Il prodotto interno lordo misura le transazioni economiche in un’economia, in base alle quantità comprate e vendute e ai prezzi di mercato.
Ma questo metodo funziona per l’AI? Anton Korinek e Patrick McKelvey approfondiscono la questione in «Where is AI in GDP Statistics».
Ecco il problema di fondo. Gli autori calcolano che la spesa totale attuale per la potenza di calcolo dell’AI sia (grosso modo, a seconda delle ipotesi di partenza) di circa 250 miliardi di dollari all’anno. Questa cifra misura l’AI comprata e venduta sul mercato e quindi fa chiaramente parte del PIL. Tuttavia, i chip per l’AI stanno diventando sempre più efficienti:
«Man mano che i chip diventavano più efficienti, ogni dollaro speso in calcolo acquistava più capacità di computing fisica. Misurata in unità equivalenti H100, la capacità di calcolo AI negli Stati Uniti è cresciuta di oltre il 200% all’anno, superando di gran lunga la spesa nominale».
Inoltre, anche gli algoritmi di AI stanno diventando più efficienti, tanto che la quantità di potenza di calcolo necessaria per raggiungere un livello fisso di capacità AI è diminuita di circa due terzi all’anno. Mettendo insieme questi due fattori, l’aumento di AI corretto per la qualità supera il 2000% (cioè un aumento di venti volte) all’anno.
Ci troviamo quindi in una situazione in cui la spesa per l’AI catturata dal PIL sta crescendo rapidamente, ma le capacità effettive di quella spesa stanno aumentando molto, molto più velocemente. Come dovrebbero comportarsi le misure della dimensione dell’economia di fronte a questa situazione? La domanda non è del tutto nuova. Da alcuni anni gli statistici governativi utilizzano l’«aggiustamento edonico». L’idea è di definire un bene, come un computer, un televisore o un’automobile, come un insieme di caratteristiche. La qualità di queste caratteristiche migliora nel tempo. Quindi, quando ci chiediamo se «il prezzo di un computer» o «il prezzo di un’auto» è cambiato, vogliamo fare un confronto omogeneo (apples-to-apples), mantenendo costanti le caratteristiche del prodotto.
Ecco come appare l’indice dei prezzi al consumo per computer e beni correlati:
Indice dei prezzi al consumo per computer e beni correlati
Fonte: FRED
Per essere chiari, questo grafico non significa che la cifra che avete speso di tasca vostra per un computer sia diminuita di tre quarti tra il 2005 e il 2018. Significa che il prezzo per acquistare un computer con le stesse caratteristiche di un computer standard del 2005 è diminuito di tre quarti entro il 2018. Naturalmente, però, nel 2018 pochissimi di noi avrebbero voluto comprare quella versione del computer del 2005, anche se fosse stata ancora disponibile. Gli autori spiegano:Il fatto che l’impronta crescente dell’AI sia così poco visibile nelle statistiche nazionali del PIL ha, in parte, una spiegazione contabile piuttosto semplice.
Le entrate nominali dell’AI crescono solo moderatamente perché i prezzi per unità di una data capacità di AI scendono quasi alla stessa velocità con cui aumenta la produzione corretta per la qualità. Nell’industria dei semiconduttori questo schema si è ripetuto per decenni: ogni nuova generazione di chip era drammaticamente più economica per unità di prestazioni rispetto alla precedente, quindi la quota dei semiconduttori sul PIL è rimasta modesta anche se la produzione corretta per la qualità è aumentata enormemente.
Questo tipo di aggiustamento edonico potrebbe essere applicato facilmente anche all’AI, ma ai fini della misurazione del PIL presenta dei limiti. Il PIL è una misura delle transazioni di mercato, che avvengono quando la tecnologia della produzione lato offerta incontra le preferenze e i gusti della domanda. Gli aggiustamenti edonici si concentrano sul correggere i cambiamenti nella qualità di ciò che viene prodotto, ma non tengono direttamente conto del valore che gli acquirenti possono attribuire a questi miglioramenti di qualità.
Per esempio, è possibile che la velocità e la potenza degli strumenti di AI abbiano un valore considerevole per gli utenti fino a un certo punto, ma che oltre quel punto velocità e potenza aggiuntive abbiano un’utilità marginale decrescente. Il solo fatto che l’aumento corretto per la qualità della produzione di AI sia cresciuto del 2000% all’anno negli ultimi due anni non significa che il valore degli strumenti di AI per gli utenti sia aumentato del 2000% all’anno.
Al di là dei dettagli di queste questioni, Korinek e McKelvey stanno facendo un punto più ampio: un ragionamento sensato sugli effetti economici degli strumenti di intelligenza artificiale emergenti deve essere radicato nei dati, ma i dati economici su un settore che cambia molto rapidamente possono essere difficili da raccogliere e possono comportare delicate questioni di interpretazione.
Questo articolo è ripreso e tradotto da Conversable Economist.
