The Conversion Gap: How China, Japan and South Korea Turn AI Inputs into AI Capability, 2017–2025
Questo articolo sostiene che la sovranità nazionale sull'IA dipenda più dalla capacità di policy di uno Stato di convertire efficientemente le risorse in capacità che dall'accumulo di risorse stesse, rivelando che il ritardo del Giappone rispetto a Cina e Corea del Sud derivi da inefficienze sistemiche nel trasformare la conoscenza e la potenza di calcolo in modelli di IA piuttosto che da una mancanza di input.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nella corsa alla costruzione dell'intelligenza artificiale, le nazioni vengono spesso giudicate per ciò che riescono a raccogliere. Contano i ricercatori nei loro laboratori, i miliardi di dollari versati nei progetti e le massicce banche di computer che ronzano nei data center. È una logica di accumulo: se possiedi più materie prime, dovresti costruire la macchina migliore. Per anni, questo è stato il modo standard per confrontare paesi come Cina, Giappone e Corea del Sud, tutti quanti hanno investito risorse immense per diventare leader in questa tecnologia. Ma avere gli ingredienti non garantisce un pasto finito. Un paese può possedere una vasta riserva di talento e potenza di calcolo, eppure fallire nel trasformare tali risorse in sistemi funzionanti e intelligenti capaci di cambiare il mondo. La vera domanda non è solo quanto un paese possieda, ma quanto efficientemente possa trasformare ciò che ha in capacità effettiva.
Questo è l'enigma che Alfredo Merlet si è proposto di risolvere in un nuovo studio che esamina gli anni dal 2017 al 2025. Egli ha guardato oltre i semplici totali di denaro e persone per misurare qualcosa di più sottile: il tasso di conversione. Immaginate una fabbrica dove l'obiettivo è trasformare il minerale grezzo in auto finite. Una fabbrica potrebbe acquistare il doppio del minerale rispetto a un'altra, ma se produce meno auto, è chiaramente meno efficiente nel lavoro. Merlet ha applicato questa stessa logica all'intelligenza artificiale, scomponendo il processo in tre fasi distinte. La prima è l'invenzione, dove i ricercatori creano nuove idee e pubblicano articoli. La seconda è l'industrializzazione, dove quelle idee vengono trasformate in veri e propri modelli software che possono essere utilizzati. La terza è l'operazionalizzazione, dove quei modelli vengono adottati da persone comuni e imprese. Tracciando quanto output derivasse da ogni unità di input in ogni fase, lo studio ha rivelato una storia sorprendente sul perché alcune nazioni stiano avanzando mentre altre, nonostante abbiano più risorse, stiano rimanendo indietro.
I risultati dipingono un quadro di tre percorsi molto diversi intrapresi dai vicini dell'Asia orientale. La Cina, partendo da una forza lavoro massiccia e un governo che stabilisce obiettivi chiari e aggressivi, è riuscita ad accelerare drasticamente i suoi progressi. Entro il 2024 e il 2025, gli sviluppatori cinesi stavano rilasciando centinaia di nuovi modelli di IA, passando da seguitori a pari degli Stati Uniti. Ci sono riusciti non solo spendendo di più, ma coordinando i loro sforzi affinché la ricerca si trasformasse rapidamente in prodotti utilizzabili. La Corea del Sud, nonostante avesse meno ricercatori e meno potenza di calcolo rispetto al Giappone, ha raggiunto l'efficienza più alta del gruppo. Il paese è riuscito a produrre 87 modelli di IA, inclusi 23 considerati degni di nota o rivoluzionari, un numero che ha superato di gran lunga il suo vicino più grande. Questo successo è stato guidato da una relazione altamente coordinata tra il governo e le grandi corporazioni, permettendo loro di concentrare intensamente le risorse su tecnologie specifiche e ottenere risultati rapidamente.
Il Giappone, tuttavia, presenta un contrasto netto e confuso. Sulla carta, dovrebbe essere il più affermato. Possiede una forza lavoro di ricerca più ampia, maggiore potenza di calcolo e una lunga storia di eccellenza industriale rispetto alla Corea del Sud. Eppure, tra il 2017 e il 2025, le organizzazioni giapponesi hanno rilasciato solo 52 modelli di IA, e solo sei di questi sono stati considerati degni di nota. Negli ultimi due anni dello studio, nessuna organizzazione giapponese ha rilasciato un singolo modello che i ricercatori abbiano classificato come degno di nota. I dati mostrano che il Giappone non sta fallendo perché manchino denaro o scienziati. In effetti, osservando quanto bene i ricercatori giapponesi trasformino il loro lavoro in brevetti, essi si comportano ragionevolmente bene. Il problema si verifica più avanti nella catena. Il divario appare quando i ricercatori giapponesi cercano di trasformare i loro articoli pubblicati in modelli funzionanti, e di nuovo quando cercano di usare la loro enorme potenza di calcolo per costruire tali modelli. Hanno gli ingredienti, ma la cucina non sta producendo il piatto.
Lo studio suggerisce che la ragione di questo divario non risieda nella tecnologia stessa, ma nel modo in cui il governo gestisce il processo. I ricercatori hanno confrontato le prestazioni dei paesi rispetto a una misura della "capacità politica", che è essenzialmente la capacità del governo di stabilire una direzione chiara, coordinare diversi gruppi e muoversi rapidamente per sostenere nuove industrie. La Corea del Sud ha ottenuto un punteggio estremamente alto in questa misura, riflettendo un governo assertivo e organizzato nel suo approccio all'IA. Il Giappone, al contrario, ha ottenuto un punteggio significativamente più basso. Per la maggior parte del periodo studiato, il Giappone si è affidato a una guida gentile e a linee guida volontarie piuttosto che a obiettivi vincolanti o programmi concentrati. È stato solo nel 2025 che il Giappone ha istituito una sede dedicata e una nuova legge per spingere l'IA in avanti, una mossa che lo studio interpreta come un riconoscimento tardivo del problema. L'evidenza indica che avere la migliore ricerca e i computer più potenti non è sufficiente se lo Stato non riesce a organizzarli efficacementamente per produrre risultati.
Questa scoperta sfida la comune assunzione che la dominanza nell'IA sia semplicemente una questione di chi può spendere più denaro o assumere più esperti. Lo studio dimosta che la sovranità sull'intelligenza artificiale non riguarda solo il possesso degli strumenti; riguarda la capacità di governare il modo in cui tali strumenti vengono utilizzati. Un paese può investire pesantemente in ricerca e infrastrutture e produrre comunque molto poco se il sistema per trasformare tali investimenti in applicazioni reali è debole. Per le economie emergenti che osservano questa corsa, la lezione è chiara: costruire un futuro dell'IA forte potrebbe dipendere meno dal pareggiare i budget massicci dei leader globali e più dal costruire la capacità amministrativa di coordinare le risorse in modo efficace. La differenza tra una nazione che finanzia l'IA e una che la costruisce davvero può dipendere dalla qualità della sua pianificazione e dalla velocità della sua esecuzione, piuttosto che dalle dimensioni del suo conto bancario.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.