Almawave ha presentato Velvet, una nuova famiglia di modelli generativi interamente progettata in Italia, con un’attenzione specifica alla sicurezza, alla privacy e all’equità. Addestrati sul supercomputer Leonardo di Cineca, i modelli Velvet 14B e Velvet 2B operano in sei lingue (italiano, inglese, francese, tedesco, portoghese e spagnolo) e sono progettati per applicazioni aziendali facilmente personalizzabili.
Velvet si distingue per un’impostazione etica integrata nel processo di sviluppo. Grazie alla collaborazione con SIpEIA (Società Italiana per l’Etica dell’Intelligenza Artificiale), il modello è stato valutato e ottimizzato per ridurre bias sistemici, migliorare la trasparenza delle decisioni e garantire un impiego responsabile. L’approccio adottato non si limita a un adeguamento normativo, ma mira a incorporare criteri di equità e sicurezza fin dalla progettazione. Uno degli aspetti più rilevanti è la protezione della privacy, un tema centrale nello sviluppo dell’IA. Velvet implementa PAE (Privacy Association Editing), un algoritmo che minimizza il rischio di esposizione di dati sensibili, affrontando una delle sfide più complesse nell’uso di modelli di linguaggio su larga scala.
Il contributo di SIpEIA è stato determinante anche nel definire strategie di monitoraggio e verifica, affinché il comportamento del modello rimanga allineato a criteri di affidabilità e sicurezza nel tempo. L’AD di Almawave Valeria Sandei sottolinea come Velvet non sia semplicemente un modello generativo, ma il risultato di un lavoro che integra competenze tecniche ed etiche, con l’obiettivo di sviluppare un’IA realmente adattabile ai contesti in cui opera senza comprometterne la responsabilità. Velvet rappresenta quindi un esperimento concreto di bilanciamento tra tecnologia e principi etici, dimostrando che è possibile sviluppare modelli di IA avanzati senza sacrificare sicurezza, equità e rispetto dei diritti fondamentali.
Leggi il comunicato stampa di Almawave: “Almawave presenta Velvet: L’IA italiana, sostenibile ed efficace“
Immagine generata tramite DALL-E 3. Tutti i diritti sono riservati. Università di Torino (2025)
