La prossima battaglia per la sovranità del calcolo
La coda che nessuno possedeva
La prima discussione non riguardava la strategia. Riguardava una coda. Un gruppo di ricerca aveva un lavoro urgente da eseguire, un partner ospedaliero voleva un modello validato prima di una sperimentazione clinica, un produttore aveva lavori di simulazione in attesa dietro un blocco di progettazione, e un'agenzia pubblica aveva riservato capacità per un'analisi antifrode che nessuno voleva ritardare una volta che il giornale aveva imparato la parola algoritmo. La dashboard del cluster mostrava rettangoli ordinati. Le persone attorno al tavolo vedevano priorità, doveri, denaro, rischio e reputazione. Lo scheduler vedeva lavori. Questo era il problema.
Tutti nella stanza concordavano sul fatto che il calcolo fosse importante. Questa era la parte facile, il tipo di frase che sopravvive a ogni comitato perché non chiede nulla. La parte difficile iniziava quando dovevano decidere chi potesse usare per primo i processori scarsi, con quali regole, con quali dati, a quale prezzo e con quale autorità interrompere qualcun altro. Improvvisamente il calcolo non era più una risorsa ingegneristica nascosta in un seminterrato. Era una questione costituzionale con ventole attaccate.
È qui che avverrà il prossimo scontro sulla sovranità del calcolo. Non solo nei discorsi sui chip, non solo nella politica commerciale, non solo nei contratti cloud e nei piani nazionali per l'IA, ma nell'allocazione. Chi ha il diritto di trasformare elettricità, hardware, raffreddamento, modelli, dati e manodopera qualificata in risposte. Chi aspetta. Chi paga. Chi può rifiutare una dipendenza remota. Chi continua a operare quando l'offerta si restringe. Chi può ispezionare lo stack quando qualcosa di importante dipende da esso.
La sovranità del calcolo è spesso ridotta al possesso di macchine. Il possesso conta, ma è troppo poco. Una rack di acceleratori senza energia, operatori, controllo del firmware, policy dello scheduler, percorsi di manutenzione, accesso sicuro ai dati, governance dei modelli e disciplina di bilancio non è sovranità. È arredamento costoso che emette un caldo ronzio. La sovranità inizia quando un'istituzione o una regione può decidere come viene utilizzato il calcolo critico e può mantenere quella decisione reale sotto pressione.
La scarsità cambia il tono
Per anni, molte organizzazioni hanno trattato il calcolo come un servizio che poteva essere convocato inserendo una carta di credito, aprendo un ticket o chiedendo all'unica persona che capiva il cluster. Questa abitudine è cresciuta in un'epoca in cui la capacità sembrava abbastanza elastica per la maggior parte degli scopi. Se un modello richiedeva più addestramento, noleggia di più. Se una simulazione richiedeva più memoria, prenota di più. Se un progetto voleva una demo, spendi i soldi e chiedi scusa dopo in un foglio di calcolo con colori ottimistici.
La domanda di AI ha reso fragile questo atteggiamento. Il calcolo moderno è vincolato da chip, packaging, memoria ad alta larghezza di banda, regole di esportazione, spazio nei datacenter, connessioni alla rete elettrica, raffreddamento, firmware, interconnessioni, driver, orchestrazione, licenze dei modelli e dal fatto banale che gli operatori qualificati non si possono scaricare durante la pausa pranzo. Anche quando i soldi ci sono, la capacità potrebbe non esserci. Anche quando la capacità esiste, potrebbe non essere governata dall'istituzione che ne ha bisogno. Anche quando è governata localmente, potrebbe essere riservata al lavoro sbagliato perché nessuno ha progettato un modello di priorità.
La scarsità trasforma il calcolo in politica perché l'allocazione rivela i valori. Un'università deve scegliere tra ricerca all'avanguardia e accesso per gli studenti. Un sistema sanitario deve scegliere tra validazione dei modelli e arretrati di analisi. Un governo deve scegliere tra applicazione fiscale, servizi sociali, modellazione climatica e lavoro di sicurezza. Un produttore deve scegliere tra simulazione dei prodotti e operazioni assistite dall'AI. La coda diventa un documento di policy, solo meno onesto perché è scritto in ID di job.
Il problema non si risolve dicendo più calcolo, anche se più calcolo aiuterà. Le strade aiutano i trasporti, ma non rispondono a chi spetta la corsia dell'ambulanza. La sovranità del calcolo richiede capacità e regole. Le regole saranno scomode perché rendono visibili le priorità implicite. È generalmente in quel momento che gli adulti chiedono un altro workshop.
Possedere l'hardware è solo un livello
Una postura di calcolo sovrano include l'hardware, ma l'hardware da solo non è comando. Il processore ha il firmware. La macchina ha i driver. Il cluster ha un sistema operativo, scheduler, fabric di storage, livello di identità, stack di monitoraggio, repository di pacchetti, percorso di aggiornamento della sicurezza e modello di manutenzione remota. Il carico di lavoro ha accesso ai dati, pesi del modello, termini di licenza, controlli all'esportazione, requisiti di audit e costo energetico. L'istituzione ha operatori, budget, regole di approvvigionamento e doveri pubblici o commerciali. Ogni livello può spostare l'autorità.
Un paese può sovvenzionare le macchine e dipendere comunque da piani di controllo remoto. Un'azienda può comprare acceleratori e fare comunque affidamento su un fornitore per finestre di manutenzione che non può influenzare. Un istituto di ricerca può gestire un cluster locale e perdere comunque sovranità attraverso licenze dei modelli che vietano il lavoro che deve fare. Un'agenzia pubblica può mantenere i dati nella propria giurisdizione e inviare comunque prompt, log o embedding attraverso strumenti altrove. La domanda non è possediamo scatole. La domanda è quali decisioni sul calcolo possiamo prendere, eseguire e dimostrare.
Lo scheduler merita attenzione speciale perché è lì che i valori diventano runtime. Gli scheduler sono di solito presentati come macchinari tecnici: code, partizioni, priorità, prenotazioni, prelazione. Sotto scarsità diventano governance. Chi può fare prelazione su chi. Quali carichi di lavoro sono critici. Quali utenti ottengono diritti di burst. Quali progetti devono dimostrare un uso efficiente. Quali classi di dati possono girare su quali nodi. Quali job vengono fermati quando i prezzi dell'energia salgono. Queste non sono solo impostazioni del cluster. Sono scelte istituzionali.
Ecco perché la sovranità del calcolo ha bisogno di persone che sappiano leggere sia la policy sia la configurazione dello scheduler. Un consiglio di amministrazione può dichiarare priorità, ma se lo scheduler non può esprimerle, la dichiarazione è teatro. Gli ingegneri possono ottimizzare le code, ma se nessuna governance decide cosa dovrebbe essere favorito, l'ingegneria diventa policy accidentale. La versione matura collega entrambe. Scrive la priorità nei meccanismi operativi e conserva le prove di ciò che è accaduto.
La questione energetica non resterà dietro le quinte
Il calcolo non è una nuvola astratta di intelligenza. È elettricità che attraversa le apparecchiature e lascia calore. Sembra ovvio, finché i documenti di pianificazione trattano la capacità di calcolo come se si potesse aggiungere con un sostantivo. Una strategia seria sul calcolo deve fare i conti con la rete. Deve chiedersi dove l'energia è disponibile, quando il carico può essere spostato, come viene gestito il raffreddamento, cosa succede durante i picchi di domanda, quali carichi di lavoro possono attendere e quali obblighi pubblici meritano priorità quando l'energia è limitata.
Questo diventerà più visibile politicamente, perché i datacenter competono con altre esigenze: abitazioni, industria, trasporto elettrificato, reti di teleriscaldamento, potenziamento della rete e domanda domestica. La risposta non può essere semplicemente niente datacenter, perché ricerca critica, sanità, manifattura, pubblica amministrazione e sicurezza hanno tutte bisogno di calcolo. La risposta non può nemmeno essere datacenter infiniti, perché la fisica non si è unita al reparto innovazione. Così l'allocazione torna, ora con le sottostazioni.
Sovranità del calcolo consapevole dell'energia significa abbinare il carico di lavoro all'urgenza e alla localizzazione. Parte dell'addestramento può avvenire quando l'energia rinnovabile è abbondante. Parte dell'inferenza deve avvenire vicino agli utenti per latenza e resilienza. Alcuni carichi di lavoro pubblici meritano capacità protetta. Alcuni esperimenti dovrebbero essere obbligati a giustificare esecuzioni di grandi dimensioni. Alcuni modelli dovrebbero essere più piccoli, memorizzati nella cache, quantizzati, distillati o sostituiti con metodi più efficienti. L'efficienza non è l'opposto dell'ambizione. È il modo in cui l'ambizione sopravvive alla bolletta elettrica.
C'è anche una lezione di sovranità nello spreco. Se un'organizzazione usa calcolo eccessivo perché i modelli sono sovradimensionati, le pipeline di dati sono sciatte, i prompt sono gonfiati o le valutazioni vengono ripetute senza scopo, sta spendendo sovranità oltre che denaro. Capacità scarsa usata male è capacità negata altrove. La discussione futura sul calcolo includerà quindi la qualità del software. È scortese, ma giusto.
La capacità cloud è utile e condizionata
La capacità remota resterà essenziale. Nessuna strategia seria sul calcolo dovrebbe fingere che ogni organizzazione possa o debba eseguire ogni carico di lavoro in locale. La capacità cloud elastica aiuta con i picchi, l'hardware specializzato, la portata geografica, le operazioni gestite e gli esperimenti che sarebbe dispendioso supportare in modo permanente. Il problema non è se il calcolo remoto sia negativo. Il problema è se la dipendenza da esso sia compresa, limitata e abbastanza reversibile per il lavoro in gioco.
La dipendenza condizionata è normale. La dipendenza non governata è il problema. Un'istituzione pubblica che usa acceleratori remoti per lavoro batch a basso rischio può fare una scelta sensata. La stessa istituzione che usa una piattaforma remota per supporto decisionale sensibile senza log indipendenti, test di uscita, controllo delle chiavi o pianificazione degli shock di costo può spostare autorità senza accorgersene. Lo stesso hardware può essere appropriato o avventato a seconda di dati, carico di lavoro, evidenze e posizione negoziale.
I contratti contano, ma non possono reggere tutto il peso. Se l'esportazione è teoricamente consentita ma praticamente impossibile perché artefatti del modello, pipeline, log e valutazioni sono bloccati in una piattaforma, l'uscita è decorativa. Se i prezzi possono cambiare più velocemente dei budget, la capacità diventa un rischio di policy. Se l'accesso al supporto è ampio e opaco, il calcolo diventa un percorso di accesso. Se una promessa regionale esclude il piano di controllo, il sistema può essere locale nel depliant e remoto nella parte che può fermarlo.
Una postura matura usa il calcolo remoto come parte di un portafoglio. Mantiene una capacità locale o governata a livello regionale per carichi sensibili, urgenti o strategici. Usa descrizioni di carico portabili dove possibile. Testa il movimento prima della crisi. Conserva evidenze indipendenti. Comprende quali dati e artefatti derivati escono. Valuta il costo di non poter eseguire. Questo è meno entusiasmante di un enorme annuncio di acquisto. Ed è anche più probabile che funzioni.
Il lato della domanda è policy
Le discussioni sulla sovranità del calcolo spesso si fissano sull'offerta. Quanti chip. Quali fab. Quali cloud. Quali cluster. L'offerta conta, ma anche la disciplina della domanda conta. Se ogni team tratta un grande run di modello come risposta predefinita, nessuna capacità sembrerà sufficiente. Se il successo si misura con il numero di parametri, i leader compreranno calore e lo chiameranno strategia. Se la valutazione è debole, i team ripeteranno gli esperimenti perché nessuno sa quale run sia stato significativo. La coda si riempirà di incertezza con credenziali da laboratorio.
Una buona policy della domanda inizia chiedendo quale classe di calcolo un compito richiede davvero. Addestrare un modello foundation, fare fine-tuning di un modello di dominio, eseguire inferenza, fare retrieval, simulare fisica, rendere dati, valutare modelli e servire utenti interattivi sono carichi diversi. Hanno esigenze diverse di sensibilità, latenza, scalabilità, energia e audit. Trattarli come un unico contenitore chiamato calcolo AI è amministrativamente comodo e tecnicamente pigro.
Le tecniche di efficienza sono strumenti di sovranità. Modelli più piccoli, metodi sparsi, quantizzazione, batching, caching, retrieval, migliore qualità dei dati, early stopping, esperimenti riproducibili e buona profilazione riducono tutti la dipendenza da capacità scarsa. Anche rifiutare lavoro senza valutazione o proprietario chiaro lo fa. L'unità di calcolo più economica è quella non spesa perché qualcuno ha fatto una domanda più precisa. Questa frase non venderà molti stand in conferenza, ma ha salvato più budget dell'ambizione decorativa.
La disciplina della domanda protegge anche l'equità. Senza di essa, i team potenti consumano capacità per abitudine mentre i team più piccoli aspettano. Uno scheduler può imporre quote, ma le quote senza norme condivise diventano un altro campo di battaglia. Le istituzioni hanno bisogno di categorie chiare: dovere pubblico strategico, lavoro regolato, lavoro critico per i ricavi, esplorazione di ricerca, istruzione, manutenzione ed esperimenti speculativi. Le categorie non saranno perfette. La perfezione è ciò che i comitati chiedono quando vogliono evitare di scegliere.
La capacità pubblica richiede regole pubbliche
Mentre i governi investono nel calcolo nazionale o regionale, si troveranno ad affrontare un problema di legittimità. Il calcolo pubblico non può semplicemente diventare una coda più gradevole per chi già sa scrivere proposte. Deve servire missioni pubbliche, ricerca, istruzione, piccole imprese, settori critici e capacità a lungo termine. Questo richiede regole trasparenti su accesso, prezzi, priorità, sensibilità dei dati, pubblicazione, sicurezza e uso accettabile. Altrimenti il nuovo bene pubblico eredita vecchie disuguaglianze con un raffreddamento migliore.
Regole pubbliche non significano regole lente. Significano regole ispezionabili. Un lavoro di validazione ospedaliera può avere bisogno di priorità rispetto a un benchmark speculativo. Un corso universitario può avere bisogno di capacità modesta garantita perché l'istruzione è il modo in cui compaiono i futuri operatori. Un piccolo produttore può avere bisogno di accesso a picchi senza essere schiacciato dai rituali di approvvigionamento aziendale. Un modello climatico può meritare tempo protetto perché la società ne trae beneficio anche se nessun singolo dipartimento possiede la fattura. Queste scelte sono politiche nel senso rispettabile: allocano una risorsa condivisa verso doveri condivisi.
Le regole dovrebbero includere prove. Chi ha usato la capacità. Per quale classe di lavoro. Con quale sensibilità dei dati. A quale costo energetico. Con quale risultato. Quali lavori sono stati anticipati. Quali progetti hanno consumato ripetutamente capacità senza produrre risultati valutati. Quali settori sono stati sottoserviti. Questa non è sorveglianza fine a se stessa. È amministrazione responsabile. Il calcolo pubblico scarso non dovrebbe sparire in aneddoti eroici e foto annuali di armadi.
La capacità pubblica richiede anche operazioni professionali. Un cluster che esiste solo come acquisto tramite sovvenzione diventa rapidamente obsoleto. Gli operatori hanno bisogno di finanziamenti, status, formazione e autorità. La manutenzione non è un ripensamento da impiegato. È la differenza tra infrastruttura strategica e un museo dell'ambizione dell'anno scorso. L'Europa ha già commesso questo errore in altre forme: compra la cosa, sottofinanzia le persone, e poi fingi sorpresa quando la cosa sviluppa una personalità.
La sicurezza riguarda più dei segreti
Le piattaforme di calcolo concentrano materiale sensibile: dataset, pesi dei modelli, prompt, embedding, log, credenziali, idee di ricerca, progetti industriali e modelli operativi. La sicurezza non è solo prevenire il furto. È controllare chi può eseguire cosa accanto a cosa, quali artefatti persistono, quali log vengono conservati, quali operatori possono ispezionare i lavori, quali dipendenze possono aggiornare il comportamento in fase di esecuzione e quali output possono lasciare l'ambiente. Il calcolo è un luogo in cui i dati diventano azione. Questo lo rende un luogo attraente per commettere errori.
Il calcolo multi-tenant è particolarmente impegnativo. Utenti diversi possono avere regimi giuridici, esigenze di riservatezza e modelli di minaccia differenti. Un progetto studentesco, una simulazione legata alla difesa, un dataset sanitario e una valutazione di modelli commerciali non dovrebbero essere trattati come vicini di casa solo perché la coda aveva spazio. Isolamento, attestazione, identità, gestione dei segreti, policy di rete, igiene dello storage e log di audit diventano tutti parte della sovranità. Se questi controlli sono deboli, il calcolo locale può comunque essere calcolo non governato.
Anche la governance dei modelli appartiene a questo ambito. Quali pesi possono essere caricati. Quali licenze consentono quali attività. Quali modelli sono stati valutati per il dominio. Quali fine-tuning contengono dati sensibili. Quali output richiedono revisione. Quali artefatti possono essere esportati. La piattaforma non dovrebbe diventare un luogo dove la policy viene convertita in flag da riga di comando da chiunque abbia fretta. La fretta non è un modello di governance. È una condizione meteorologica.
I controlli di sicurezza dovrebbero essere progettati pensando all'usabilità. Se i percorsi sicuri sono impossibili, le persone ne creano di insicuri. Copiano dati, noleggiano capacità esterna, aggirano le code o tengono notebook privati pieni di formule magiche. La sovranità fallisce quando l'ambiente ufficiale è così lento o opaco che le persone serie lo aggirano. Il controllo deve essere abbastanza utilizzabile da meritare obbedienza.
La battaglia per i talenti
La risorsa più scarsa della sovranità del calcolo potrebbero essere le persone. L'hardware si può acquistare lentamente e a caro prezzo. Operatori qualificati, ingegneri delle prestazioni, architetti della sicurezza, data steward, specialisti degli approvvigionamenti e traduttori di policy richiedono più tempo. Hanno bisogno di esperienza con carichi di lavoro reali, non solo diagrammi dei fornitori. Devono capire perché una scelta di scheduler può diventare una scelta di governance, perché un log innocente può diventare sensibile e perché un modello che sta in memoria può comunque essere troppo costoso da gestire operativamente.
Le istituzioni spesso sottovalutano questo livello perché le persone sono meno fotogeniche delle macchine. Si può tagliare un nastro davanti a un cluster. È più difficile tagliare un nastro davanti a una cultura della manutenzione. Eppure, senza persone, la sovranità degenera in accesso alle attrezzature. Gli operatori che mantengono la piattaforma sicura, efficiente ed equa fanno parte dell'infrastruttura. Trattarli come un costo generale è un modo affidabile per trasformare la strategia in straordinari.
I talenti influenzano anche l'indipendenza nei rapporti con i fornitori. Un acquirente capace può chiedere cosa succede durante gli aggiornamenti del firmware, come vengono separati i log, se i carichi di lavoro sono portabili, come vengono applicate le quote, come vengono gestiti i picchi energetici, come vengono distrutti i dati e cosa può vedere l'accesso di supporto. Un acquirente incapace chiede innovazione e riceve un opuscolo. I fornitori non sono cattivi per aver risposto alla domanda che è stata loro posta. Le istituzioni devono imparare a fare domande migliori.
L'istruzione conta a più livelli. Gli ingegneri hanno bisogno di una conoscenza più profonda dei sistemi. I manager hanno bisogno di alfabetizzazione sufficiente per comprendere i compromessi. Gli avvocati devono capire i control plane e gli artefatti derivati. I funzionari pubblici devono capire perché l'allocazione del calcolo non è come comprare sedie da ufficio, anche se entrambe possono produrre una sorprendente quantità di burocrazia. La sovranità del calcolo è in parte un problema di curriculum.
Riserve, esercitazioni e il diritto di aspettare meno
La capacità strategica non è la stessa cosa della capacità media. Una regione può avere abbastanza calcolo nella maggior parte dei giorni e fallire comunque durante una crisi, un audit, un attacco, uno shock dei prezzi, una disputa legale, una scadenza di ricerca importante o un'emergenza pubblica. La sovranità viene messa alla prova da una cattiva tempistica. Questo significa che una parte della capacità deve essere riservata, alcuni carichi di lavoro devono essere preemptible, alcuni percorsi di fallback devono essere provati e alcune decisioni devono essere prese prima che tutti guardino la stessa dashboard con definizioni diverse di urgente.
Le riserve sono politicamente difficili perché la capacità inattiva sembra uno spreco finché non serve. Lo stesso vale per le caserme dei pompieri, i backup e i trasformatori di riserva. Il trucco non è tenere tutto inattivo. È progettare una capacità che possa passare dal lavoro ordinario al lavoro protetto in condizioni dichiarate. I lavori a bassa priorità possono essere eseguiti quando la riserva non è utilizzata. Il lavoro critico può avere la precedenza quando scatta la regola. La regola deve essere nota prima della crisi. Altrimenti vince chi urla più forte.
Le esercitazioni contano. Un carico di lavoro può spostarsi dalla capacità remota a quella locale? Un cluster può funzionare scollegato da un servizio di gestione? Gli artefatti dei modelli possono essere ripristinati? I dati possono essere montati senza violare le regole di località? Un'interruzione del fornitore può essere aggirata? Una priorità pubblica può essere applicata? Le prove possono mostrare perché un lavoro ha avuto la precedenza su un altro? Non sono domande astratte. Sono la differenza tra sovranità come sostantivo e sovranità come verbo.
Il diritto di attendere meno diventerà una richiesta di governance. I carichi di lavoro pubblici critici, il lavoro di sicurezza, la ricerca con finestre temporali ristrette e i processi industriali con grande esposizione economica sosterranno la priorità. Alcuni avranno ragione. Altri saranno opportunistici. Il sistema ha bisogno di regole abbastanza solide da distinguere i due casi. L'alternativa è una coda governata da status, volume e da chi scrive l'email più allarmante.
L'argomento che dovremmo affrontare per tempo
Il prossimo scontro sulla sovranità del calcolo non è qualcosa da evitare. È qualcosa da affrontare prima che la scarsità lo renda più brutto. Le istituzioni dovrebbero decidere quali carichi di lavoro sono critici, quali possono attendere, quali devono essere eseguiti localmente, quali possono espandersi da remoto, quali dati possono viaggiare, quali modelli sono consentiti, quali prove sono richieste, quali riserve sono protette e quali standard di efficienza si applicano. Queste decisioni non saranno perfette. Saranno migliori che scoprire la politica attraverso una coda intasata.
Questo argomento dovrebbe essere pratico. Dovrebbe includere ingegneri, operatori, responsabili dei dati, team di sicurezza, esperti di dominio, avvocati, finanza e le persone il cui lavoro verrà ritardato quando verrà assegnata la priorità. Non dovrebbe essere lasciato solo ai documenti di strategia nazionale o solo agli amministratori dei cluster. La sovranità del calcolo si colloca tra politica e macchine. Lasciare fuori uno dei due lati e il risultato diventa teatro, risentimento o entrambi.
Dovrebbe anche evitare la purezza. L'indipendenza completa non è realistica per la maggior parte delle istituzioni e non è necessaria per la maggior parte dei carichi di lavoro. L'esternalizzazione totale è altrettanto ingenua per il lavoro critico. La via di mezzo utile è la dipendenza deliberata: sapere su cosa fai affidamento, mantenere le leve dove le conseguenze lo richiedono, costruire competenze locali, rendere i carichi di lavoro portabili dove possibile, conservare le prove, proteggere le riserve e spendere il calcolo con disciplina. La versione adulta è meno drammatica della versione da slogan. Di solito è un segno che potrebbe funzionare.
La lotta riguarderà i chip, ma anche l'elettricità, le code, le autorizzazioni, gli operatori, i budget, le licenze dei modelli, i doveri pubblici e il coraggio di dire che alcuni lavori sono più importanti di altri. Quel coraggio è governance. Senza di esso, la sovranità del calcolo diventa una lista della spesa. Con esso, il calcolo diventa un'infrastruttura che può servire una società invece di limitarsi a impressionare una slide di procurement.
La lezione
La sovranità del calcolo è la capacità di agire quando il calcolo è scarso e consequenziale. Significa possedere capacità sufficiente, comprendere abbastanza dipendenze, gestire abbastanza livelli e governare abbastanza allocazione da impedire che il lavoro critico diventi un passeggero nella coda di qualcun altro. Non è anti-cloud, anti-commercio o anti-collaborazione. È anti-sorpresa.
Il lavoro pratico è semplice: mappare lo stack di controllo, finanziare gli operatori, scrivere le policy dello scheduler, prezzare l'energia in modo onesto, classificare i carichi di lavoro, testare la portabilità, conservare le prove, riservare capacità per i doveri critici e ridurre gli sprechi. Niente di tutto ciò ha la romantica purezza di comprare la macchina più grande della stanza. Ha la virtù migliore di rendere la macchina responsabile.
Il futuro non chiederà se un'istituzione credeva che il calcolo fosse importante. Tutti diranno di sì. Chiederà chi poteva allocarlo, con quale autorità, con quali prove, quando la capacità facile era esaurita.