Chi sono i tre eroi dell’intelligenza artificiale cinese

Liang Wenfeng è un “genio”, un “eroe”, un “semidio di fama internazionale”.

Così viene definito sui social cinesi, a partire da Weibo, l’imprenditore 40enne che ha fondato DeepSeek, l’intelligenza artificiale che è riuscita a conquistare l’occidente – finendo al primo posto delle app gratuite più scaricate in America dall’App Store e dal Play Store – e a mettere in crisi colossi tech come Nvidia e OpenAI.

Lo Yangcheng Evening News, un quotidiano della provincia di Guangdong in cui è nato Liang, si augura che il fondatore di DeepSeek riesca a compiere, in futuro, “altri miracoli”.

Come quello che gli è riuscito con il modello di intelligenza artificiale R1, che sarebbe stato addestrato a un costo irrisorio: appena 5,6 milioni di dollari. Le big tech americane, per allenare le loro IA, ne hanno spesi almeno cento.

Questo straordinario risultato, in Cina, non è una novità.

“Nella mente di un giovane cinese prossimo alla laurea in informatica, lavorare per realtà emergenti come DeepSeek è oggi un traguardo ambito – spiega Alessandro Aresu, consigliere scientifico della rivista Limes e autore del saggio Geopolitica dell’intelligenza artificiale (Feltrinelli) -. Il sogno non è più trasferirsi nella Silicon Valley americana, ma contribuire allo sviluppo di una “Silicon Valley cinese”, capace di competere con gli Stati Uniti nella creazione di innovazioni di grande impatto”.

Per questi giovani le figure di riferimento, oltre a Liang, sono due: Yang Zhilin, il fondatore di Moonshot AI, e Kaiming He, uno degli scienziati più rispettati del mondo per i suoi studi sulle reti neurali residuali.

Liang Wenfeng: il visionario dell’IA applicata alla finanza

Nato nel 1985 a Zhanjiang, in Cina, da due insegnanti delle scuole elementari, Liang Wenfeng si è laureato in Ingegneria informatica e ha poi conseguito un Master in Ingegneria presso la Zhejiang University di Hangzhou, dove ha iniziato a esplorare le applicazioni dell’intelligenza artificiale nel settore finanziario.

Nel 2013, insieme a un suo compagno di università, Liang ha creato il fondo di investimento Hangzhou Yakebi, il suo primo passo verso il trading quantitativo sostenuto dall’IA.

Pochi anni dopo, nel 2019, Liang ha co-fondato High-Flyer AI, un altro hedge fund quantitativo che ha applicato il machine learning ai mercati. L’azienda ha sviluppato una piattaforma chiamata Fire-Flyer progettata per supportare le attività di ricerca e trading attraverso il deep learning.

Mentre il fondo High-Flyer cresceva, Liang ha iniziato a spostare capitali sull’acquisizione di GPU Nvidia, le schede grafiche essenziali per lo sviluppo di intelligenza artificiale. Una strategia che ha consentito all’imprenditore di creare nel 2023 DeepSeek, una startup diventata improvvisamente popolare per le sue tecniche di addestramento dell’intelligenza artificiale.

DeepSeek ha lanciato il 20 gennaio scorso il modello R1, un’IA open source con ben 671 miliardi di parametri, sviluppata – stando alle dichiarazioni della startup cinese – con un budget considerato estremamente basso di 5,6 milioni di dollari e utilizzando appena 2.048 GPU Nvidia H800.

Questa efficienza nei costi e nelle risorse ha meravigliato gli esperti del settore e ha trasformato DeepSeek in un’azienda chiave per il progresso dell’intelligenza artificiale.

Intelligenza Artificiale

DeepSeek, le reazioni della Silicon Valley: “IA impressionante”. Ma c’è chi solleva dubbi

di  Pier Luigi Pisa

28 Gennaio 2025

Yang Zhilin: l’innovatore dietro Moonshot AI

Dopo aver conseguito un dottorato in informatica presso la Carnegie Mellon University di Pittsburgh, in Pennsylvania, Yang Zhilin si è distinto per il suo lavoro pionieristico nel campo dell’intelligenza artificiale.

Nel 2021 la rivista Forbes lo ha inserito nella lista dei “30 Under 30” da tenere d’occhio nel settore della tecnologia in Asia.

Yang è diventato popolare dopo aver co-fondato, nel 2023, Moonshot AI a Pechino. Il nome della startup, che sviluppa intelligenza artificiale, è ispirato al celebre album dei Pink Floyd The Dark Side of the Moon.

Moonshot AI ha subito attirato l’interesse degli investitori, ottenendo un primo finanziamento di 60 milioni di dollari e raggiungendo una valutazione iniziale di 300 milioni di dollari. In meno di un anno, Moonshot AI ha raccolto altri 1 miliardo di dollari, portando la sua valutazione a 2,5 miliardi di dollari grazie a un round di investimento guidato dal colosso cinese Alibaba.

Sotto la guida di Yang, l’azienda ha sviluppato Kimi, un chatbot basato su intelligenza artificiale capace di elaborare testi e immagini.

Nei giorni dell’ascesa di DeepSeek, Moonshot AI ha rilasciato un nuovo modello, Kimi 1.5, che l’azienda cinese ritiene superiore – in alcuni benchmark – a Gpt-4o di OpenAI e Claude 3.5 Sonnet di Anthropic.

Intelligenza artificiale

Finanziamenti e agevolazioni

Agricoltura

 

Un’altra IA cinese sfida subito DeepSeek, ma senza censure

di  Pier Luigi Pisa

29 Gennaio 2025

Kaiming He: il pioniere del deep learning

Considerato uno dei massimi esperti di computer vision e deep learning, Kaiming He è noto soprattutto per essere uno degli artefici delle Reti Neurali Residuali (ResNet), un tipo di intelligenza artificiale che impara a riconoscere immagini o suoni ispirandosi al funzionamento del cervello umano: funziona aggiungendo “scorciatoie” tra i livelli della rete, permettendo di apprendere in modo più efficace senza dimenticare le informazioni importanti.

Dopo aver conseguito il dottorato presso la Chinese University of Hong Kong, nel 2011, Kaiming ha iniziato la sua carriera come ricercatore presso Microsoft Research Asia. Nel 2016 si è unito al team di ricerca di Facebook AI Research (FAIR), dove ha continuato a sviluppare soluzioni all’avanguardia per l’intelligenza artificiale.

Nel 2024 ha deciso di dedicarsi all’ambito accademico, diventando professore associato al Massachusetts Institute of Technology (MIT), dove attualmente lavora a metodi innovativi per migliorare i modelli di computer vision e deep learning.

Con le sue ricerche, Kaiming He ha influenzato profondamente il mondo dell’AI: il suo paper del 2016, Deep Residual Learning for Image Recognition, è stato il più citato nei cinque anni successivi alla sua pubblicazione secondo i report di Google Scholar del 2020 e 2021.