeno il processo di riflessione in quella direzione. Se useremo l’intelligenza artificiale, sarà d’aiuto? Possiamo farlo in modo responsabile? Abbiamo davvero bisogno di utilizzare questa tecnologia in primo luogo? Cos’è che un utente finale desidera e di cui ha bisogno e come possiamo aiutarlo al meglio? Se l’intelligenza artificiale è parte di questa soluzione, ok, vai avanti. Ma se non lo è, allora non inserirlo.

Quali parti dei processi dell’intelligenza artificiale utilizzano tutta quell’energia?

Generalmente ci sono due grandi fasi quando si parla di intelligenza artificiale. La prima è la fase di addestramento, in cui si imposta e si fa in modo che il modello impari da solo come comportarsi. E poi hai una fase di inferenza, in cui inserisci il modello in un’operazione live e inizi a fornirgli suggerimenti in modo che possa produrre risposte originali. Entrambe le fasi sono ad alta intensità energetica e non sappiamo veramente quale sia il rapporto energetico. Storicamente, con Google, il bilancio era del 60% di inferenza e del 40% di formazione. Ma poi con ChatGPT questo problema è crollato, perché l’addestramento di ChatGPT richiedeva un consumo energetico relativamente minimo rispetto all’applicazione del modello.


Uno scienziato informatico analizza l’elevata impronta di carbonio dell’intelligenza artificiale generativa
KATE SAENKO e LA CONVERSAZIONE USA

Dipende da molti fattori, ad esempio la quantità di dati inclusi in questi modelli. Voglio dire, questi grandi modelli linguistici su cui è alimentato ChatGPT sono noti per l’utilizzo di enormi set di dati e per avere miliardi di parametri. E, naturalmente, rendere questi modelli più grandi è un fattore che contribuisce a farli semplicemente necessitare di più potenza, ma è anche il modo in cui le aziende rendono i loro modelli più robusti.

Quali sono alcune delle altre variabili da considerare quando si pensa all’utilizzo dell’energia dell’IA?

Il raffreddamento non è incluso nel mio articolo, ma se ci fossero stati dei dati su cui basarsi, lo sarebbero stati. Una grande incognita è dove finiranno quei server. Ciò conta molto, perché se sono in Google, il consumo aggiuntivo di energia per il raffreddamento sarà nell’ordine di un aumento del 10%. Ma i data center globali, in media, aggiungeranno il 50% al costo energetico solo per mantenere le macchine fresche. Ci sono data center che funzionano anche peggio di così.

Numenta:

Perché la AI ha bisogno di quantità di energia così enormi da danneggiare l’ambiente?
Un anno fa, è apparso un blog intitolato “ L’intelligenza artificiale sta danneggiando il nostro pianeta: affrontare l’incredibile costo energetico dell’intelligenza artificiale ” per far luce sulle allarmanti richieste energetiche dell’intelligenza artificiale e introdurre tecniche basate sul cervello per mitigare potenzialmente queste preoccupazioni ambientali. Oggi, poiché l’importanza delle applicazioni e delle tecnologie di intelligenza artificiale come ChatGPT e Large Language Models (LLM) continua a crescere, l’importanza di questa discussione non ha fatto altro che aumentare.

Sulla sua traiettoria attuale, l’intelligenza artificiale non farà altro che accelerare la crisi climatica. Al contrario, il nostro cervello è incredibilmente efficiente e consuma circa 20 watt di potenza, più o meno quanto necessario per alimentare una lampadina. Se potessimo applicare tecniche basate sulle neuroscienze all’intelligenza artificiale, esiste un enorme potenziale per ridurre drasticamente la quantità di energia utilizzata per i calcoli e quindi ridurre le emissioni di gas serra. Alla luce dei progressi che hanno plasmato il panorama dell’intelligenza artificiale nell’ultimo anno, questo post sul blog mira a rivisitare le preoccupazioni ambientali sottolineate nel post originale e il modo in cui le tecniche basate sul cervello possono affrontare il costo energetico incredibilmente elevato dell’intelligenza artificiale.

Perché l’intelligenza artificiale consuma così tanta energia?
Innanzitutto, vale la pena capire come funziona un modello di deep learning in termini semplici. I modelli di deep learning, come gli LLM, non sono intelligenti come lo è il tuo cervello. Non apprendono le informazioni in modo strutturato. A differenza di te, non possono interagire con il mondo per apprendere causa ed effetto, contesto o analogie. I modelli di deep learning possono essere visti come tecniche statistiche di “forza bruta” che prosperano su grandi quantità di dati.

Ad esempio, se vuoi addestrare un modello di deep learning a comprendere e scrivere su un gatto, mostragli migliaia di esempi di testo relativi ai gatti. Il modello non capisce che un gatto fa le fusa o è più propenso di un cane a giocare con una piuma. Anche se può emettere un testo che afferma che un gatto fa le fusa, non capisce le fusa nello stesso modo in cui lo fa un bambino, che ha giocato con un gatto e un cane e ha imparato le loro differenze nell’arco di un’ora. Il modello non può comprendere il mondo semplicemente esaminando come le parole e le frasi appaiono insieme. Per fare inferenze, deve essere addestrato su enormi quantità di dati per osservare quante più combinazioni possibili.

L’enorme fabbisogno energetico di questi modelli statistici di forza bruta è dovuto ai seguenti attributi:

Richiede milioni o miliardi di esempi di formazione. Nell’esempio del gatto sono necessarie frasi che descrivano i gatti da diverse prospettive e contesti. Sono necessarie frasi di razze, colori e sfumature diverse. Sono necessarie frasi sui diversi ambienti in cui potrebbero essere trovati i gatti. Esistono tanti modi diversi per descrivere un gatto e il modello deve essere addestrato su volumi di informazioni relative a milioni di concetti diversi che coinvolgono i gatti.
Richiede molti cicli di allenamento. Il processo di addestramento del modello prevede l’apprendimento dagli errori. Se il modello ha erroneamente previsto che la storia di un gatto si concludeva con lui che si godeva felicemente un bagno freddo, il modello riadatta i suoi parametri e affina la sua classificazione, quindi si riqualifica. Impara lentamente dai propri errori, il che richiede molte iterazioni attraverso l’intero set di dati.
Richiede una riqualificazione quando vengono presentate nuove informazioni. Se ora il modello deve scrivere sui cani, cosa di cui non ha mai imparato prima, può utilizzare il contesto fornito nella richiesta sui cani per improvvisare al volo. Tuttavia, potrebbe produrre imprecisioni e non conserverà queste nuove informazioni per un utilizzo futuro. In alternativa, può essere addestrato su questi nuovi dati, ma a costo di dimenticare le sue conoscenze precedenti, cioè i dettagli sui gatti. Per scrivere di cani e gatti, il modello dovrà essere riqualificato fin dall’inizio. Dovrà avere descrizioni sulle razze di cani e sui loro comportamenti aggiunte al set di addestramento ed essere riqualificato da zero. Il modello non può apprendere in modo incrementale.
Richiede molti pesi e molte moltiplicazioni. Una tipica rete neurale ha molte connessioni, o pesi, rappresentati da matrici. Affinché la rete possa calcolare un output, deve eseguire numerose moltiplicazioni di matrici attraverso strati successivi fino a quando alla fine emerge uno schema. In effetti, spesso sono necessari milioni di passaggi per calcolare l’output di un singolo livello! Una rete tipica potrebbe contenere da decine a centinaia di strati, rendendo i calcoli incredibilmente dispendiosi in termini di energia.
Quanta energia consuma l’intelligenza artificiale?
Un articolo dell’Università del Massachusetts Amherst afferma che “l’addestramento di un singolo modello di intelligenza artificiale può emettere tanto carbonio quanto cinque automobili nel corso della loro vita”. Tuttavia, questa analisi riguardava solo un ciclo di allenamento. Quando il modello viene migliorato attraverso l’addestramento ripetuto, il consumo di energia sarà notevolmente maggiore. Molte grandi aziende, che possono formare migliaia e migliaia di modelli ogni giorno, stanno prendendo sul serio la questione. Questo articolo di Meta è un buon esempio di una di queste aziende che sta esplorando l’impatto ambientale dell’intelligenza artificiale, studiando modi per affrontarlo e lanciando inviti all’azione.

Gli ultimi modelli linguistici includono miliardi e persino trilioni di pesi. GPT-4, il LLM che alimenta ChatGPT, ha 1,7 trilioni di parametri di apprendimento automatico. Si dice che siano state necessarie 25.000 GPU Nvidia A100, 90-100 giorni e 100 milioni di dollari per addestrare il modello. Sebbene il consumo di energia non sia stato reso noto, si stima che GPT-4 abbia consumato tra 51.773 MWh e 62.319 MWh , oltre 40 volte superiore a quello consumato dal suo predecessore, GPT-3. Ciò equivale al consumo di energia in 5-6 anni di 1.000 famiglie medie statunitensi.

Si stima che i costi di inferenza e il consumo energetico siano almeno 10 volte superiori ai costi di formazione. Per mettere questo in prospettiva, a gennaio ChatGPT ha consumato all’incirca la stessa quantità di elettricità al mese di 26.000 famiglie statunitensi. Man mano che i modelli diventano sempre più grandi per gestire attività più complesse, la richiesta di server per elaborare i modelli cresce in modo esponenziale.



La potenza dei computer utilizzata nell’addestramento dei sistemi di intelligenza artificiale è aumentata esponenzialmente nell’era del deep learning. Immagine dall’Economist .

Dal 2012, le risorse computazionali necessarie per addestrare questi sistemi di intelligenza artificiale sono raddoppiate ogni 3,4 mesi . Un partner commerciale ci ha detto che i loro modelli di deep learning potrebbero alimentare una città. Questa escalation nel consumo di energia va contro gli obiettivi dichiarati di molte organizzazioni di raggiungere la neutralità del carbonio nel prossimo decennio.

Come possiamo ridurre l’impronta di carbonio dell’IA?
Proponiamo di affrontare questo problema impegnativo prendendo lezioni dal cervello. Il cervello umano è il miglior esempio che abbiamo di un sistema veramente intelligente, eppure funziona con pochissima energia, essenzialmente la stessa energia necessaria per far funzionare una lampadina. Questa efficienza è notevole se paragonata alle inefficienze dei sistemi di deep learning.

Come fa il cervello a funzionare in modo così efficiente? La nostra ricerca, profondamente radicata nelle neuroscienze, suggerisce una tabella di marcia per rendere l’intelligenza artificiale più efficiente. Ecco diverse ragioni alla base della straordinaria capacità del cervello di elaborare i dati senza utilizzare molta energia.

1/ Sparsità
Le informazioni nel cervello sono codificate come rappresentazioni sparse, cioè una lunga stringa composta principalmente da zeri con pochi valori diversi da zero. Questo approccio è diverso dalle tipiche rappresentazioni nei computer, che normalmente sono dense. Poiché le rappresentazioni sparse hanno molti elementi zero, questi possono essere eliminati quando si moltiplicano con altri numeri, utilizzando solo i valori diversi da zero. Nel cervello le rappresentazioni sono estremamente sparse: ben il 98% dei numeri sono zero. Se riusciamo a rappresentare le informazioni in sistemi artificiali con livelli simili di scarsità, possiamo eliminare un numero enorme di calcoli. Abbiamo dimostrato che l’utilizzo di rappresentazioni sparse nelle attività di inferenza nel deep learning può ridurre il consumo energetico da 3 a 100 volte, a seconda della rete, della piattaforma hardware e del tipo di dati, senza alcuna perdita di precisione.

Uno sguardo più da vicino: applicazione della scarsità al machine learning
Ci sono due aspetti chiave della scarsità cerebrale che possono essere tradotti in DNN: scarsità di attivazione e scarsità di peso . Le reti sparse possono limitare l’attività (sparsità di attivazione) e la connettività (sparsità di peso) dei loro neuroni, il che può ridurre significativamente le dimensioni e la complessità computazionale del modello.



Quando sia i pesi che le attivazioni sono sparsi in una rete neurale, è necessario calcolare un prodotto solo se contiene un elemento diverso da zero, quindi una grande frazione di prodotti può essere eliminata. Immagine adattata da Hunter et al, 2021 .

2/ Dati strutturati
Il tuo cervello costruisce modelli del mondo attraverso flussi di informazioni sensoriali e movimento. Questi modelli possono catturare la struttura 3D dei dati in arrivo, in modo tale che il tuo cervello capisca che la vista del lato sinistro del gatto e la vista del lato destro del gatto non hanno bisogno di essere apprese in modo indipendente. I modelli si basano su qualcosa che chiamiamo “quadri di riferimento”. I quadri di riferimento consentono l’apprendimento strutturato. Ci permettono di costruire modelli che includono le relazioni tra vari oggetti e concetti. Possiamo incorporare l’idea che i gatti possano avere una relazione con gli alberi o le piume senza dover leggere milioni di esempi di gatti con alberi. La costruzione di un modello con quadri di riferimento richiede un numero sostanzialmente inferiore di campioni rispetto ai modelli di deep learning. Con solo alcune descrizioni di esempio di un gatto, il modello dovrebbe essere in grado di trasporre i dati per comprendere descrizioni alternative del gatto, senza essere addestrato specificamente su tali descrizioni. Questo approccio ridurrà la dimensione dei set di addestramento di diversi ordini di grandezza.

Uno sguardo più da vicino: apprendimento strutturato con quadri di riferimento
I fotogrammi di riferimento sono come le linee della griglia su una mappa o le coordinate x,y,z. Ogni fatto che conosci è associato a una posizione in un quadro di riferimento e il tuo cervello si muove costantemente attraverso i quadri di riferimento per ricordare fatti archiviati in posizioni diverse. Ciò ti consente di muovere, ruotare e cambiare le cose nella tua testa. Se qualcuno ti chiedesse di descrivere un gatto blu dei cartoni animati, potresti farlo facilmente. Lo immagineresti immediatamente, in base al tuo quadro di riferimento di come appare un gatto nella vita reale e al colore blu. Ci sono pochissime possibilità che tu possa descrivere una balenottera azzurra o un Puffo dei cartoni animati.

3/ Apprendimento continuo
Il tuo cervello impara cose nuove senza dimenticare ciò che sapeva prima. Quando leggi per la prima volta qualcosa su un animale, ad esempio un coyote, il tuo cervello non ha bisogno di imparare di nuovo tutto quello che sa sui mammiferi. Aggiunge alla sua memoria un quadro di riferimento per il coyote, rilevando somiglianze e differenze rispetto ad altri quadri di riferimento, come un cane, e condividendo comportamenti e azioni comuni, come la caccia. Questo piccolo allenamento incrementale richiede pochissima potenza.

Uno sguardo più da vicino: multitasking e apprendimento continuo con dendriti attivi
Un neurone biologico ha due tipi di dendriti: distali e prossimali. Nei neuroni artificiali che vediamo oggi sono modellati solo i dendriti prossimali. Abbiamo dimostrato che incorporando i dendriti distali nel modello neuronale, la rete è in grado di apprendere nuove informazioni senza cancellare la conoscenza appresa in precedenza, evitando così la necessità di essere riqualificata.



Confronto tra un neurone puntiforme utilizzato nelle tipiche reti di deep learning, un neurone piramidale biologico visto nella neocorteccia e un neurone dendritico attivo che incorpora i principi del neurone piramidale. Immagine adattata da Iyer et al, 2022.

4/ Hardware ottimizzato
L’attuale architettura dei semiconduttori è ottimizzata per il deep learning, dove le reti sono dense e l’apprendimento non è strutturato. Ma se vogliamo creare un’intelligenza artificiale più sostenibile, abbiamo bisogno di hardware in grado di incorporare tutti e tre gli attributi sopra menzionati: scarsità, quadri di riferimento e apprendimento continuo. Abbiamo già creato alcune tecniche per la scarsità. Queste tecniche mappano rappresentazioni sparse in un ambiente informatico denso e migliorano sia l’inferenza che le prestazioni di addestramento. Nel lungo termine, possiamo immaginare architetture ottimizzate per questi principi basati sul cervello che avranno il potenziale per fornire ulteriori miglioramenti delle prestazioni.

Uno sguardo più da vicino: scalabilità senza precedenti sulle CPU
Basandosi su decenni di ricerca nel campo delle neuroscienze, abbiamo creato architetture, strutture dati e algoritmi unici che consentono miglioramenti di costi e velocità da 10 a 150 volte in tutti i LLM, da BERT a GPT, sulle CPU odierne. La possibilità di eseguire questi modelli di grandi dimensioni su CPU riduce non solo i costi e il consumo energetico, ma anche la complessità dell’implementazione dell’infrastruttura IT di un’azienda.



Accelerazione del throughput di GPT-J-6B consentita dalla tecnologia di Numenta rispetto ad altre tecnologie CPU e GPU sul mercato.
Verso un futuro più sostenibile
Continuare a costruire reti di deep learning più grandi e ad alta intensità di calcolo non è un percorso sostenibile per costruire macchine intelligenti. Noi di Numenta crediamo che sia necessario un approccio basato sul cervello per costruire un’intelligenza artificiale efficiente e sostenibile. Dobbiamo sviluppare un’intelligenza artificiale che funzioni in modo più intelligente, non più difficile.

La combinazione di meno calcoli, meno campioni di formazione, meno passaggi di formazione e hardware ottimizzato si traduce in enormi miglioramenti nel consumo di energia. Se avessimo 10 volte meno risorse di calcolo, 10 volte meno campioni di formazione, 10 volte meno passaggi di formazione e 10 volte meno hardware, ciò porterebbe a un sistema complessivamente 10.000 volte più efficiente.

A breve termine, abbiamo creato una piattaforma AI progettata per ridurre sostanzialmente il consumo energetico nell’inferenza sulle CPU. Nel medio termine, stiamo applicando queste tecniche alla formazione e ci aspettiamo un risparmio energetico ancora maggiore riducendo il numero di passaggi di formazione necessari. Nel lungo termine, con l’hardware potenziato, vediamo il potenziale per miglioramenti migliaia di volte.

Astrarsi dal cervello e applicare i principi del cervello alle attuali architetture di deep learning può spingerci verso un nuovo paradigma di intelligenza artificiale che sia sostenibile. Se desideri saperne di più sul nostro lavoro sulla creazione di un’intelligenza artificiale efficiente dal punto di vista energetico, consulta i nostri blog qui sotto.

Il percorso verso l’intelligenza artificiale: intelligenza artificiale classica, deep learning e approccio biologico
Il segreto nascosto dell’intelligenza artificiale generativa: come accelerare i modelli su scala GPT per l’inferenza dell’intelligenza artificiale
Numenta e Intel accelerano l’inferenza di 20 volte su modelli linguistici di grandi dimensioni
Costruisci e scala potenti applicazioni NLP con la piattaforma AI di Numenta
Leggere infine l’ultimo saggio del nostro Pecchioli:



https://www.maurizioblondet.it/per-l...n=push_friends

[ventunsettembre]

Questo va postato anche nel 3d dell' AI.
Almeno il link, vista la lunghezza.

[ventunsettembre]

Ci taglieranno l'elettricità.

[Eridano]

[Eridano]

[dimecan]

non avevo idea di quanto consumi l'intelligenza artificiale.
bisogna che mi documenti.

[Eridano]

“È come il Green pass”, ecco cosa c’è dietro la patente digitale

Categoria: Scienza e Tecnologia
Pubblicato: 14 Febbraio 2024
Visite: 7750

di Antonio Oliverio

IT Wallet, il Portafoglio digitale a portata di “clic” di cui più volte ci siamo occupati – essenzialmente per denunciare l’evidentissimo rischio di una sorta di schedatura di massa – sta per diventare realtà: “entro l’estate”, come è stato comunicato dal sottosegretario all’innovazione Alessio Butti. In tale quadro si inserisce anche la Patente digitale, di cui la stampa italiana sta tessendo sperticate lodi, e che invece pare essere il classico cavallo di troia per arrivare gradualmente, dalla mera identificazione, a un pieno controllo sociale in stile cinese. Lo spettro delle criticità legate alla cornice della Identità digitale è piuttosto ampio e i rischi sono davvero evidenti, se consideriamo che ogni nostra attività, potenzialmente, potrebbe essere “monitorata dall’alto“. Ma tant’è, ce lo chiede l’Europa… Infatti, la licenza di guida in formato digitale si inserisce nel quadro del nuovo European Digital Identity Wallet (EuDI) promosso dall’Unione europea, su cui torneremo in seguito. In questa prima fase, oltre alla Patente digitale, nel Portafoglio digitale ci sarà anche la tessera sanitaria, nonché l’eventuale certificato di invalidità.

Patente digitale, quando arriva e come funziona

Vincenzo Fortunato, membro del Comitato interministeriale per la Transizione digitale, l’organo che coordina l’azione del Governo nell’attuazione dell’agenda digitale italiana ed europea, ha dichiarato nelle scorse settimane che IT Wallet (nel quale, come scritto, sarà conservata anche la Patente digitale) “sarà presto di dominio pubblico”, al punto che già tra gennaio e febbraio 2024 partirà una massiccia campagna pubblicitaria per informare i cittadini su tale innovativo strumento, come leggiamo sul portale dedicato al mondo dell’auto Motor1.com Italia. L’arrivo della patente digitale, in maniera ufficiosa, è stato datato al 30 giugno 2024. Il meccanismo sarà molto simile a quello che è stato a lungo adottato con il Green pass, il famigerato certificato senza il quale, ai tempi del Covid-19, si era di fatto discriminati ed esclusi dalla vita civile. Dal momento della sua istituzione, i cittadini potranno accedere alla propria Patente digitale utilizzando con lo smartphone l’app pubblica IO, l’applicazione per interagire con la Pubblica Amministrazione. È qui, infatti, che verrà conservato l’IT Wallet (“IT” sta per Italia, “Wallet” significa portafoglio in inglese), al cui interno i documenti saranno consultabili dai cittadini.

Ce lo chiede l’Europa…

I risvolti pratici non ci paiono talmente urgenti da sacrificare la nostra legittima istanza alla privacy. Il provvedimento generale che regola l’implementazione dell’IT Wallet è arrivato in Consiglio dei ministri lo scorso 31 gennaio, sulla base dei principi del Regolamento europeo eIDAS. Si tratta di un percorso a tappe che porterà l’Italia e i suoi cittadini, entro il 2025, a poter contare su una più vasta gamma di documenti in digitale, dal certificato di nascita alla tessera elettorale, nel quadro del nuovo European Digital Identity Wallet (EuDI). La Commissione europea, inoltre, ha fissato al 2030 la data limite entro cui tutti almeno l’80% dei cittadini europei dovrebbero essere titolari di una identità e di un portafoglio digitale. Attraverso la Patente digitale, i cittadini potranno conoscere molto velocemente il saldo dei punti della patente, così come la lista di tutte le infrazioni che sono state commesse in passato. In caso di blocco, alle forze dell’ordine basterà scansionare un QR code dal telefono del guidatore per ottenere tutti i dati relativi alla sua licenza di guida.

Tutti i rischi

Presto in arrivo, dunque sugli schermi dei nostri smartphone, la patente digitale. Per ora, perché l’intera nostra vita verrà digitalizzata. Lo dicevamo in apertura, i rischi potenziali sono importanti e significativi, al punto che quelli legati alla privacy sono forse quelli meno gravi. Anzitutto, quelli legati alla privacy, con tutta quella messe di dati a portata di hacker; poi, e ce lo insegna l’esperienza del Green pass, ci domandiamo cosa potrebbe accadere se si usasse tale strumento per “silenziare” i dissidenti, bloccandone i pagamenti ed escludendoli dalla vita sociale. Se, come detto, in un primo momento l’IT Wallet conterrà la nostra patente e gli estremi della tessera sanitaria o della la carta delle disabilità, progressivamente vi saranno riversati anche i dati dei nostri rapporti con società private, le prescrizioni mediche, i titoli di studio, e saranno tracciate persino le disponibilità economiche: lo strumento digitale potrà autorizzare tutti i pagamenti della vita quotidiana attraverso lo smartphone. L’Identità digitale europea – nella cui cornice, come già scritto, si inserisce il progetto italiano – potrà presto essere utilizzata, tra le altre cose, per usufruire di servizi pubblici, aprire un conto in banca, presentare la Dichiarazione dei redditi, iscriversi a un’università, noleggiare un’auto, fare il check-in in albergo: la nostra intera vita sarebbe così a portata di clic. Il portafoglio sarebbe un mezzo di identificazione elettronica a sé stante: e se la nostra password venisse violata? In definitiva, la nostra identità digitale, dunque la nostra intera vita, sarebbe così a portata di clic.

Fonte: https://www.ilparagone.it/attualita/...iva-it-wallet/

https://luogocomune.net/30-scienza-e...tente-digitale

[Eridano]

[Eridano]

da Davide Zedda:
C40 LE CITTÀ DI 15 MINUTI: ECCO COME IL WEF VOREBBE IL NOSTRO FUTURO

https://www.maurizioblondet.it/wp-co...116162.mp4?_=1

Qui parla un candidato a sindaco di Londra: “Le città a 15 minuti sono qualcosa che il WEF ha creato e si chiama C40”

Il ‘C-40 Citis’ ha legami con il World Economic Forum e progettano su come stravolgere le nostre vite in nome del delirio del cambiamento climatico.

“Se vuoi del cibo riceverai un sistema di controllo delle calorie che ti verrà inviato via SMS con scritto ‘questo è quello che puoi mangiare oggi. Se violi una qualsiasi di queste cose congeleranno il tuo conto bancario

“Saremo in una prigione aperta. Questo è il passo SUCCESSIVO”

“Non potremo lavorare se non nella nostra città a 15 minuti”

Molti paesi stanno valutando la possibilità di adottare questo sistema di controllo, nascondendolo ai cittadini. Questo è malvagio!

I sindaci di quasi 100 città di tutto il mondo si sono posti l'”ambizioso obiettivo” di azzerare il consumo di carne e latticini e di azzerare i veicoli privati entro il 2030, “per salvare il pianeta”.

L’elenco dei sindaci coinvolti in questo progetto sono tutti elencati nel sito web C-40.

Tecnicamente non è un segreto, però la domanda è: perché sembra che vogliano tenerlo segreto? Perché non diffondere la notizia apertamente?

non sanno in quanti seguirebbero il loro delirio. Perciò quello che fanno è manipolare le masse, per poi ottenere il consenso. Inserire pian piano regole e renderci gradualmente prigionieri.

Unisciti al Canale Telegram T.me/Davide_Zedda

L’italiota medio: “eh, ma figurati se le “città 15 minuti” ed i limiti di velocità a 30 Kmh sono fatti per rinchiuderci di nuovo, ma daii…”


Il Consiglio della contea di Oxfordshire approva una “sperimentazione” di isolamento climatico che inizierà nel 2024



I residenti saranno confinati nel loro quartiere e dovranno chiedere il permesso di uscire per “salvare il pianeta”.

Il Consiglio della Contea di Oxfordshire ha approvato ieri un piano per rinchiudere i residenti in una delle sei zone per “salvare il pianeta” dal riscaldamento globale. L’ultima fase del programma “città in 15 minuti” prevede il posizionamento di cancelli elettronici su strade chiave in entrata e in uscita dalla città, confinando i residenti nei loro quartieri.

Secondo il nuovo schema, se i residenti vogliono uscire dalla loro zona avranno bisogno del permesso del Consiglio, che deciderà chi è degno di libertà e chi no. Secondo il nuovo schema, i residenti potranno lasciare la propria zona per un massimo di 100 giorni all’anno, ma per poterlo fare ogni residente dovrà registrare i dati della propria auto presso il Comune, che ne traccerà gli spostamenti attraverso telecamere intelligenti in tutta la città.



Il comunismo migliorerà il pianeta

Il Consiglio della Contea di Oxfordshire, gestito dai laburisti, dai liberaldemocratici e dai verdi, ha deciso segretamente di dividere la città di Oxford in sei distretti di “15 minuti” nel 2021, subito dopo essere stato eletto. Naturalmente nessuno dei consiglieri ha dichiarato nei loro manifesti l’intenzione di imprigionare i residenti locali, preferendo invece fare vaghe affermazioni su come “miglioreranno l’ambiente”.

Ogni residente dovrà registrare la propria auto presso il Consiglio di Contea, che controllerà quante volte lascerà il proprio distretto grazie alle telecamere per il riconoscimento delle targhe. E non pensate di poter superare il sistema se siete una famiglia con due auto. Le due auto verranno conteggiate come una sola, il che significa che dovrete dividere i viaggi tra di voi. 2 auto 50 viaggi a testa; 3 auto 33 viaggi a testa e così via.

Con le nuove regole, la vostra vita sociale diventa irrilevante. Di fatto, i Consigli possono imporre quante volte all’anno potete vedere amici e parenti. Vi sarà impedito di fraternizzare con chiunque al di fuori del vostro distretto, e se in futuro vorrete avere una relazione a distanza, scordatevelo: sarete limitati a frequentare solo chi si trova nel raggio di 15 minuti a piedi da casa vostra.

La vita di un single sarà alla mercé dei comunisti dell’ufficio centrale, che dettano lo stesso tipo di regole draconiane che abbiamo dovuto adottare per evitare l’ultima crisi, un lieve virus influenzale così letale che l’80% delle persone non sapeva nemmeno di averlo.

Una struttura sociale completamente nuova viene imposta ai residenti di Oxford (e altre città seguiranno) con la scusa di salvare il pianeta, ma in realtà si tratta di un piano di comando e controllo. Ci saranno permessi, sanzioni e una sorveglianza ancora più onnipresente. I funzionari del Consiglio stabiliranno dove potete andare e quanto spesso, e registreranno ogni volta che lo fate. Città da 15 minuti o prigioni da 15 minuti?

https://www.visionnews.online/post/oxfordshire-county-council-pass-climate-lockdown-trial-to-begin-in-2024



Perché avanza anche questo:

LA RAPINA “LEGALIZZATA” DEI TERRENI AGRICOLI
C’è qualcosa di grosso che sta accadendo negli Stati Uniti di cui nessuno parla e che potrebbe seguire, a breve, anche in Europa.
Negli USA è in corso la guerra al cibo attraverso restrizioni sull’uso del territorio, geoingegneria e ondate di propaganda.

D’altronde il World Economic Forum ci avvertì diversi anni fa che il suo obiettivo finale era quello di distruggere la classe media con lo slogan:
“Non possederete nulla e esarete felici”

Questo mantra si sta già concretizzando in tempo reale negli Stati Uniti, in particolare nell’Oregon.

I piccoli agricoltori sono costretti a chiudere le aziende agricole a conduzione familiare con il pretesto che rientrano nelle “operazioni concentrate di alimentazione animale” stabilite dalle nuove norme restrittive. Norme che – secondo questi nuovi parametri -, sono necessari perché il letame generato dagli allevamenti può comportare rischi sostanziali per l’ambiente, la salute pubblica e persino inquinare le falde acquifere.

Ad esempio, qualsiasi area di alimentazione che abbia un pavimento in cemento, roccia o ghiaia rientra in questa categoria che, de facto, comprende la stragrande maggioranza dei piccoli allevamenti di latticini o uova.

In questo video l’allevatore spiega che se possiedi 2 o 3 mucche da latte entri nel mirino dello Stato per la chiusura.

A causa di queste leggi si stanno espropriando tutte le piccole e medie aziende agricole che poi vengono acquistate dalle multinazionali. E per scovarle, lo Stato sta ricorrendo persino alla tecnologia satellitare e ai droni. Una volta individuati, inviano loro lettere che ordinano loro di cessare ogni attività. L’allevatore dice:
Vogliono impedirci di produrre cibo nel nome di un’inesistente inquinamento delle falde acquifere.

L’allevatore continua che il loro obiettivo è quello di far fallire tutti i piccoli agricoltori e costringerli a trasferirsi nelle città dove le persone sono più facilmente sorvegliate e controllate. E conclude:
Non possiamo permettere loro di avere successo. Trova piccoli agricoltori nella tua zona e sostienili.

La storia dell’ultimo secolo dimostra che spesso quello che accade negli USA poi arriva anche in Europa.

https://www.maurizioblondet.it/la-ge...n=push_friends