Riassunto:
Microsoft sta esplorando un modo per utilizzare la potenza di calcolo inattiva dei comuni computer consumer per addestrare modelli di intelligenza artificiale. Secondo una domanda di brevetto pubblicata di recente, Microsoft ha proposto di creare una rete informatica distribuita per suddividere le attività di addestramento del modello di intelligenza artificiale su larga scala in un gran numero di piccole attività e distribuirle su computer da gioco, laptop e persino smartphone inattivi. Gli utenti disposti a fornire potenza di calcolo delle apparecchiature possono ricevere punti, software gratuito, diritti di utilizzo del modello AI e persino premi in denaro.
Questa tecnologia si chiama "Micro-formazione opportunistica sui dispositivi Edge utilizzando la GPU di riserva" (Micro-formazione opportunistica sui dispositivi Edge utilizzando la GPU di riserva) ed è stata presentata da Microsoft Technology Licensing, una società di licenze tecnologiche Microsoft. La domanda di brevetto è stata depositata il 30 aprile 2025 e pubblicata il 5 novembre 2026, con il numero US 2026/0349820 A1.
Microsoft ha sottolineato nei documenti della domanda che la domanda di GPU per l'addestramento dei modelli di intelligenza artificiale continua a crescere, il che ha causato una carenza di risorse di calcolo e una pressione sulla fornitura di hardware. Allo stesso tempo, molti PC da gioco sono dotati di potenti schede grafiche discrete, ma questi dispositivi spesso rimangono sotto carico basso per lunghi periodi di tempo quando l'utente non gioca. Microsoft spera di integrare questa potenza di calcolo inattiva e sparsa per formare una rete informatica distribuita che possa servire alla formazione sull’intelligenza artificiale.
L'idea di base è diversa dai tradizionali data center di grandi dimensioni. Le attività di formazione sull'intelligenza artificiale su larga scala richiedono solitamente che migliaia o addirittura decine di migliaia di GPU lavorino insieme. Microsoft propone di analizzare innanzitutto il modello, stabilire le dipendenze tra diversi compiti informatici e quindi suddividere l'intero processo di formazione in più piccoli compiti relativamente indipendenti, i cosiddetti micro-task.
Il sistema distribuisce quindi queste attività ai PC che partecipano alla rete in base alle prestazioni della GPU, alla capacità della memoria video e al tempo disponibile dei diversi dispositivi. Dopo che il dispositivo ha completato il calcolo, carica i risultati nel sistema centrale, dove il server li verifica e li integra, e continua a promuovere la successiva formazione.
Per evitare che le differenze di prestazioni tra i diversi dispositivi influenzino l'efficienza complessiva, Microsoft ha inoltre progettato un meccanismo dinamico di allocazione delle attività. Il sistema valuterà il costo di comunicazione, il sovraccarico di memoria aggiuntivo e la frequenza di trasmissione dei dati tra diversi dispositivi dopo la suddivisione delle attività e tenterà di scegliere un metodo di suddivisione delle attività adatto all'esecuzione distribuita.
Una delle caratteristiche più importanti di questo sistema è la sua capacità di determinare quando il computer dell'utente è veramente inattivo. Microsoft prevede di monitorare continuamente l'utilizzo della GPU, l'utilizzo della memoria video, il carico del processore, la temperatura del dispositivo e il consumo energetico e di utilizzare questi dati per prevedere la potenza di elaborazione disponibile del dispositivo in futuro.
Ad esempio, quando l'utente esegue un gioco di grandi dimensioni, il sistema può ridurre la frequenza di assegnazione delle attività o addirittura sospendere completamente i calcoli; quando il computer è in modalità desktop standby, la temperatura della GPU è bassa e la memoria video è sufficiente, è possibile allocare più attività di allenamento. Il sistema regolerà inoltre la frequenza di monitoraggio in base alla situazione reale delle apparecchiature per evitare oneri aggiuntivi causati dalle frequenti ispezioni stesse.
Microsoft ha sottolineato specificamente che l'obiettivo progettuale dell'intero meccanismo è quello di evitare il più possibile di influenzare il normale utilizzo dei computer da parte degli utenti, inclusa la riduzione della velocità di esecuzione delle applicazioni, l'aumento del calore del dispositivo e il consumo della batteria. Anche le attività assegnate ai diversi dispositivi verranno regolate dinamicamente in base alle loro capacità hardware. I dispositivi con prestazioni inferiori o che potrebbero essere offline in qualsiasi momento svolgeranno solo attività di elaborazione minori.
Per le reti informatiche distribuite, un altro problema difficile è come garantire che i risultati restituiti dai dispositivi partecipanti siano affidabili. Dopotutto, i computer in rete possono commettere errori di calcolo, disconnettersi inaspettatamente o persino inviare intenzionalmente risultati falsi.
A tal fine, Microsoft ha proposto di eseguire una convalida incrociata dei risultati di calcolo restituiti da diversi dispositivi e di assegnare pesi diversi ai risultati restituiti in base all'affidabilità passata del dispositivo, alla coerenza dei risultati con i risultati di calcolo di altri dispositivi e alla novità dei dati. Ai dispositivi che funzionano in modo costante nel tempo verrà data maggiore credibilità, mentre i dispositivi che presentano frequentemente risultati anomali potrebbero essere declassati.
Naturalmente, l'aspetto più interessante di questo brevetto per i normali utenti di computer è la possibilità di essere pagati per fornire potenza di calcolo.
Come indicato nei documenti della domanda, gli utenti devono registrarsi attivamente e autorizzare esplicitamente il dispositivo a partecipare ai calcoli. Il sistema può registrare la quantità di lavoro informatico svolto da ciascun dispositivo e compensare il proprietario del dispositivo in base al contributo. Questi compensi possono assumere la forma di punti sul conto, che gli utenti possono poi riscattare per software gratuito, accesso a modelli di intelligenza artificiale in fase di addestramento o semplicemente ricevere denaro.
Vale la pena notare che Microsoft non ha annunciato standard di compensazione specifici nel documento, né ha spiegato quanti ricavi possono guadagnare ogni ora le diverse schede grafiche. Il brevetto descrive solo possibili meccanismi di incentivazione e non significa che Microsoft sia pronta a lanciare un servizio a pagamento per i consumatori.
Inoltre, questo sistema non serve necessariamente solo i modelli di intelligenza artificiale di Microsoft. Il brevetto descrive anche un possibile modello in cui un'organizzazione terza fornisce attività di formazione e Microsoft è responsabile del collegamento tra i richiedenti dell'attività e i proprietari dei dispositivi personali. In altre parole, Microsoft ha l’opportunità di diventare una piattaforma intermedia nel mercato della potenza di calcolo distribuita della GPU, consentendo alle aziende che non dispongono di risorse di calcolo di affittare la potenza della GPU inattiva nei normali computer consumer.
Tuttavia, questo modello presenta anche alcuni problemi pratici. Innanzitutto, solo perché la GPU è inattiva non significa che l'esecuzione delle attività di elaborazione non consumi energia. Una volta che la scheda grafica inizia a eseguire attività di addestramento AI, il consumo energetico dell'intero computer può aumentare in modo significativo e l'utente dovrà sostenere bollette elettriche aggiuntive. Se l’importo del risarcimento non è sufficiente a coprire il costo dell’elettricità, i partecipanti potrebbero non essere in grado di realizzare un vero profitto.
In secondo luogo, l'esecuzione prolungata di attività di elaborazione a carico elevato aumenterà la generazione di calore e la pressione di dissipazione del calore della scheda grafica e potrebbe anche influire sull'utilizzo di hardware come ventole e sistemi di alimentazione. Anche se il sistema può regolare dinamicamente le attività in base alla temperatura, l’effettivo effetto operativo deve ancora essere verificato attraverso test a lungo termine.
Anche la sicurezza dei dati merita attenzione. I personal computer riceveranno compiti informatici da terzi. Come isolare il codice esterno, proteggere i file locali e la privacy degli utenti e come impedire che attività dannose sfruttino le vulnerabilità dei dispositivi sono tutti problemi che devono essere risolti in questo tipo di rete informatica distribuita.
C'è un altro dettaglio che viene facilmente trascurato: sebbene la domanda di brevetto menzioni il pagamento di un risarcimento al proprietario dell'attrezzatura, il relativo risarcimento non appare nelle sue 20 rivendicazioni. In altre parole, il brevetto si concentra su come suddividere i compiti di formazione, monitorare lo stato di inattività delle apparecchiature, assegnare il lavoro di calcolo e verificare i risultati, mentre il meccanismo di pagamento è solo un’implementazione opzionale descritta nelle specifiche.
Al momento, Microsoft non ha annunciato il lancio di questo servizio, né ha annunciato i modelli di schede grafiche supportate, le condizioni di partecipazione, gli standard di remunerazione o l'orario di lancio ufficiale. La pubblicazione di una domanda di brevetto di per sé non significa che i prodotti correlati entreranno definitivamente sul mercato.
Se questa idea verrà finalmente realizzata, il suo modello potrebbe ricordare i primi progetti di calcolo distribuito, come Folding@home, che utilizza la potenza di calcolo inattiva dei personal computer per partecipare alla ricerca scientifica. La differenza è che Microsoft spera di commercializzare ulteriormente questo modello e di rendere i computer da gioco dei normali consumatori parte dell'infrastruttura informatica del settore dell'intelligenza artificiale.
Per gli utenti con schede grafiche ad alte prestazioni, i computer in futuro potrebbero non essere più utilizzati solo per giochi, rendering e inferenza IA locale. Quando il computer non è in uso, la GPU inattiva può anche diventare una risorsa di elaborazione che può essere noleggiata. Tuttavia, la possibilità di creare un modello di business davvero interessante dipende ancora dalla capacità della remunerazione di coprire le bollette elettriche, le perdite hardware e la fiducia degli utenti nella sicurezza dei dispositivi e nella privacy.
Commenti