Un’analisi di Epoch AI suggerisce che i progressi nell’ambito dei reasoning model potrebbero rallentare nel corso di pochi mesi. Secondo lo studio condotto dall’istituto di ricerca non profit, il miglioramento delle performance di questi modelli potrebbe subire una battuta d’arresto già entro un anno, nonostante i risultati ottenuti finora in particolare nel campo della matematica e della programmazione.
A caratterizzare lo sviluppo di questi modelli è una tecnica chiamata reinforcement learning, che prevede una fase di addestramento basata su feedback umano per migliorarne le capacità di risolvere problemi complessi. Secondo l’autore dello studio Josh You, mentre il miglioramento delle prestazioni derivanti dall’addestramento standard dei modelli AI quadruplicano ogni anno, quelli ottenuti attraverso il reinforcement learning crescono di dieci volte ogni 3-5 mesi. Tuttavia, l’esperto sottolinea che esistono limiti fisici, economici e organizzativi alla scalabilità di questo approccio, e prevede che i progressi nell’addestramento al ragionamento convergeranno con quelli dei modelli “convenzionali” entro il 2026.
Le implicazioni di eventuali segnali di rallentamento sarebbero particolarmente rilevanti per l’industria dell’IA, tenendo conto dell’alto costo di sviluppo e mantenimento dei modelli reasoning, che intanto continuano a presentare criticità non risolti, tra cui una maggiore tendenza a generare risposte errate o allucinazioni.
Leggi l’articolo completo Improvements in ‘reasoning’ AI models may slow down soon, analysis finds su TechCrunch
Immagine generata tramite DALL-E 3. Tutti i diritti sono riservati. Università di Torino (2025)
