Negli ultimi anni, l’intelligenza artificiale ha compiuto passi straordinari, evolvendo da semplici sistemi predittivi a modelli capaci di gestire compiti complessi con un sorprendente grado di autonomia.
Questa evoluzione, culminata nei grandi modelli linguistici (LLM) come ChatGPT o Gemini, sta aprendo la strada verso l’AGI (intelligenza artificiale generale), ovvero un’intelligenza capace di apprendere, adattarsi e operare trasversalmente come un essere umano.
Con la presentazione del modello Titans a fine dicembre, Google ha introdotto un approccio innovativo che ridefinisce il funzionamento dei modelli AI, distinguendosi dai classici LLM non solo per l’efficienza computazionale, molto più efficace e parsimoniosa, ma anche per l’adozione di meccanismi avanzati di apprendimento e gestione della memoria.
A differenza dei modelli tradizionali, che si basano su un addestramento iniziale statico, Titans è infatti stato progettato per apprendere continuamente, adattandosi dinamicamente ai nuovi contesti. Questa capacità lo rende più versatile e vicino al funzionamento della mente umana, che evolve costantemente attraverso l’esperienza.
Una memoria “umana”
Un elemento centrale di Titans è la sua capacità di gestione della memoria. Il modello non solo ricorda le informazioni, ma lo fa in relazione al contesto in cui queste sono state acquisite, integrando un sistema di memoria selettiva simile a quello umano. Questo significa che Titans può archiviare dati rilevanti e dimenticare quelli superflui o obsoleti, evitando un sovraccarico cognitivo e migliorando l’efficienza operativa.
La capacità di dimenticare non è un limite, ma una caratteristica strategica che permette al sistema di concentrarsi su ciò che è realmente importante per il compito richiesto.
Il parametro della sorpresa
Uno degli aspetti più rivoluzionari di Titans è l’introduzione del concetto di sorpresa, che non solo gli consente di identificare informazioni nuove o inattese, ma anche di ricordarle nel loro contesto specifico.
Questo concetto, tecnicamente identificato anche con il termine tecnico “anomalia” o “novelty detection” per riferirsi al processo di identificazione di dati o pattern nuovi o sconosciuti all’interno di un dataset, si va aggiungere ai parametri classici usati dagli algoritmi di AI detti “temperatura” e “peso”, arricchendo in questo modo le capacità del modello nell’elaborazione delle informazioni.
Questo meccanismo, rivoluzionario, opera su due livelli: la sorpresa “momentanea” e la sorpresa “passata”.
La prima si attiva quando Titans si trova davanti a un’informazione inaspettata durante un’interazione o un’attività in corso. Ad esempio, se incontra una cosiddetta anomalia o un dato imprevisto in una conversazione, il sistema li registra come rilevanti e li collega immediatamente al contesto presente per adattare la risposta in tempo reale.
La seconda, invece, interviene per rielaborare e aggiornare il proprio bagaglio di conoscenze a lungo termine. Questo avviene quando un’informazione pregressa si ripresenta e viene rivalutata alla luce di nuovi “sorprendenti” dati acquisiti. Aggiungendola in modo profondo nel bagaglio complessivo delle sue conoscenze per una futura elaborazione.
Questo approccio consente al modello di apprendere non solo dalle novità immediate, ma anche di reinterpretare il passato alla luce del presente, una caratteristica che lo avvicina ulteriormente al comportamento umano.
Dal punto di vista architetturale, l’algoritmo di Google introduce anche un sistema detto di “memory streaming”, che riduce drasticamente il consumo di risorse computazionali.
Questo consente di elaborare dati in tempo reale senza la necessità di caricare interi dataset in memoria, rendendo il nuovo modello più efficiente e sostenibile rispetto ai tradizionali LLM, che richiedono enormi capacità computazionali per operare. La differenza si può misurare nell’ordine di almeno tre “zeri”.
L’AGI è già qui?
Queste caratteristiche – apprendimento continuo, memoria selettiva e gestione contestuale delle informazioni – portano l’utente che utilizza questi modelli a rafforzare la sua percezione di trovarsi di fronte a sistemi senzienti, anche se questa rimane, almeno per ora, un’illusione.
I passi per arrivare alla cosiddetta intelligenza “generale” sono ancora tanti, anche se i tempi di attesa sembrano accorciarsi.
Google, per esempio, con questa tecnologia non sta solo migliorando l’efficienza dell’AI, ma sta avvicinando il mondo a una nuova era in cui l’intelligenza artificiale si integrerà in modo ancora più profondo e naturale nella nostra quotidianità.
Questo è solo un passo, ma significativo, che dimostra che la tendenza è quella di andare verso una chiara imitazione dei meccanismi che governano il cervello umano.
Ne vedremo delle belle.
Questa evoluzione, culminata nei grandi modelli linguistici (LLM) come ChatGPT o Gemini, sta aprendo la strada verso l’AGI (intelligenza artificiale generale), ovvero un’intelligenza capace di apprendere, adattarsi e operare trasversalmente come un essere umano.
Con la presentazione del modello Titans a fine dicembre, Google ha introdotto un approccio innovativo che ridefinisce il funzionamento dei modelli AI, distinguendosi dai classici LLM non solo per l’efficienza computazionale, molto più efficace e parsimoniosa, ma anche per l’adozione di meccanismi avanzati di apprendimento e gestione della memoria.
A differenza dei modelli tradizionali, che si basano su un addestramento iniziale statico, Titans è infatti stato progettato per apprendere continuamente, adattandosi dinamicamente ai nuovi contesti. Questa capacità lo rende più versatile e vicino al funzionamento della mente umana, che evolve costantemente attraverso l’esperienza.
Una memoria “umana”
Un elemento centrale di Titans è la sua capacità di gestione della memoria. Il modello non solo ricorda le informazioni, ma lo fa in relazione al contesto in cui queste sono state acquisite, integrando un sistema di memoria selettiva simile a quello umano. Questo significa che Titans può archiviare dati rilevanti e dimenticare quelli superflui o obsoleti, evitando un sovraccarico cognitivo e migliorando l’efficienza operativa.
La capacità di dimenticare non è un limite, ma una caratteristica strategica che permette al sistema di concentrarsi su ciò che è realmente importante per il compito richiesto.
Il parametro della sorpresa
Uno degli aspetti più rivoluzionari di Titans è l’introduzione del concetto di sorpresa, che non solo gli consente di identificare informazioni nuove o inattese, ma anche di ricordarle nel loro contesto specifico.
Questo concetto, tecnicamente identificato anche con il termine tecnico “anomalia” o “novelty detection” per riferirsi al processo di identificazione di dati o pattern nuovi o sconosciuti all’interno di un dataset, si va aggiungere ai parametri classici usati dagli algoritmi di AI detti “temperatura” e “peso”, arricchendo in questo modo le capacità del modello nell’elaborazione delle informazioni.
Questo meccanismo, rivoluzionario, opera su due livelli: la sorpresa “momentanea” e la sorpresa “passata”.
La prima si attiva quando Titans si trova davanti a un’informazione inaspettata durante un’interazione o un’attività in corso. Ad esempio, se incontra una cosiddetta anomalia o un dato imprevisto in una conversazione, il sistema li registra come rilevanti e li collega immediatamente al contesto presente per adattare la risposta in tempo reale.
La seconda, invece, interviene per rielaborare e aggiornare il proprio bagaglio di conoscenze a lungo termine. Questo avviene quando un’informazione pregressa si ripresenta e viene rivalutata alla luce di nuovi “sorprendenti” dati acquisiti. Aggiungendola in modo profondo nel bagaglio complessivo delle sue conoscenze per una futura elaborazione.
Questo approccio consente al modello di apprendere non solo dalle novità immediate, ma anche di reinterpretare il passato alla luce del presente, una caratteristica che lo avvicina ulteriormente al comportamento umano.
Dal punto di vista architetturale, l’algoritmo di Google introduce anche un sistema detto di “memory streaming”, che riduce drasticamente il consumo di risorse computazionali.
Questo consente di elaborare dati in tempo reale senza la necessità di caricare interi dataset in memoria, rendendo il nuovo modello più efficiente e sostenibile rispetto ai tradizionali LLM, che richiedono enormi capacità computazionali per operare. La differenza si può misurare nell’ordine di almeno tre “zeri”.
L’AGI è già qui?
Queste caratteristiche – apprendimento continuo, memoria selettiva e gestione contestuale delle informazioni – portano l’utente che utilizza questi modelli a rafforzare la sua percezione di trovarsi di fronte a sistemi senzienti, anche se questa rimane, almeno per ora, un’illusione.
I passi per arrivare alla cosiddetta intelligenza “generale” sono ancora tanti, anche se i tempi di attesa sembrano accorciarsi.
Google, per esempio, con questa tecnologia non sta solo migliorando l’efficienza dell’AI, ma sta avvicinando il mondo a una nuova era in cui l’intelligenza artificiale si integrerà in modo ancora più profondo e naturale nella nostra quotidianità.
Questo è solo un passo, ma significativo, che dimostra che la tendenza è quella di andare verso una chiara imitazione dei meccanismi che governano il cervello umano.
Ne vedremo delle belle.
