Un’altra pietra miliare o solo l’ennesima illusione? la china lancia il suo “alphago moment” per la ricerca sull’intelligenza artificiale.
Un’altra tappa verso la cosiddetta AGI? Non è un’esagerazione affermare che il team cinese ha appena creato un momento “AlphaGo” per la ricerca sull’intelligenza artificiale, un vero e proprio spartiacque nel modo in cui i sistemi AI possono auto-progettarsi e innovare. La nuova creatura, ASIARCH, è la prima dimostrazione di quella che chiamano Artificial Superintelligence for AI research (ASI4AI) in un ambito cruciale: la scoperta automatica di architetture neurali, o Model Architecture Discovery.
Mentre i sistemi AI mostrano capacità che migliorano in modo esponenziale, la velocità della ricerca stessa è ancora limitata da una capacità cognitiva umana che resta sostanzialmente lineare, creando un collo di bottiglia sempre più severo. Graham Hill, noto come Dr G, ha discusso a lungo questa sfida: la potenza computazionale cresce vertiginosamente, ma il vero limite rimane il cervello umano che guida e valuta i progressi. Qui entra in gioco ASI-ARCH, il sistema che promette di superare questa barriera fondante.
L’analogia con il celebre “Move 37” di AlphaGo non è casuale. Così come quella mossa rivelò strategie impensabili per i giocatori umani, le architetture scoperte da questa intelligenza artificiale cinese mostrano principi di design emergenti, capaci di hashtag#superare sistematicamente i modelli progettati da umani e di illuminare strade nuove per l’innovazione architetturale. Un vero salto quantico, e non solo per la scienza, ma per la concezione stessa di “progetto” in AI.
Questo sistema totalmente hashtag#autonomo spezza il vincolo tradizionale della dipendenza umana, permettendo all’AI di condurre in autonomia l’innovazione architetturale. ASI-ARCH è in grado di svolgere un ciclo completo di ricerca scientifica nel dominio ostico della scoperta di architetture: ipotizza nuovi concetti, li traduce in codice eseguibile, li allena e li valida empiricamente attraverso esperimenti rigorosi, sfruttando sia l’esperienza passata umana che AI. Un processo che si autogenera e si autoalimenta, qualcosa che fino a poco tempo fa sembrava appannaggio della fantascienza.
In numeri concreti, ASI-ARCH ha condotto 1.773 esperimenti autonomi per oltre 20.000 ore GPU, scoprendo 106 architetture innovative e all’avanguardia (hashtag#SOTA) di attenzione lineare. Un progresso che Nick Sales e Steve Jones definirebbero davvero “amazing”.
Non si tratta di sfruttare la potenza dei data center infiniti tipici delle tech company americane, ma di un salto in avanti dovuto a innovazioni intelligenti, a dimostrazione che la #ChineseInnovation sta rapidamente superando quella degli Stati Uniti, o almeno così pare.
La squadra ha stabilito la prima hashtag#empirical hashtag#scaling law dedicata alla scoperta scientifica stessa, dimostrando che i progressi architetturali possono essere scalati computazionalmente. Un risultato rivoluzionario perché trasforma la ricerca da un processo limitato dall’intelligenza umana a uno scalabile attraverso la potenza di calcolo.
Il paper offre un’analisi completa dei pattern emergenti e delle capacità autonome di ricerca che hanno permesso questi breakthrough, tracciando la roadmap per sistemi AI a auto-accelerazione. Non è un caso che abbiano reso open source tutto il framework, le architetture scoperte e persino le tracce cognitive generate.
È davvero un momento “WOW” per la comunità AI, un ringraziamento speciale a Stuart Fotheringham per averlo condiviso.
Questa evoluzione ci costringe a riflettere su cosa significhi davvero autonomia in AI e se siamo davanti a un futuro in cui le macchine non solo imparano, ma progettano da sole, in modo sempre più sofisticato. La battaglia per l’innovazione non si gioca più solo nei data center con milioni di GPU, ma anche nella qualità e nell’intelligenza dei processi decisionali automatizzati. Resta da vedere quanto tutto ciò cambierà il gioco nel medio termine, ma di certo siamo di fronte a un segnale che va seguito con la massima attenzione.