Secondo quanto riportato da Artificial Intelligence News, una startup fondata dall’ex chief AI scientist di Meta Yann LeCun ha raccolto un miliardo di dollari in finanziamenti pur impiegando solo 12 persone. La società, Advanced Machine Intelligence Labs (AMI Labs), punta a un’architettura AI radicalmente diversa dai grandi modelli linguistici, basata su moduli specializzati e su una visione che considera gli LLM attuali inadatti a produrre progressi significativi e duraturi nel tempo.
Yann LeCun ha lasciato il suo ruolo di capo scienziato AI in Meta alla fine dello scorso anno per fondare Advanced Machine Intelligence Labs (AMI Labs), un’organizzazione di ricerca che, come afferma, non dovrà produrre un prodotto vendibile per almeno cinque anni. Il team di AMI Labs non si concentra su enormi modelli linguistici generalisti, ma su AI composte da moduli componenti, addestrati e operanti in casi d’uso specifici.
L’architettura modulare proposta da LeCun
Il sistema di intelligenza artificiale delineato da LeCun comprende i seguenti elementi:
- un modello del mondo specifico per il dominio in cui l’AI opera, che può essere legato a un settore o, più probabilmente, a un ruolo specifico;
- un attore che propone i passi successivi da compiere, basato sul classico apprendimento per rinforzo;
- un critico che analizza le diverse opzioni derivate dal modello del mondo, basandosi sulla memoria a breve termine, e valuta le proposte secondo regole rigide;
- un sistema di percezione dedicato all’uso dell’AI (video, audio, testo, immagini) sfruttando, ad esempio, algoritmi di visione basati su deep learning;
- una memoria a breve termine;
- un configuratore che orchestra il flusso di informazioni tra i moduli.
A differenza dei grandi modelli linguistici addestrati su un’unica fonte di informazione (il testo prelevato dal web), ogni istanza dell’AI di LeCun riceverebbe dati mirati, pertinenti solo al suo ambiente e scopo. In ogni versione, l’importanza di ciascun modulo potrebbe essere impostata diversamente: ad esempio, il modulo critico sarebbe più completo in ambiti che gestiscono informazioni sensibili, mentre il modulo percettivo sarebbe prioritario in sistemi che devono reagire rapidamente a eventi del mondo reale.
Ogni modulo verrebbe addestrato in modo appropriato al proprio campo. Esistono già esempi di successo di questo approccio, come sistemi di machine learning in grado di imparare autonomamente a giocare a videogiochi o giochi da tavolo. Questi contrastano con gli LLM che alimentano la maggior parte di ciò che oggi chiamiamo AI.
I limiti dei grandi modelli linguistici e le implicazioni economiche
Gli LLM vengono addestrati come generalisti, producendo risposte basate sul miglior tentativo a partire dai dati acquisiti, poi sottoposti a ottimizzazione tramite prompt engineering (come nel caso di Claude Code) o con modelli di ragionamento (il pensiero ad alta voce reimmesso nel prompt prima della risposta finale). Dal punto di vista finanziario, l’approccio di AMI Labs potrebbe rivoluzionare il settore. I grandi modelli linguistici dei big provider (Anthropic, Meta, OpenAI, Google) hanno consumato risorse sempre maggiori con ogni iterazione. La crescita dimensionale dei modelli e il prompting ricorsivo necessario per migliorare gli output rendono l’addestramento e l’esecuzione sempre più costosi, accessibili solo a grandi aziende che possono permettersi di operare in perdita.
I moduli più piccoli e focalizzati proposti da AMI Labs potrebbero funzionare con una frazione della potenza GPU attualmente necessaria per gli LLM giganti, o addirittura su dispositivo. Invece di modelli con centinaia di miliardi di parametri come ChatGPT, i modelli specialistici – che non devono essere generalisti – necessiterebbero solo di poche centinaia di milioni di parametri. Questo, unito al presupposto che il costo del calcolo diminuirà, fa pensare che un’AI locale, economica e intrinsecamente più accurata possa essere a un passo.
Una scommessa diversa per il futuro dell’AI
Una startup con una nuova idea che raccoglie enormi finanziamenti non è una novità nella storia recente della tecnologia. Ma parte della strategia di LeCun si basa sulla convinzione che gli attuali grandi modelli linguistici non possano migliorare abbastanza da realizzare le aspirazioni delle loro aziende creatrici. AMI Labs sembra offrire agli investitori una strada per un’AI di successo a costi sostenibili, con un’architettura diversa dall’attuale norma. La proposta è differente da quanto oggi offrono i colossi dell’AI, ma il messaggio sulle potenzialità future è simile.
Immagine di schema: “Perspective on Modular Construction” di sidehike è concesso in licenza CC BY-NC-SA 2.0.
