La prossima frontiera dell’intelligenza artificiale starà nella capacità di “interagire con il mondo in tempo reale”. Si può riassumere così l’insieme di radicali e rivoluzionarie ambizioni che caratterizzano DVPS (Diversibus Viis Plurima Solvo, in latino: “Attraverso percorsi diversi, risolvo molteplici problemi”), il progetto italo-europeo di sviluppo AI che ha recentemente raccolto 29 milioni di euro di finanziamenti.
Le origini e le ambizioni del progetto
Alla base del progetto, che ha attirato 70 fra i migliori scienziati del continente del campo dell’AI, c’è infatti l’azienda italiana Translated, fondata nel 1999 da Marco Trombetti e Isabelle Andrieu e che si occupa principalmente di servizi di traduzione professionali supportati da AI. Translated coordina un consorzio di 20 organismi provenienti da 9 paesi europei che ha come obiettivo primario quello di sviluppare una nuova generazione di sistemi di AI in grado di cambiare il paradigma fondamentale dei modelli attuali rendendolo più interattivo.
Il progetto racchiude nella sua visione una buona parte delle ambizioni europee riservate al settore dell’intelligenza artificiale, ovvero l’idea di dar vita ad una nuova AI locale e sovrana in grado allo stesso tempo di rilanciare il ruolo e la leadership dell’Unione nel settore. Un insieme di buone intenzioni pienamente riconosciute dalle istituzioni comunitarie che hanno infatti finanziato l’intera somma iniziale di denaro raccolto da DVPS attraverso il programma Horizon Europe.
I piani di sviluppo e le caratteristiche del progetto
La rivoluzione che Translated vuole imprimere al mondo dell’AI passa in primo luogo dalla creazione di modelli fondazionali multimodali. Un modello fondazionale di AI è un prototipo di grandi dimensioni che, dopo essere stato addestrato su enormi quantità di dati generici, può essere utilizzato e adattato a molteplici scopi.
Questi modelli devono poi essere sviluppati attraverso un’interazione con il mondo reale ricevendo diversi input (linguistici, visivi e spaziali) grazie ai molteplici sensori a disposizione per il suo sviluppo. L’obiettivo finale è quello di raggiungere un modello che sia dotato di una maggiore conoscenza empirica e di una più ampia consapevolezza grazie all’esperienza di addestramento diretta svolta dallo stesso.
Per superare gli attuali limiti dei LLM, secondo Marco Trombetti è necessario indurre la macchina a “pensare in parallelo come fa il nostro cervello” con varie aree che collaborano nel processare dati particolarmente diversi fra loro. La nuova macchina deve quindi abbandonare la tradizionale prassi di addestramento, basato sull’apprendimento di informazioni e dati passati, e giungere alla realizzazione del “learning by doing” che mette al centro l’esperienza diretta ed in tempo reale del modello AI.
Una volta concretizzabili i modelli fondazionali, DVPS ambisce ad approfondire le competenze dei modelli in tre settori specifici e ben definiti: quello linguistico (con traduzione simultanea che comprende testo, parlato, gesti e contesto fisico), quello medico (sviluppando sistemi per la diagnosi precoce dei rischi cardiovascolari tramite un gemello digitale 3D del cuore) e quello ambientale (con particolare riferimento geo intelligence, che consiste nell’acquisire, elaborare e analizzare dati con una componente geospaziale, inclusi dati satellitari, da droni, sensori sul campo, database e social media).
A causa della dipendenza hardware delle big tech americane, l'Europa rischia di non spiccare mai il volo
A lanciare l’allarme è un report dell'organizzazione no-profit olandese SOMO
