I Grandi Modelli del Mondo non sono la fine del viaggio, ma lo strumento che ci porterà alla prossima fase evolutiva della tecnologia. Come ci insegna Matrix, la vera sfida sarà distinguere tra ciò che è reale e ciò che viene percepito come tale dalle macchine. Siamo all’inizio di un’era in cui l’AI non si limiterà a comprendere il linguaggio o le immagini, ma agirà nel nostro mondo, influenzando decisioni, processi e persino la nostra comprensione della realtà stessa.

Siamo pronti a convivere con queste macchine? Forse, la domanda più importante non è se le macchine comprenderanno noi, ma se noi saremo in grado di comprendere e accettare loro.

Immaginate di entrare in un mondo dove l’intelligenza artificiale non solo cerca di seguire il nostro ritmo, ma è pronta a superare l’intelligenza umana. È in questo contesto che emerge il Large World Model (LWM), che introduce un nuovo paradigma nella comprensione delle macchine riguardo al mondo che le circonda. Come appassionati e professionisti del settore, abbiamo assistito a progressi straordinari nei modelli linguistici.

Tuttavia, rimane una domanda: come può l’intelligenza artificiale approfondire la propria comprensione del mondo in modi che imitino l’intuizione e la percezione umana?

Ed ecco che entra in gioco LWM, un nuovo framework che coniuga la ricchezza temporale del video con il potere descrittivo del linguaggio, aprendo la strada a sistemi di intelligenza artificiale come l’attesissimo Gemini 1.5, che vanta la capacità di elaborare la sorprendente cifra di un milione di token.

Questo articolo si addentra nel cuore dell’LWM, svelandone il potenziale di ridefinire la nostra interazione con l’intelligenza artificiale e il futuro delle macchine…

All’inizio dell’anno, quando OpenAI ha lanciato il suo modello di testo-a-video chiamato Sora, il mondo è rimasto senza parole di fronte alla qualità dei video generati. Anch’io ero sbalordito. Come si fa a non esserlo? Eppure, tra l’ammirazione, mi tornavano alla mente le parole di Joe McMillan in Halt and Catch Fire: “I computer non sono il fine, sono lo strumento che ci porta al fine”. Una verità così semplice, eppure così densa di implicazioni.

Quando lessi la frase sulla pagina di lancio di Sora che recitava: “Stiamo insegnando all’AI a comprendere e simulare il mondo fisico in movimento, con l’obiettivo di creare modelli che aiutino le persone a risolvere problemi che richiedono l’interazione con il mondo reale”, capii che il vero obiettivo non era solo la simulazione, ma la creazione di Grandi Modelli del Mondo. Anche se allora non conoscevo ancora il termine esatto, la chiave stava lì: risolvere problemi complessi del mondo reale.

L’Intelligenza Spaziale: La Nuova Frontiera

A settembre, la madrina dell’AI, Fei-Fei Li, annunciò la fondazione della startup World Labs, che si propone di affrontare l’arduo compito di sviluppare l’Intelligenza Spaziale. Con tale termine, si indicano modelli capaci di comprendere il mondo fisico, dinamico e tridimensionale, aprendo la strada a innumerevoli applicazioni in campi come il design, la realtà aumentata, la robotica e oltre.

Per chi conosce la trilogia di Matrix, questa è un’idea che non sorprende. “Cos’è la realtà? Come la definisci?” si chiedeva Morpheus. Oggi, la risposta potrebbe essere: la realtà è ciò che un Modello del Mondo può comprendere, simulare e, presto, modificare.

Convergenza: Una Rivoluzione Imminente

Negli ultimi mesi, ho assistito a una serie di eventi che sembrano convergere verso lo stesso obiettivo. Aziende come Amazon, Meta e persino Tesla stanno investendo somme colossali nella creazione di modelli che simulano il mondo fisico. Un esempio evidente è l’acquisizione, da parte di Amazon, dei modelli robotici di Covariant, una mossa strategica per avanzare nella creazione di robot intelligenti e sicuri.

È innegabile che i Grandi Modelli del Mondo (LWM – Large World Models) siano diventati il nuovo campo di battaglia. Non si tratta più solo di linguaggio o immagini. Come Fei-Fei Li ha sottolineato in un discorso TED: “Il recente traguardo nell’intelligenza spaziale è insegnare ai computer a vedere, imparare e fare. E a vedere e fare meglio”.

Non possiamo fare a meno di chiederci: dove porterà tutto questo? Pensate a un mondo in cui le auto autonome non solo comprendono le strade, ma sanno prevedere i comportamenti degli altri veicoli o dei pedoni. Un mondo in cui i robot in fabbrica capiscono perfettamente le leggi della fisica e agiscono di conseguenza. Un mondo in cui la realtà aumentata non si limita a sovrapporre informazioni sul nostro campo visivo, ma capisce l’ambiente circostante meglio di noi.

“Benvenuti nel Deserto del Reale”

I modelli di linguaggio che oggi conosciamo, come ChatGPT, potrebbero presto raggiungere i loro limiti. Il motivo è semplice: il linguaggio è solo una parte della nostra comprensione del mondo. Il vero salto di qualità avverrà quando i modelli saranno in grado di interpretare e interagire con la realtà fisica. O, come direbbe Neo: “Non esiste il cucchiaio. Solo la verità”.

Ma attenzione. Se pensiamo che queste tecnologie rimarranno confinate nel mondo dei videogiochi o delle simulazioni innocue, ci sbagliamo di grosso. Le aziende stanno preparando il terreno per far accettare al pubblico modelli sempre più avanzati, senza farci preoccupare troppo delle implicazioni sociali o etiche. Oggi, stupiti da un video generato dall’AI, domani potremmo trovarci in un mondo in cui le nostre stesse case ci osservano e ci giudicano.

La Decisione Finale

Il vero potenziale dei Grandi Modelli del Mondo non è solo nella loro capacità di simulare, ma di decidere. E qui il futuro diventa davvero interessante. Fei-Fei Li è molto chiara su questo: la visione e la comprensione sono solo il primo passo. Il passo successivo è l’azione. La capacità di questi modelli di prendere decisioni autonome potrebbe rivoluzionare tutto, dalla produzione industriale alla pianificazione urbana, fino alla gestione delle emergenze climatiche.

E tuttavia, tutto questo progresso ha un costo. Il prezzo non è solo economico – queste tecnologie richiedono enormi risorse – ma anche ambientale e sociale. Pensiamo alla privacy. Questi modelli, alimentati da dati in tempo reale, potrebbero invadere ogni aspetto delle nostre vite. “Benvenuti nel deserto del reale”, diceva Morpheus a Neo, e questo potrebbe essere l’avvertimento che dovremmo tenere a mente.


Uno dei primi ricercatori a esplorare l’idea di modelli che comprendono e simulano il mondo fisico è stato David Ha, che nel 2018
pubblicò un documento innovativo sul concetto di World Models. Questi modelli elaborano dati provenienti dal mondo reale, creando
una rappresentazione interna dell’ambiente e simulando eventi futuri all’interno di esso.

Un’altra figura centrale è Fei-Fei Li, professoressa alla Stanford University e fondatrice di World Labs. Li ha lavorato sulla cosiddetta
“Intelligenza Spaziale”, una forma avanzata di intelligenza artificiale che permette ai computer di comprendere la struttura fisica e le
dinamiche del mondo reale attraverso le immagini. Questa tecnologia è alla base dei Grandi Modelli del Mondo.

Inoltre, giganti della tecnologia come OpenAI, Google DeepMind e NVIDIA hanno investito risorse significative per lo sviluppo di modelli
che simulano il mondo fisico. Questi modelli sono stati utilizzati in vari campi, come la robotica, la realtà aumentata (AR), la realtà
virtuale (VR) e l’automazione.

Quindi, i Grandi Modelli del Mondo rappresentano il risultato di anni di ricerca e sviluppo, a cui hanno contribuito scienziati, ingegneri e
grandi aziende tecnologiche. Le loro applicazioni future potrebbero rivoluzionare settori come la produzione industriale, l’automazione
domestica e persino il mondo del gaming e dell’intrattenimento.