Samsung rivoluziona tutto: una rete neurale piccolissima batte i giganti e rischia di cambiare per sempre il mercato dell’AI
Negli ultimi anni si è parlato tanto di intelligenza artificiale (AI) e delle sue incredibili capacità: tradurre lingue, scrivere testi, battere campioni agli scacchi.
Ma quello di cui si parla di meno è il costo spaventoso dietro le quinte: giganti come Google o OpenAI spendono miliardi per addestrare reti neurali formate da “milioni o addirittura miliardi di neuroni artificiali” (i cosiddetti “parametri”, che sono proprio come i collegamenti tra le cellule cerebrali umane).
La ricetta sembrava semplice: più grande il cervello elettronico, più intelligenza ottieni.
Ma la svolta che arriva dalla ricerca di Samsung potrebbe rovesciare completamente questa logica. E potrebbe essere proprio questo a far scoppiare la “bolla finanziaria” che in questi anni ha gonfiato il mercato dell’AI: chi vince può essere anche il più piccolo, non il più ricco o grosso.
TRM: il piccolo genio che cambia le regole
La Tiny Recursive Model (TRM), frutto del lavoro di Samsung, è una rete neurale con appena 7 milioni di neuroni artificiali — una quantità minuscola se paragonata ai 671 miliardi dei maggiori concorrenti — eppure nelle gare di “ragionamento” (ARC-AGI) batte quasi tutti i colossi.
Come funziona TRM?
Immagina che il Tiny Recursive Model ragioni un po’ come uno studente alle prese con un compito complicato. Quando riceve una domanda difficile, non si mette a scrivere la risposta parola per parola come fanno di solito gli altri modelli di intelligenza artificiale. Lui preferisce fare un lavoro diverso: prima butta giù rapidamente un’intera bozza della soluzione, proprio come chi scrive di getto un tema senza pensarci troppo.
A questo punto, entra in scena il suo “scratchpad”, cioè una sorta di blocco degli appunti segreto dove può annotare idee, pensieri, controllare se qualcosa non torna, verificare pezzi della bozza e vedere dove ha commesso errori. Nessuno vede questo processo, ed è proprio qui che il modello può sbagliare senza paura e autorevisionarsi in libertà.
Finita la prima bozza, il TRM la sottopone a diversi cicli di autocorrezione. È come se rileggesse il proprio compito sei volte di seguito, cercando tutti i punti deboli e segnandoli direttamente nel suo blocco degli appunti. Si fa domande, annota idee alternative e cerca di migliorare ciò che ha scritto in precedenza.
Una volta fatte tutte queste verifiche interne, il modello riprende in mano la bozza e la riscrive, sistemando le parti che non funzionavano e migliorando la soluzione finale. Questa revisione non è una semplice rilettura, ma una vera e propria riscrittura basata sui ragionamenti fatti nel suo scratchpad.
E il bello è che tutto questo processo può essere ripetuto fino a sedici volte! In ogni giro, il TRM affina ancora di più la sua risposta, correggendo piccoli difetti come uno scultore che rifinisce la sua opera col tempo. Così, da una prima idea grossolana, arriva a una soluzione sempre più precisa ed efficace.
Perché tutto ciò è rivoluzionario?
Nelle famose gare ARC-AGI, dedicate a mettere alla prova l’intelligenza logica e la capacità di ragionamento sui problemi (non solo la memoria o la “pappagallosità”), TRM raggiunge il 44,6% di risposte giuste sul benchmark principale, mentre giganti come Deepseek R1 (più di 95 volte più grande!) si fermano al 15,8%.
E tutto ciò usando meno dello 0,01% delle risorse dei mega-modelli.
La bolla dell’AI: che cosa significa?
Negli ultimi tempi, si è creata una vera “bolla finanziaria” intorno all’intelligenza artificiale. Una “bolla” è quando tutto il mercato di un settore si concentra troppo su una certa idea (in questo caso, che “basta avere reti enormi per essere intelligenti e vincere”), e tutti investono cifre enormi sperando di avere sempre più vantaggio competitivo. Le aziende costruiscono server farm gigantesche, spendono per GPU avanzatissime, e cresce la corsa alle dimensioni.
Se però modelli minuscoli, ben progettati e più furbi possono ottenere gli stessi risultati (o meglio!), l’intera logica dei mega-investimenti rischia di crollare.
Chi ha speso miliardi in hardware e giga-neuroni si ritroverebbe con infrastrutture sovradimensionate e costi insostenibili, mentre chi saprà progettare modelli piccoli, efficienti e intelligenti potrà “correre leggero” e sorpassare tutti.
Le vere conseguenze: ricerca, robotica, aziende
La nuova generazione di intelligenza artificiale “miniaturizzata” cambierà in profondità non solo la ricerca, ma anche la robotica e il mondo delle aziende.
Da un lato, questa rivoluzione renderà la ricerca nel campo dell’AI molto più accessibile: non serviranno più budget milionari o supercomputer. Anche università, startup e piccoli gruppi potranno creare intelligenze avanzate addirittura usando normali computer portatili.
Per la robotica, il cambiamento sarà ancora più visibile: ora sarà possibile mettere una vera “mente” perfino nei robot più piccoli, nei droni e nei dispositivi smart domestici. Questi potranno ragionare da soli, senza doversi appoggiare costantemente alle infrastrutture cloud (che sono costose e necessitano di connessione internet continua). Si avrà così una “robotica diffusa”: piccoli oggetti e robot potranno davvero pensare con la propria testa.
Il mercato delle aziende sarà probabilmente sconvolto: chi ha sempre puntato tutto sulla potenza di calcolo e sui grandi server rischia di essere superato da chi saprà progettare soluzioni intelligenti, veloci e soprattutto molto più sostenibili in termini di consumo energetico. I nuovi modelli piccoli consumano meno elettricità, generano meno calore e quindi inquinano di meno—ma, cosa ancora più importante, permettono ai dispositivi mobile e ai robot autonomi di durare molto più a lungo senza ricarica.
Infine, questa trasformazione segnerà anche la fine dell’illusione che “più grande è sempre meglio”. Il futuro dell’AI sembra spostarsi su architetture intelligenti e flessibili, chiamate “neuro-simboliche”, che non si limitano a calcolare milioni di numeri ma imparano a ragionare e a correggersi da sole, proprio come farebbe una persona di buon senso.
Futuro
Potremmo essere alla vigilia di un cambio storico: l’era dei giganti potrebbe cedere il passo a quella dei modelli furbi e miniaturizzati. Se questa strada sarà confermata, il mercato dell’AI potrebbe essere “scosso” come quello delle dot-com, e per la prima volta dopo anni potremo dire: “meglio piccolo e intelligente, che gigante e sprecone”.
Rispondi