I geni dell’IA che hanno snobbato Meta e Google per una startup

Keystone-SDA

Quest'estate Mark Zuckerberg ha invitato Rishabh Agarwal a unirsi al nuovo laboratorio di intelligenza artificiale di Meta, offrendogli milioni di dollari in azioni e stipendio. Agarwal ha però preferito creare una sua startup.

(Keystone-ATS) Con il nuovo laboratorio il fondatore di Facebook voleva costruire una “superintelligenza”, una tecnologia in grado di eclissare i poteri del cervello umano. Ma sebbene Agarwal fosse già un dipendente di Meta, ha rifiutato l’offerta e, insieme a 20 ricercatori, ha lasciato il lavoro presso l’azienda di Zuckerberg, OpenAI, Google DeepMind e altri grandi progetti di intelligenza artificiale per creare una nuova start-up della Silicon Valley, Periodic Labs.

Molti di loro, riferisce il New York times, hanno rinunciato a decine di milioni di dollari, se non centinaia di milioni, per fare questo passo. E mentre i laboratori perseguono obiettivi amorfi come la superintelligenza o un concetto simile chiamato intelligenza artificiale generale, Periodic si è concentrata sullo sviluppo di tecnologie di intelligenza artificiale in grado di accelerare nuove scoperte scientifiche in settori come la fisica e la chimica.

“Accelerare la scienza, non il lavoro”

“L’obiettivo principale dell’intelligenza artificiale non è automatizzare il lavoro impiegatizio”, ha affermato Liam Fedus, uno dei fondatori della start-up. “L’obiettivo principale è accelerare la scienza”.

Fedus faceva parte del piccolo team di ricercatori di OpenAI che ha creato il chatbotChatGPT nel 2022. Ha lasciato OpenAI a marzo per fondare Periodic Labs con Ekin Dogus Cubuk, che in precedenza aveva lavorato presso Google DeepMind, il principale laboratorio di intelligenza artificiale del gigante tecnologico.

Diverse aziende leader nel campo stanno già lavorando a tecnologie volte ad accelerare la scoperta scientifica. Due ricercatori di Google DeepMind hanno recentemente vinto il premio Nobel per il loro lavoro su un progetto chiamato AlphaFold, che può contribuire ad accelerare la scoperta di farmaci in modi piccoli ma importanti.