Il collasso dell'ordine economico mondiale?
Il 2 aprile 2025 gli Stati Uniti, sotto la presidenza di Donald Trump, hanno imposto nuove e vaste tariffe protezionistiche. In particolare, l’amministrazione Trump ha annunciato dazi generalizzati del 10% su tutte le importazioni (con punte del 60% per i beni provenienti dalla Cina). Si tratta di misure senza precedenti in tempi recenti, estese indiscriminatamente a paesi alleati e rivali – “non è solo America First, è America Alone”. Questa svolta unilaterale ha destato allarme perché ricorda due celebri precedenti storici: il Tariff Act del 1930 (meglio noto come Smoot-Hawley) negli Stati Uniti, e la Conferenza economica imperiale di Ottawa del 1932, in cui il Regno Unito inaugurò un sistema di preferenze commerciali imperiali nel Commonwealth. In entrambi i casi, una potenza egemone – gli USA nel 1930, l’Impero britannico nel 1932 – rinunciò alla tradizionale apertura commerciale, imboccando la via del protezionismo. Questi esempi storici suggeriscono che gli ordini economici internazionali tendono a disgregarsi non tanto per attacchi esterni, quanto piuttosto quando la potenza egemone centrale abdica al suo ruolo di garante dell’apertura e della stabilità del sistema.
Chi ha derubato chi? Economia americana, tariffe e globalizzazione
Come è possibile che la potenza cartine del sistema economico internazionale, con il migliore sistema finanziario al mondo, la valuta più forte, l’economia più competitiva del pianeta e le più grandi aziende in circolazione sia stata derubata da partner commerciali meno ricchi, che crescono meno e che un giorno sì, l’altro pure, si fasciano la testa perchè affetti da bassa competitività? Proviamo a fare qualche ragionamento.
Schumpeter
È una pubblicazione di Stroncature che si occupa delle frontiere della tecnologia, dell’intelligenza artificiale e della sostenibilità.
Synthetic data generation: generare dati realistici per l’addestramento di modelli AI
I dati sono il carburante dell’intelligenza artificiale, ma raccogliere quantità sufficienti di informazioni di qualità pone spesso problemi di costo, tempo e privacy. In questo contesto si sta affermando la generazione di dati sintetici, ossia la creazione artificiale di dataset realistici mediante modelli generativi di AI, da utilizzare per l’addestramento e il testing di altri modelli. L’idea generale è semplice: invece di fare completo affidamento su dati raccolti dal mondo reale (che potrebbero essere scarsi o protetti), si usa l’IA per simulare nuovi dati che riproducano le caratteristiche statistiche di quelli reali, senza però rappresentare alcun individuo o caso specifico esistente. Questo quadro concettuale si sta rivelando sempre più importante man mano che cresce la domanda di dati diversificati per addestrare modelli robusti, e al contempo aumentano le restrizioni sul trattamento dei dati personali.