Alcuni dei massimi esperti di IA hanno criticato l’attuale corsa allo sviluppo di modelli sempre più grandi durante la conferenza AI, Science and Society, organizzata da Hi! PARIS. Il monito, lanciato da Michael Jordan, professore di Computer Science e Statistica a Berkeley, è stato condiviso da molti degli accademici presenti. Eric Xing (Carnegie Mellon) ha parlato di “grande confusione” sul reale significato dell’IA ed esortato a un approccio più razionale. Bernhard Schölkopf (ELLIS Institute), e Yann LeCun (Chief AI Scientist di Meta e professore a NYU) hanno evidenziato che i LLM sono modelli meccanicistici, incapaci di cogliere il significato profondo delle informazioni.
Secondo gli esperti, siamo ancora lontani dall’intelligenza artificiale generale (AGI) e i modelli linguistici attuali non ci porteranno a questo traguardo. LeCun ha aggiunto che i modelli generativi e il reinforcement learning sono inefficienti e inadatti a sviluppare un’IA con capacità di ragionamento. Ha inoltre sottolineato i rischi di affidarsi a sistemi basati su previsioni statistiche, come il pericolo di allucinazioni e divergenze esponenziali nelle risposte. Secondo lui, è necessario progettare sistemi più piccoli, controllabili e sicuri “by design”.
Un altro tema chiave della conferenza è stato il futuro dell’IA open-source. Il dibattito ha messo in luce la necessità di un’IA collaborativa e orientata al bene collettivo, che vada oltre la competizione tecnologica e il profitto. I ricercatori sottolineano inoltre l’importanza di ridurre la scala dei modelli per renderli più efficienti e personalizzabili. La vera sfida è superare l’hype e costruire tecnologie che rispondano a esigenze reali, mettendo la società al centro dello sviluppo dell’intelligenza artificiale.
Leggi l’articolo completo “Are We All Wrong About AI? When Academics Challenge the Silicon Valley Dream” su HecEdu
Immagine generata tramite DALL-E 3. Tutti i diritti sono riservati. Università di Torino (2025)
