Nonostante i suoi 37 anni di servizio, non è ancora giunto il momento di andare in pensione, per Excel. Eppure, questo foglio di calcolo avrebbe tutto il diritto di ritirarsi, crogiolandosi in soddisfazioni come l’aver supportato Pac-Man, le reti neurali e i primi giochi di ruolo a turni. Non pago di tali successi, invece, in questo bizzarro 2023 decide di compiere un re-skilling e tornare a fare notizia. Microsoft non lo sta rilanciando contando sulle correnti vintage, l’innovazione c’è davvero. La si deve a un gruppo di sviluppatori di Microsoft che lo ha messo al centro di una vera e propria digital transformation.
L’AI decreta la fine degli errori manuali in Excel
La novità disruptive, per il semplice foglio di calcolo che tutti conosciamo, è la presenza dell’intelligenza artificiale. Un tipo di intervento non certo inedito, ma forse per molti inaspettato. Eppure, Microsoft sembra proprio voler prolungare la brillante carriera di Excel così: innestandovi le nuove tecnologie in modo efficace e utile, conservandone la semplicità d’uso, il segreto del suo successo passato.
Ciò che ne potrebbe decretarne il successo futuro, invece, si chiama FLAME, acronimo di “First LAnguage Model for Excel”: un piccolo modello di linguaggio, per le formule presenti nei fogli di calcolo. Nel documento reso pubblico dai ricercatori Microsoft che vi hanno lavorato, è descritto come un sistema di AI assistita, in grado di migliorare la creazione e la manutenzione delle formule. Gli utenti potranno usare FLAME, quindi, per ottimizzare le proprie performance con Excel, contando sulla AI, per evitare imperfezioni ed errori di distrazione, a volte anche compromettenti.
Con l’arrivo di strumenti più avanzati, i fogli di calcolo sono stati “screditati” proprio perché assecondavano tale tipo di problemi. Con FLAME, Microsoft forse spera che in futuro non ci sia più ragione per mettere Excel al bando. Ora sarà più attento e collaborativo.
Un “Davide contro Golia” tra modelli AI
Progettato esclusivamente per le formule di Excel, FLAME ha un peso di soli 60 milioni di parametri. La sua “verticalità” lo rende però lo stesso in grado di superare modelli molto più grandi, messi a punto per completare le linee di codice (code infilling), come CodeT5 (220M), Codex-Cushman (12B) e Codex-Davinci (175B). Un rapporto parametri/performance vincente e non scontato, che fa riflettere sulla convenienza trasversale di modelli linguistici di grandi dimensioni, come “i GPT” e ChatGPT di OpenAI. Lambda Labs avrebbe stimato, in GPT-3, per esempio, 175 miliardi di parametri da addestrare, investendo circa 4,6 milioni di dollari. La differenza è abissale, ma presto spiegata. Nel secondo caso, infatti, si tratta di modelli statistici addestrati su grandi quantità di testo, e con un modello risultante per l’inferenza che necessita di molto hardware.
Anche prendendo modelli più vicini a FLAME, secondo i ricercatori, le differenze restano significative. Incoder 6.7B, un modello addestrato per il riempimento del codice, ha 159 GB di codice sorgente ed è da addestrare per un periodo di 24 giorni, richiedendo 248 GPU Nvidia V100.
Di fronte a differenze di almeno due ordini di grandezza, al di là dell’“effetto nostalgia”, il mondo guarda a FLAME con curiosità e interesse. Alcuni si staranno forse anche domandando se davvero il futuro è nei grandi modelli linguistici come GPT-4. Oppure ci sarà ampio spazio da co-protagonisti, anche per i più piccoli, meno multitasking, ma decisamente più sostenibili.
