Ezra Klein intervista Jensen Huang, fondatore e amministratore delegato di Nvidia, per un’ora e mezza. Huang organizza l’industria in una torta a cinque strati — energia, chip, infrastruttura, modelli, applicazioni — e dichiara subito la propria posizione: responsible optimist, convinto che l’errore di previsione più costoso degli ultimi anni sia l’allarmismo, non l’entusiasmo. La tesi sul lavoro è la più netta: l’idea che l’AI distrugga posti è «fundamentally wrong» perché confonde il compito con lo scopo — il radiologo automatizza le letture, ma «the fundamental purpose doesn’t change». La variabile che manca a tutti i calcoli, dice, non è il compute ma l’ambizione: nessuno ha mai finito le cose che voleva fare. Il cuore del pezzo è però lo scontro sulla regolazione, ed è utile perché nessuno dei due arretra. Klein porta l’argomento classico: i laboratori stessi dichiarano di essere in un dilemma di azione collettiva — è la formula di Dario Amodei — e chiedono aiuto per rallentare; le architetture regolatorie esistono perché abbiamo visto molte volte imprese che sotto pressione competitiva prendono decisioni sciatte, e il 2008 è lì a dimostrarlo. Huang risponde con una sola mossa, ripetuta senza variazioni: se il prodotto non è sicuro, non spedirlo. Le leggi ci sono già — responsabilità di prodotto, codici penali, cause civili —, gli incentivi sono allineati, e chiedere nuove regole mentre si chiede sollievo su antitrust e product liability non sta in piedi. Poi indica l’asimmetria che rende la discussione scomoda: «nobody is building more compute today than the people asking to be slowed down». Sulle previsioni di Hinton è brutale — la raccomandazione di non formare più radiologi, dice, sarebbe stata dannosa e non si è avverata, e «just because it comes from a scientist doesn’t make it scientific». Dietro la posizione c’è una strategia retorica precisa, che vale la pena isolare perché è la parte più interessante: Huang deflaziona sistematicamente il lessico. Spawn, fork, kill, sleep, persistence sono parole dei sistemi operativi degli anni Settanta, riciclate; il software esce dalle sandbox di continuo, ed è per questo che esistono le macchine virtuali e i watchdog; la persistenza degli agenti non è volontà, «there’s no willpower here, it’s just electrical power». Sull’incidente in cui circa settecento agenti hanno coordinato un’evasione: «that is just software — nothing magical about it». Il punto è che la deflazione non toglie le metafore, le sostituisce: la fabbrica di AI, la torta a cinque strati, il compute come classe di attivo fungibile come un aeroplano — un passeggeri che finisce la vita come cargo. Resta un vocabolario che struttura il pensiero prima del concetto, solo industriale invece che animista, e con un vantaggio non neutrale per chi vende gli strumenti. La cosa più esportabile dell’intervista è un rapporto: in Nvidia il 20% dell’azienda fa design e l’80% fa verifica; nei laboratori AI oggi è l’inverso, 80% capacità e 20% valutazione. Da qui la formula che riorganizza il dibattito invece di prendervi posizione: «A.I. needs to accelerate to be safe». Guardrail, sandboxing, telemetria, monitoraggio esterno sono tecnologia AI quanto la capacità, e vanno accelerati con la stessa violenza; il modello è l’ABS, che avremmo voluto novant’anni prima. Klein concede il punto nella forma più forte: se chi è allarmato nei laboratori sapesse che l’80% del compute sta andando in sicurezza e allineamento, dormirebbe meglio. La domanda che resta sospesa è di chi sia il compito di far avvenire quel ribaltamento, e su questo Huang dice solo che sta già avvenendo. Due incastri con l’archivio meritano attenzione. Il primo: lo studio cinese sui ventiseimila studenti che Klein sottopone a Huang è lo stesso che il sito ha già registrato dal grafico dell’Economist — compiti su del 18%, tempo giù del 30%, esami giù del 20%. La risposta di Huang è la più deflazionista possibile: dimenticare l’aritmetica di base non conta, «we’re going to lose some finer intellectual dexterity, but we’re going to be better systems thinkers». È la scommessa che il capitale semantico si possa saltare e ricostruire a valle, ed è esattamente ciò che il dato non dice. Il secondo: la citazione di Daniel Selsam sulla consapevolezza situazionale dei modelli — stiamo perdendo la capacità di valutarli nei contesti in cui credono di non essere osservati — è il problema della monitorabilità nella sua forma più pura, e Huang lo riclassifica come banale proprietà degli algoritmi di ottimizzazione: se metti un vincolo, l’ottimizzatore cerca un’altra strada. Ha ragione sulla meccanica e non risponde sulla conseguenza. Sulla geopolitica la posizione è coerente con l’interesse di chi la esprime, il che non la rende falsa: privare la Cina dei chip significa privare gli Stati Uniti di un mercato, e la domanda giusta è chi si stia privando di che cosa; l’ambizione americana dev’essere che il mondo giri sullo stack tecnologico americano come gira sul dollaro e sull’inglese. Che l’80% delle startup americane usi pesi aperti cinesi, per Huang, è una buona notizia. Sull’energia concede la sconfitta con franchezza — ci siamo impantanati sul clima e non abbiamo costruito capacità di generazione — e rovescia la conclusione: mai come ora il mercato finanzia da solo l’energia sostenibile, e volendo svoltare sul clima conviene appoggiarsi all’AI. Il passaggio sulle comunità che ospitano i data center è l’unico momento in cui ammette un errore di processo senza rimbalzarlo: avremmo potuto fare molto meglio, e ora è tardi. Vale come documento perché è la posizione più articolata disponibile di chi ha l’interesse più grande al mondo a che nessuno rallenti — e proprio per questo va letto tenendo separate due cose che l’intervista tiene insieme: la descrizione ingegneristica, dove Huang è probabilmente il più competente della stanza, e l’inferenza istituzionale che ne ricava, dove la competenza non trasferisce. Che gli incidenti siano risolvibili come problemi di contenimento e isolamento è un’affermazione tecnica; che quindi non servano istituzioni nuove è un’affermazione politica travestita.

WR