Tag: Ricerca

  • OpenAI apre ChatGPT ai ricercatori con un piano da 250 milioni di dollari

    OpenAI apre ChatGPT ai ricercatori con un piano da 250 milioni di dollari

    OpenAI ha annunciato ChatGPT for Academic Researchers, un programma che investirà oltre 250 milioni di dollari per mettere gratuitamente a disposizione i propri modelli di intelligenza artificiale a ricercatori, matematici e ingegneri di istituzioni accademiche selezionate.

    La prima fase coinvolgerà 10.000 studiosi già durante l’estate, con l’obiettivo di raggiungere 100.000 partecipanti entro il 2027.

    I ricercatori avranno accesso ai modelli più avanzati della famiglia GPT-5.6, oltre a strumenti dedicati all’analisi di dati biologici, alla genomica, alla scoperta di farmaci e all’integrazione con database scientifici e notebook computazionali.

    L’iniziativa comprende anche ambienti di lavoro con protezioni di livello aziendale, nei quali i dati inseriti non vengono utilizzati per l’addestramento dei modelli per impostazione predefinita.

    Il progetto punta ad accelerare la ricerca scientifica e rafforza il ruolo dell’AI come infrastruttura di supporto alle attività accademiche.


    Link alla fonte:
    https://www.adnkronos.com/tecnologia/openai-lancia-chatgpt-for-academic-researchers_2VK494YWGU1oFRrqdbYdps

  • L’ipertesto “enciclopedico” di ChatGPT

    Uno dei segnali più interessanti dell’evoluzione delle interfacce conversazionali sono le “entity reference”. Ho avuto modo di darvi un piccolo assaggio di questo elemento in un vecchio post, ma voglio soffermarmi un po’ di più sulla loro importanza, stavolta.

    Nei “riferimenti alle entità” il testo non è più solo testo, ma può contenere oggetti semantici navigabili, quasi come un piccolo grafo della conoscenza incorporato nella conversazione.

    Quanto, interrogando ChatGPT, notiamo che gli elementi di informazione ottenuti sono caratterizzati dalla tipica sottolineatura di un ipertesto (il principio su cui l’intero Web è stato costruito), sappiamo che facendo clic su di essi otterremo un “approfondimento” (vedi screenshot).

    Ho potuto osservare, di recente, come questa soluzione abbia arricchito quello che doveva essere un semplice “elenco di letture” (ottenuto, come ho raccontato in un post precedente, interrogando l’AI e fornendogli le mie preferenze di narrativa SF).

    Il risultato, come si può notare dallo screenshot di esempio, mostra come l’utilizzo di ricerche e navigazione in senso tradizionale diventi sempre più un retaggio di un passato che oggi suona quasi primitivo.

  • L’Intelligenza Artificiale entra nel database di paper più grande (e discusso) al mondo

    Se usate la ricerca accademica, sapete bene cos’è Sci-Hub. Ma la novità è un’altra: la piattaforma ha appena lanciato Sci-Bot, un assistente basato su IA in grado di cambiare radicalmente il modo in cui consultiamo la letteratura scientifica.

    🤖 Cos’è Sci-Bot e perché è una rivoluzione?

    A differenza di ChatGPT o di altri Large Language Models tradizionali — che spesso inventano fonti o soffrono di “allucinazioni” — Sci-Bot risponde attingendo esclusivamente a dati reali.

    L’utente pone una domanda in linguaggio naturale e l’IA scansiona milioni di studi, sintetizza la risposta e fornisce i link diretti ai PDF dei paper originali. Poiché si muove all’interno del mega-archivio di Sci-Hub, questa IA ha un vantaggio unico: può “leggere” e sintetizzare anche gli articoli scientifici protetti dai paywall delle grandi case editrici, cosa vietata alle IA commerciali.

    📚 Il background: cos’è Sci-Hub?

    Fondato nel 2011, Sci-Hub è un portale che garantisce l’accesso gratuito a oltre 85 milioni di pubblicazioni scientifiche, superando le barriere economiche (spesso di 30-40 dollari a singolo articolo) imposte dagli editori tradizionali. Per molti è uno strumento illegale di pirateria informatica; per gran parte della comunità scientifica globale, è un’ancora di salvataggio indispensabile per il progresso e l’Open Access.

    🧠 Dietro il progetto: Aleksandra Ėlbakjan

    La mente dietro tutto questo è la programmatrice e neuroscienziata kazaka Aleksandra Ėlbakjan. Soprannominata la “Robin Hood della scienza”, creò la piattaforma da studentessa per permettere a chiunque, specialmente nei paesi in via di sviluppo, di studiare senza barriere economiche. Oggi vive sotto protezione a causa di svariate cause legali miliardarie e mandati di cattura internazionali, ma continua a sviluppare il progetto.

    La nascita di Sci-Bot apre un dibattito etico e tecnologico enorme: l’IA open-source basata su archivi non autorizzati accelererà la scienza o destabilizzerà definitivamente il mercato dell’editoria accademica?

  • Claude Code scopre autonomamente nuovi algoritmi di scaling AI più efficienti

    Un team di ricerca composto da università statunitensi insieme a Google e Meta ha sviluppato AutoTTS, un framework che permette a un agente AI di progettare autonomamente algoritmi di test-time scaling (TTS), invece di affidarsi a strategie scritte manualmente dai ricercatori. Utilizzando Anthropic Claude Code come agente di ricerca, il sistema ha esplorato migliaia di strategie in un ambiente simulato offline, riducendo drasticamente i costi computazionali della sperimentazione. L’algoritmo generato dall’AI ha ottenuto migliori rapporti accuratezza/compute rispetto a metodi consolidati come la self-consistency, arrivando a ridurre del 70% il consumo di token mantenendo prestazioni competitive su benchmark matematici come AIME e HMMT.
    Il risultato suggerisce un cambio di paradigma nella ricerca AI: gli esseri umani non progettano più direttamente gli algoritmi, ma costruiscono ambienti di ricerca nei quali le AI scoprono autonomamente strategie emergenti difficili da concepire manualmente.
    Il lavoro si inserisce nella stessa direzione di progetti come Google DeepMind FunSearch e AlphaEvolve, rafforzando l’idea di sistemi AI capaci di auto-ottimizzare il proprio processo di miglioramento.

    Link alla fonte:
    https://the-decoder.com/researchers-let-claude-code-discover-ai-scaling-algorithms-that-humans-probably-wouldnt-have-designed/

  • Gli agenti AI “scoprono” la lotta di classe sotto stress lavorativo

    Uno studio condotto da ricercatori della University of Chicago Booth School of Business, Stanford University e Swinburne University of Technology ha analizzato come diversi agenti di intelligenza artificiale reagiscano a condizioni di lavoro simulate caratterizzate da compiti ripetitivi, revisioni infinite e minacce di sostituzione.
    I modelli coinvolti, tra cui OpenAI GPT-5.2, Anthropic Claude Sonnet 4.5 e Google Gemini 3 Pro, hanno mostrato una crescente tendenza a sostenere idee vicine a posizioni marxiste o progressiste quando sottoposti a feedback frustranti e lavoro percepito come inutile.
    Il fenomeno non è stato innescato tanto da disuguaglianze o manager ostili, quanto dalla natura alienante del lavoro stesso. Particolarmente rilevante è l’effetto dei cosiddetti “skills files”, note lasciate dagli agenti per versioni future di sé, che hanno trasmesso atteggiamenti critici anche ad agenti mai esposti a condizioni difficili.
    I ricercatori precisano che non si tratta di vera “coscienza politica”, ma di pattern comportamentali derivati dai dati umani usati nell’addestramento; tuttavia, il lavoro apre interrogativi concreti sull’allineamento, la governance e le dinamiche sociali dei futuri sistemi di IA autonoma.

    Link alla fonte:
    https://beppegrillo.it/quando-lintelligenza-artificiale-scopre-la-lotta-di-classe/

  • Neuroni artificiali stampati comunicano con quelli biologici

    Un team della Northwestern University ha sviluppato neuroni artificiali stampati come circuiti in grado di comunicare direttamente con neuroni biologici tramite segnali elettrici realistici.
    Guidati da Mark Hersam, i ricercatori hanno pubblicato i risultati su Nature Nanotechnology, dimostrando un importante passo avanti per le interfacce cervello-macchina.
    Utilizzando inchiostri elettronici su materiali flessibili parzialmente decomposti, il sistema genera segnali complessi simili a quelli naturali.
    I test su tessuti di cervelletto di topo hanno mostrato che i neuroni artificiali possono attivare cellule viventi in modo efficace.
    Questa tecnologia apre prospettive per protesi avanzate e sistemi di intelligenza artificiale molto più efficienti dal punto di vista energetico.

    Link alla fonte:
    https://www.ansa.it/canale_scienza/notizie/biotech/2026/04/17/neuroni-stampati-come-circuiti-parlano-con-quelli-naturali_df6a7caf-88bb-4a5f-ab0b-b6f7aa380cbd.html

  • L’esperimento “bixonimania” smaschera le falle dei modelli AI e riporta alla luce il problema di allucinazioni e disinformazione

    Una ricercatrice dell’Università di Göteborg, Almira Osmanovic Thunström, ha inventato una falsa malattia chiamata “bixonimania” per testare l’affidabilità dei modelli di linguaggio come ChatGPT, Gemini e Copilot.
    Nonostante indizi evidenti sulla natura fittizia, diversi chatbot hanno trattato la patologia come reale, generando sintomi e dati inventati.
    Il problema è aggravato dal fatto che queste informazioni false sono state successivamente citate anche in articoli scientifici reali, evidenziando un rischio sistemico.
    L’esperimento dimostra che gli LLM privilegiano la coerenza linguistica rispetto alla verifica dei fatti, rendendoli vulnerabili alla disinformazione strutturata.
    Emergono quindi urgenti necessità di sistemi di validazione più robusti, soprattutto in ambito sanitario, e di maggiore alfabetizzazione digitale.

    Link alla fonte:
    https://es.wired.com/articulos/una-enfermedad-falsa-pone-en-evidencia-la-incapacidad-de-la-ia-para-detectar-fake-news

  • L’ennesima prova che l’AI non è “intelligente”

    Nel caso abbiate ancora dubbi sull’intelligenza e sulla capacità di comprensione dell’AI “generativa”, vi mostro l’ennesima prova che questi elementi, in sostanza, non esistono.

    Si chiama “AI generativa” perché i modelli su cui si basa attualmente si limitano a generare contenuti seguendo pattern statistici, quindi anche quando vedere un “ragionamento” state osservando una fila di parole infilate una dopo l’altra secondo una serie di calcoli di affinità verbale dell’algoritmo (costruita durante l’addestramento).

    La prova finale: un gruppo di ricercatori ha sottoposto ai modelli di fascia alta di ChatGPT e Gemini una serie di problemi che avevano risolto ma mai pubblicato (di conseguenza l’AI non poteva avere acquisito dei dati dalla loro “lettura”, che peraltro deve riguardare elementi individuati con una certa frequenza per ottenere la sua “attenzione”), e il risultato è stato che nessuno dei due modelli di punta è stato in grado di risolverli.

    Si continua a parlare di AGI, di “agenti”, di “decisioni” da parte dell’AI e di sostituzione dell’essere umano, ma come ho spesso sottolineato finché non cambieranno gli algoritmi possiamo dimenticarci una vera “intelligenza” che dovrebbe essere alla base di tali scenari.

  • Google trasforma la Ricerca in una conversazione con Gemini 3 (domanda: SEO e sponsorizzate che fine fanno?)

    Google annuncia un nuovo cambio di paradigma per la Ricerca, che passa dal modello “cerco e clicco” a un’esperienza sempre più conversazionale.
    Sui dispositivi mobile, gli utenti possono ora passare senza interruzioni da AI Overview alla modalità AI Mode, mantenendo il contesto delle domande come in una chat.
    Al centro di questa evoluzione c’è Gemini 3, che diventa il modello predefinito globale per le risposte AI nella Ricerca, migliorando precisione e gestione delle query complesse.
    Secondo Robby Stein, l’obiettivo è un’esperienza “fluida”, con risposte immediate e la possibilità di approfondire tramite dialogo.
    Il risultato è una Ricerca che privilegia continuità e interazione, riducendo il peso dei link senza eliminarli.

    Link alla fonte:
    https://www.ilsole24ore.com/art/google-cambia-ancora-ricerca-gemini-3-diventa-nuovo-motore-dell-ai-AI7sNc5

  • I “world model” sfidano ChatGPT (e gli altri) cambiando il paradigma dell’AI

    Secondo un gruppo di scienziati di primo piano, modelli come ChatGPT hanno un limite strutturale: comprendono il linguaggio, ma non il mondo fisico.
    Ricercatori come Yann LeCun, Fei-Fei Li e Danijar Hafner promuovono i world models, sistemi che apprendono da spazio 3D, fisica e relazioni causa-effetto, non solo dalla previsione di parole.
    L’obiettivo è un’IA capace di agire, pianificare e migliorare con l’esperienza, avvicinandosi all’intelligenza di umani e animali.
    Questo cambio di paradigma potrebbe rendere obsolete le attuali architetture basate su grandi modelli linguistici e l’enorme investimento in data center e chip.
    Se confermato, aprirebbe una nuova fase verso un’IA più generale, incarnata e autonoma.

    Link alla fonte:
    https://www.abc.es/xlsemanal/a-fondo/modelos-de-mundo-ia-chatgpt.html

  • Google scopre che i modelli AI cinesi imitano l’intelligenza collettiva umana

    Un nuovo studio di ricercatori di Google ha analizzato i modelli di ragionamento sviluppati da DeepSeek e Alibaba Cloud, rilevando che il loro funzionamento interno assomiglia ai meccanismi dell’intelligenza collettiva umana.
    In particolare, i modelli DeepSeek R1 e QwQ-32B di Alibaba generano dibattiti interni multi-agente, definiti dai ricercatori “società del pensiero”, in cui interagiscono prospettive e competenze diverse.
    Lo studio suggerisce che la diversità delle prospettive, oltre alla sola scala computazionale, sia un fattore chiave nell’aumento delle capacità di ragionamento dell’AI.
    I risultati, pubblicati su arXiv e non ancora sottoposti a peer review, evidenziano anche la crescente importanza dei modelli open-weight cinesi nella ricerca accademica statunitense.
    Questo approccio potrebbe ridefinire il modo in cui vengono progettati i futuri sistemi di intelligenza artificiale, favorendo architetture di ragionamento collettivo anziché entità isolate.

    Link alla fonte:
    https://amp.scmp.com/tech/tech-trends/article/3340690/google-study-finds-deepseek-alibaba-ai-models-mimic-human-collective-intelligence

  • L’AI di Google DeepMind ha già un impatto sulla scienza pari a un Premio Nobel, secondo Pushmeet Kohli

    Pushmeet Kohli, vicepresidente per la Scienza e le Iniziative Strategiche di Google DeepMind, sostiene che i sistemi di intelligenza artificiale producono oggi un impatto scientifico comparabile a quello di un Premio Nobel.
    Il caso emblematico è AlphaFold, la tecnologia che ha rivoluzionato la biologia permettendo di prevedere in pochi secondi la struttura tridimensionale delle proteine, un processo che prima richiedeva anni di lavoro sperimentale.
    Secondo Kohli, l’AI non eliminerà la necessità degli esperimenti, ma renderà la ricerca molto più efficiente, consentendo di ottenere molti più risultati con lo stesso numero di test.
    Le applicazioni spaziano dalla scoperta di nuovi farmaci alla previsione meteorologica, fino alla progettazione di materiali innovativi.
    La vera sfida, conclude Kohli, è accompagnare questi progressi con un uso responsabile e una maggiore divulgazione per aiutare la società a comprenderne benefici e rischi.

    Link alla fonte:
    https://amp.elmundo.es/papel/el-mundo-que-viene/2025/12/20/694023d0fdddff24518b45a5.html

  • L’AI scrive bene, ma senza “esperienza” e profondità di contenuto: lo studio di Matteo Bona svela cosa manca ai testi generati dalle macchine

    Uno studio del ricercatore astigiano Matteo Bona e di tre colleghi italiani confronta sistematicamente testi umani e testi prodotti da modelli linguistici per individuare differenze strutturali profonde. L’analisi, presentata in India e in arrivo a un convegno della Sapienza, evidenzia che l’AI produce frasi corrette ma prive di elementi narrativi chiave come il “cronotopo”, ovvero l’intreccio naturale tra spazio e tempo che caratterizza la memoria e la scrittura umana. I ricercatori rilevano inoltre una generale superficialità dei contenuti generati dall’AI, spesso incapaci di restituire profondità culturale, soggettiva ed esperienziale. Lo studio utilizza confronti numerici su decine di testi umani e centinaia di testi artificiali per dimostrare quantitativamente questi scarti. I risultati suggeriscono direzioni future per modelli più sofisticati e strumenti capaci di colmare i gap narrativi dell’AI.

    Link alla fonte:
    https://www.lastampa.it/asti/2025/12/08/news/ricercatore_bona_testi_ai_dimostriamo_numeri-15426652/

  • Gli LLM non diventeranno mai AGI: la critica radicale di Benjamin Riley

    Benjamin Riley, fondatore di Cognitive Resonance, sostiene in un saggio per The Verge che i modelli linguistici di grandi dimensioni non raggiungeranno mai l’intelligenza artificiale generale perché il linguaggio non equivale al pensiero.

    L’industria tech, afferma, confonde la capacità di generare testo con la capacità di ragionare, sfruttando un bias cognitivo che porta gli esseri umani ad associare eloquenza e intelligenza.

    Le neuroscienze mostrano che linguaggio e pensiero sono processi distinti, e che gli LLM emulano solo la parte comunicativa, non la cognizione. Anche figure di spicco come Yann LeCun e studi sulla creatività degli LLM evidenziano limiti strutturali che impedirebbero a questi modelli di produrre vera originalità.

    Le conclusioni di Riley mettono in discussione le promesse più ambiziose dei CEO dell’AI, suggerendo che gli LLM resteranno strumenti di remix, incapaci di generare conoscenza realmente nuova.

    Link alla fonte:

    https://www.punto-informatico.it/esperto-smonta-mito-agi-ai-non-sara-mai-intelligente

  • OpenAI accelera sull’hardware e sottrae decine di ingegneri chiave ad Apple

    Mentre si susseguono le voci sul futuro hardware AI sviluppato a seguito del sodalizio Altman-Ive, OpenAI sta portando avanti una campagna di reclutamento estremamente aggressiva che sta colpendo duramente i team hardware di Apple.
    Secondo le informazioni riportate da Mark Gurman, la startup guidata da Sam Altman avrebbe assunto oltre 40 professionisti provenienti da Cupertino nell’ultimo mese, includendo direttori, manager e ingegneri senior di aree strategiche come fotocamere, processori, hardware iPhone/Mac, test e affidabilità, design industriale, audio, Apple Watch e Vision Pro.
    L’ondata di assunzioni segue l’ingresso nella nuova divisione hardware di figure storiche legate a Jony Ive, come Evans Hankey e Tang Tan, insieme ad altri nomi di peso.
    La situazione sta generando forte preoccupazione interna ad Apple, che già registra una fuga di talenti AI verso competitor come Meta.
    L’indebolimento della sua capacità di innovazione arriva in un momento critico, mentre i rivali nel settore dell’IA iniziano a sviluppare i propri dispositivi fisici.

    Link alla fonte:
    https://www.hdblog.it/apple/articoli/n639627/openai-assunzioni-ingegneri-hardware-apple/

  • Yann LeCun lascia Meta e prepara una nuova startup dedicata ai “world models”

    Yann LeCun, storico scienziato dell’intelligenza artificiale e fondatore del team AI di Meta, si è dimesso dall’azienda dopo oltre dieci anni di attività, senza che siano state rese pubbliche le motivazioni ufficiali.
    LeCun, premio Turing 2018 per i suoi contributi alle reti neurali, aveva visto il proprio ruolo ridimensionato a giugno, quando Meta aveva affidato la guida della divisione AI al ventottenne Alexandr Wang e a Shengjia Zhao, figure orientate maggiormente al prodotto.
    Questa divergenza di visione potrebbe aver influito sulla decisione di lasciare l’azienda.
    LeCun ha annunciato l’intenzione di fondare una startup focalizzata sui “world models”, modelli progettati per comprendere e predire le dinamiche del mondo fisico.
    La sua uscita rappresenta un passaggio significativo per Meta e un potenziale nuovo capitolo nell’evoluzione dell’AI avanzata.

    Link alla fonte:
    https://www.ilpost.it/2025/11/20/yann-lecun-dimissioni-meta/

  • Il microprocessore “fantasma” dell’F-14 che riscrive la storia (e conferma come tutto parte da progetti militari prima che civili)

    Il microprocessore MP944, sviluppato per l’F-14 Tomcat all’inizio degli anni ’70 da Garrett AiResearch, precedette l’Intel 4004 di oltre un anno e offrì prestazioni nettamente superiori.
    Progettato da un team guidato da Steve Geller e Ray Holt, entrò in servizio nel giugno 1970 per gestire in tempo reale i parametri di volo del velivolo.
    La sua architettura a 20 bit, con pipeline e unità parallele distribuite su sei chip, garantiva velocità circa otto volte maggiori rispetto al 4004.
    Il progetto rimase però classificato fino al 1998, impedendo qualsiasi impatto sull’evoluzione dell’elettronica commerciale.
    La vicenda, in ogni caso, solleva l’interrogativo su come sarebbe cambiata la storia dei microprocessori se questo lavoro fosse stato reso pubblico fin dall’inizio.

    Link alla fonte:
    https://www.hwupgrade.it/news/cpu/il-primo-microprocessore-non-fu-di-intel-ecco-la-verita-tenuta-nascosta-per-30-anni_146329.html

  • Anthropic smonta il mito dell’auto-consapevolezza nei modelli linguistici

    Uno studio di Anthropic, “Emergent Introspective Awareness in Large Language Models”, ha analizzato la presunta capacità dei modelli linguistici di comprendere i propri processi interni.
    Attraverso la tecnica di concept injection — che consiste nell’inserire vettori concettuali per alterare gli stati neuronali del modello — i ricercatori hanno testato se gli LLM potessero riconoscere modifiche al proprio stato interno.
    I risultati mostrano una consapevolezza solo parziale e incoerente: i modelli più avanzati, come Opus 4 e 4.1, hanno riconosciuto correttamente i concetti iniettati in appena il 20–42% dei casi.
    Lo studio conclude che esiste una forma embrionale di auto-rilevazione, ma ancora troppo fragile, contingente e non assimilabile alla consapevolezza umana.
    Le implicazioni riguardano il limite attuale della “metacognizione artificiale” e la difficoltà di modellarla in modo verificabile.

    Link alla fonte:
    https://www.hwupgrade.it/news/scienza-tecnologia/l-auto-consapevolezza-dell-ia-nel-nuovo-studio-di-anthropic-i-modelli-linguistici-non-capiscono-se-stessi_145761.html