Anthropic e OpenAI accusano DeepSeek di furto, al centro la “distillazione” dei modelli di intelligenza artificiale

Lo scontro tra le grandi aziende dell’intelligenza artificiale entra in una nuova fase, con Anthropic e OpenAI che accusano la società cinese DeepSeek di aver utilizzato in modo improprio i loro modelli per addestrare sistemi concorrenti. Al centro del confronto vi è il concetto di distillazione, una tecnica di apprendimento automatico che consente di trasferire conoscenza da un modello di grandi dimensioni a uno più compatto, con potenziali implicazioni legali e competitive di rilievo.

La distillazione, nel linguaggio tecnico del machine learning, è un processo attraverso il quale un modello “studente” apprende dal comportamento di un modello “insegnante”, replicandone in parte le risposte o le probabilità di output. Questa metodologia è ampiamente utilizzata per ridurre i costi computazionali e rendere i sistemi più efficienti, ma solleva interrogativi quando il modello insegnante appartiene a un soggetto terzo e non vi è un’autorizzazione esplicita all’uso dei dati o delle risposte generate.

Secondo le accuse mosse dalle società statunitensi, DeepSeek avrebbe sfruttato l’accesso ai loro modelli per generare un numero elevato di risposte, utilizzandole poi come base per addestrare un sistema proprietario. Il punto controverso riguarda la legittimità di tale pratica: se l’interazione con un modello pubblico consente di apprendere dal suo comportamento, fino a che punto ciò può tradursi in una forma di appropriazione indebita di proprietà intellettuale? Il confine tra utilizzo consentito e violazione contrattuale o tecnologica appare sottile e ancora oggetto di interpretazioni divergenti.

Le aziende di AI proteggono i propri modelli attraverso termini di servizio che limitano l’uso automatizzato delle risposte e vietano esplicitamente la creazione di prodotti concorrenti tramite scraping o altre tecniche di estrazione massiva. Tuttavia, la natura stessa dei modelli linguistici di grandi dimensioni, progettati per generare testi su richiesta, rende complesso dimostrare quando l’interazione diventa sistematica e finalizzata alla replica delle capacità sottostanti.

La vicenda si inserisce in una competizione globale sempre più intensa tra Stati Uniti e Cina nel campo dell’AI generativa. Le aziende occidentali investono miliardi nello sviluppo di modelli sempre più sofisticati, sostenute da capitali privati e partnership con grandi gruppi tecnologici. Parallelamente, realtà cinesi cercano di ridurre il divario tecnologico, sviluppando sistemi alternativi che possano competere sul piano delle prestazioni e dei costi.

Il tema della distillazione evidenzia anche una questione più ampia legata alla trasparenza e alla protezione degli algoritmi. A differenza del software tradizionale, i modelli di intelligenza artificiale non sono facilmente leggibili o analizzabili dall’esterno; la loro forza risiede nei parametri appresi durante l’addestramento. Se un modello più piccolo riesce a replicare parte delle capacità di uno più grande attraverso l’osservazione delle sue risposte, si pone il problema di stabilire se ciò costituisca una copia indiretta o un semplice apprendimento legittimo.

Le implicazioni giuridiche sono rilevanti. La proprietà intellettuale applicata all’AI non si limita al codice sorgente, ma coinvolge dataset, architetture e risultati generati. Le normative attuali, concepite in larga parte per contesti tecnologici precedenti, potrebbero non essere pienamente adeguate a regolare queste dinamiche. Le autorità di regolazione e i tribunali si troveranno probabilmente a dover definire nuovi criteri per valutare casi di presunta appropriazione di know-how algoritmico.

La controversia tra Anthropic, OpenAI e DeepSeek riflette dunque la tensione tra innovazione aperta e tutela degli investimenti privati. Da un lato, la ricerca scientifica si è storicamente sviluppata attraverso la condivisione di conoscenze e la replicabilità degli esperimenti; dall’altro, lo sviluppo di modelli di frontiera richiede risorse finanziarie e infrastrutturali tali da spingere le aziende a proteggere con rigore i propri asset tecnologici.

Nel contesto attuale, la distillazione non è soltanto una tecnica di ottimizzazione, ma diventa un terreno di scontro strategico tra attori globali. La capacità di costruire modelli competitivi a costi inferiori rappresenta un vantaggio significativo, soprattutto in un mercato in cui la domanda di soluzioni AI cresce rapidamente. Le accuse di furto e le dispute sulle modalità di addestramento evidenziano la necessità di regole più chiare in un settore che evolve a ritmi superiori rispetto alla normativa.

Lo scontro in atto potrebbe avere effetti sull’accesso ai modelli, sulle politiche di API e sulle modalità di interazione consentite agli utenti. Le aziende potrebbero rafforzare i controlli tecnici per limitare l’uso automatizzato delle risposte, mentre i governi potrebbero intervenire per definire standard comuni. In gioco vi è non soltanto la protezione della proprietà intellettuale, ma anche l’equilibrio competitivo in uno dei settori più strategici dell’economia digitale contemporanea.