I laboratori di frontiera sono ossessionati. Stanno correndo verso modelli di auto-miglioramento, convinti che sia l’unico modo per arrivarci. La logica è circolare ma seducente: l’intelligenza artificiale migliora l’intelligenza artificiale. E’ una spirale. Ci supera in astuzia. Potrebbe addirittura intrappolarci.
Sembra fantastico per una distopia. Inutile per una newsletter.
Avevo bisogno di tirare fuori le parole. Veloce. Allora mi sono posto una domanda pratica. Posso utilizzare l’auto-miglioramento ricorsivo per automatizzare il mio lavoro? Non per un’intelligenza divina. Solo per lavoro duro.
Ho passato una settimana a testarlo.
La risposta è sì. Sorprendentemente, sì.
Ancora più importante, suggerisce un percorso diverso. Uno che non faccia affidamento su cinque società proprietarie del cielo.
Iniziare in piccolo (e rompere le cose)
Ho iniziato addestrando da zero un piccolo modello linguistico. Per “formazione” intendo che ho affidato tutto il pensiero a Claude.
Ho usato la ricerca automatica. Il progetto preferito di Andrej Karpathy. Lo conosci. Fondatore di OpenAI, responsabile dell’intelligenza artificiale di Tesla, ora presso Anthropic. Questo strumento aiuta le IA standard a creare versioni migliori e più piccole di se stesse.
Ho digitato il comando. “Ciao, guarda program.md, diamo il via a un nuovo esperimento.”
Poi ho fornito il resto. Hardware (un supercomputer desktop Nvidia DGX). Elettricità (calda, tutta la notte). E una volontà sconsiderata di lasciare che il codice si scateni, aggirando i controlli di sicurezza standard.
Lascialo cucinare.
Ogni poche ore sbirciavo dentro. Claude stava regolando i parametri. Modificare i regimi di allenamento. Osservando come ha risposto il modello più piccolo. Quindi ritoccare di nuovo. È stato un giro. Autonomo. Inflessibile.
Ho testato i primi risultati. Suggerimento: “All’inizio…”
Risultato: “All’inizio dell’inizio del e fine della fine fine della fine inizio…”
Sciocchezze. Rumore ripetitivo.
Ma dopo? Mentre Claude continuava a perfezionare il processo, le incomprensioni si calmarono. Le frasi avevano un senso. Ancora non GPT-5. Ma la traiettoria era chiara. Il modello stava migliorando facendo il lavoro per migliorare.
Qualcosa di utile (davvero utile)
Addestrare un modello giocattolo è stato divertente. Ma scrivo di documenti sull’intelligenza artificiale. Ne ho pile.
Avevo bisogno di un curatore.
Sono passato a Prime Intellect. Una startup che mira a democratizzare la formazione dei modelli. Il loro discorso è semplice. Costruisci modelli personalizzati per attività specifiche. Non giganti generali. Strumenti affilati.
Ho dato loro 100 voci dalla mia sezione “Altrove sulla frontiera”. Bit e bob. Punti salienti della ricerca. Poi ho chiesto a Claude di aiutarmi a costruire un modello chiamato Frontier_Paper_Curator. Il suo lavoro? Trova e riassumi documenti interessanti.
Ecco dove le cose sono diventate complesse. Claude trovò altri documenti. Ha generato dati sintetici. Quindi ha utilizzato un altro modello per criticare il proprio lavoro. L’apprendimento per rinforzo ha avuto inizio. L’ambiente stesso è diventato l’insegnante.
Vincent Weisser gestisce Prime Intellect. La sua azienda ha appena raccolto 15 milioni di dollari. Odia la narrativa della centralizzazione.
“Non vogliamo un’intelligenza divina. Vogliamo un miliardo di intelligenze.”
Crede nelle nicchie. Strumenti specializzati costruiti da tutti, non solo dai laboratori. Se ogni azienda dovesse dotarsi di un’infrastruttura di frontiera, la creatività collettiva del mercato batterebbe pochi monopolisti. Sostiene che l’intelligenza artificiale centralizzata è un collo di bottiglia. Decentralizzato è bello.
Altre startup sono d’accordo. Adaption vende uno strumento chiamato AutoScientist. Il CEO Sara Hooker osserva che le grandi aziende stanno bruciando contanti sui token. Mancano esperti interni. Hanno bisogno di un’automazione che funzioni davvero.
Poi c’è il fattore di rischio. Quando Anthropic ha bloccato alcune richieste per Claude, ha evidenziato la fragilità della dipendenza. Alex Karp della Palantir mette in guardia a riguardo. Utilizzare i laboratori di frontiera significa rinunciare ai dati. Significa perdere il controllo.
Volevo il controllo. O almeno, leva finanziaria.
Ho trascorso meno di un giorno con Prime Intellect. Il risultato è stato un agente curatoriale funzionale.
Ha prodotto questo riepilogo per iFLYTEK:
I ricercatori di iFLYTEK hanno sviluppato iFLYTEK-Embody-Ai, un modello multimodale che unisce visione, linguaggio e azione. I vecchi metodi separavano questi compiti. Questo modello condivide l’attenzione tra loro. Come un cervello e un cervelletto che parlano direttamente. Riduce le cascate di errori. Si allena su diversi dati video. Il risultato è un agente capace di ragionare e controllare contemporaneamente. Un nuovo paradigma architettonico per la robotica.
È perfetto? No.
È troppo impaziente. Seleziona i documenti che salterei. I riassunti sono leggermente generici.
Ma funziona.
Mi ha liberato da alcune fatiche. Non è diventato un dio. È diventato uno strumento.
E forse questo è il risultato migliore. Non stiamo costruendo dei. Stiamo costruendo bozze migliori.
Chissà cosa succederà quando si affineranno nuovamente.
