{"id":12550,"date":"2026-09-24T18:11:27","date_gmt":"2026-09-24T18:11:27","guid":{"rendered":"https:\/\/davidorban.com\/2026\/09\/che-cosa-sono-oggi-tre-mesi\/"},"modified":"2026-09-24T18:11:27","modified_gmt":"2026-09-24T18:11:27","slug":"che-cosa-sono-oggi-tre-mesi","status":"publish","type":"post","link":"https:\/\/davidorban.com\/it\/2026\/09\/che-cosa-sono-oggi-tre-mesi\/","title":{"rendered":"Che cosa sono oggi tre mesi"},"content":{"rendered":"

Ogni tre o quattro mesi Axelera<\/a>, l\u2019associazione non profit che ho fondato quattordici anni fa per diffondere la comprensione delle tecnologie esponenziali, tiene il suo aggiornamento periodico. Il nostro \u00e8 stato il 23 settembre. Avevo chiesto a quattro modelli diversi di preparare le slide, descrivendo quelli che a loro giudizio erano gli sviluppi pi\u00f9 importanti degli ultimi tre o quattro mesi in intelligenza artificiale, agenti, energia e spazio. Hanno prodotto presentazioni bellissime e non me ne \u00e8 piaciuta nessuna. Non avevo voglia di correggerle, cos\u00ec ho parlato senza slide.<\/p>\n

Jolting, non esponenziale<\/h2>\n

Da anni pubblico il paradigma delle tecnologie jolting<\/a>, in cui a crescere \u00e8 il tasso di accelerazione stesso. Siamo abituati alla legge di Moore, cinquant\u2019anni di raddoppio all\u2019incirca ogni due anni. Nell\u2019IA sono gli intervalli a restringersi, da due anni a uno, da un anno a sei mesi, da sei mesi a tre. Segui l\u2019attuale tasso di aumento dell\u2019accelerazione e arrivi alla proiezione di un rilascio di frontiera significativo ogni singolo giorno. Non mi aspetto che quella proiezione regga nella pratica. Le misurazioni che si stanno accumulando giustificano gi\u00e0 l\u2019abbandono della parola esponenziale in favore di jolting, o super esponenziale.<\/p>\n

La Cina si avvicina, e il vertice non rallenter\u00e0 nulla<\/h2>\n

I modelli a pesi aperti che arrivano dalla Cina hanno ridotto il divario di prestazioni a circa quattro mesi e mezzo<\/a>, da circa sei all\u2019inizio dell\u2019anno, e la parit\u00e0 intorno alla fine dell\u2019anno \u00e8 l\u2019aspettativa ragionevole. Il presidente americano e quello cinese si sono incontrati a Washington il 23 e 24 settembre<\/a> per decidere come procedere in una competizione che entrambi credono di controllare. Non mi aspetto che l\u2019incontro cambi il ritmo dello sviluppo. Quando si dice rallentare, non si sta descrivendo un\u2019auto che si avvicina a una curva e frena, n\u00e9 un guidatore che alza il piede mentre il semaforo diventa giallo continuando a premere l\u2019acceleratore. Si sta chiedendo che l\u2019aumento dell\u2019accelerazione sia minore. Qualunque accordo venga annunciato, non mi aspetto alcun effetto pratico.<\/p>\n

Il modello che non \u00e8 un modello linguistico<\/h2>\n

Un rilascio dei giorni immediatamente precedenti al nostro incontro non era affatto un grande modello linguistico. Jev<\/a>, di TypeSafe AI, \u00e8 un classificatore: veloce, economico e strutturalmente vecchio, perch\u00e9 questi approcci esistono nel machine learning da decenni e solo ora vengono alimentati con capacit\u00e0 di addestramento moderna. Abbinane uno a un modello di OpenAI o Anthropic e ottieni risultati a un costo incrementale irrisorio, perch\u00e9 i token in ingresso hanno un prezzo bassissimo e le decisioni di classificazione sono regalate. Abbiamo passato diversi anni cos\u00ec fissati sugli LLM da dimenticare che esistevano altre architetture, con la parziale eccezione dei modelli di diffusione dietro la generazione di immagini, che molti danno per funzionanti allo stesso modo. Quel periodo sta finendo, e sta arrivando una profusione di modelli specializzati. Marco De Rossi, che ha fondato la piattaforma di e-learning WeSchool e poi ha passato un periodo in MetaMask, ne sta costruendo uno in Levanto, e si chiama Sage<\/a>.<\/p>\n

Gli agenti sono diventati il centro, e le stanze in cui lavorano<\/h2>\n

Gli agenti hanno iniziato l\u2019anno come curiosit\u00e0 e sono diventati il centro del campo. OpenClaw<\/a> ha aperto gli occhi a tutti, e le sue lezioni sono state assorbite ovunque. Claude ora lancia una dozzina di agenti in parallelo in background per un singolo compito e li coordina senza dirlo. Grok Bot spinge nella direzione opposta, verso la specializzazione, dando a ogni agente memoria a lungo termine, la consapevolezza del tipo di lavoro per cui esiste e la capacit\u00e0 di coordinarsi esplicitamente con gli altri. Muse<\/a> di Meta raggiunger\u00e0 probabilmente una scala paragonabile a ChatGPT o superiore, perch\u00e9 \u00e8 abbastanza buono e ha dietro la distribuzione di Meta. Google \u00e8 inspiegabilmente molto indietro, e Apple ancora di pi\u00f9.<\/p>\n

Il passo che pochissimi hanno assorbito \u00e8 quello successivo. Non \u00e8 una persona con diversi agenti. \u00c8 uno spazio in cui persone e agenti lavorano insieme. Slack \u00e8 arrivato per primo, il che era naturale dato che le persone ci vivono gi\u00e0 dentro. Quello che mi interessa di pi\u00f9 \u00e8 Buzz<\/a>, costruito da Block, open source, quindi puoi eseguirlo sulle tue macchine o nel cloud, e profondamente programmabile. Mi aspettavo di dover costruire un ponte tra Buzz e gli agenti che eseguo altrove, e non c\u2019era niente da costruire: Buzz \u00e8 uno spazio di lavoro Nostr, ogni partecipante possiede la propria chiave, e un Grok Bot ne ha gi\u00e0 una. Aggiungi la sua chiave come membro e legge e scrive nel canale come chiunque altro. Claude e gli altri si sono uniti allo stesso modo, insieme al mio team. Uno sciame di agenti disponibile non a una persona ma a un\u2019intera squadra conter\u00e0 enormemente a livello di impresa.<\/p>\n

Auto miglioramento ricorsivo, e chi istruisce chi<\/h2>\n

Pi\u00f9 avanti c\u2019\u00e8 l\u2019auto miglioramento ricorsivo, che ogni laboratorio di frontiera sta ora perseguendo e che ognuno di loro lascia intendere di avere vicino. Una piattaforma progetta e costruisce il proprio successore, sa in quale direzione andare, pu\u00f2 verificare che il miglioramento sia reale, e lo istanzia sostituendo se stessa. Se questo sar\u00e0 mai completato raggiungeremo qualcosa che sar\u00e0 naturale chiamare transizione di fase, perch\u00e9 i sistemi diventano autonomi nella propria traiettoria. \u00c8 esattamente per questo che i problemi irrisolti di allineamento e sicurezza vanno risolti lungo la strada e non dopo l\u2019arrivo.<\/p>\n

Anthropic ha pubblicato come classifica il rapporto di lavoro tra i suoi ricercatori e i suoi agenti, vale a dire chi istruisce chi. Ad agosto 2026 Claude guida il 26%<\/a> della ricerca e sviluppo in IA dell\u2019azienda, contro meno dell\u20191% a febbraio, il che significa che pu\u00f2 portare avanti la maggior parte di un compito dall\u2019inizio alla fine partendo da un prompt di alto livello mentre un umano supervisiona. Pi\u00f9 del 90% del lavoro si colloca a livello di collaborazione o superiore. Niente di tutto ci\u00f2 \u00e8 pienamente autonomo, per ora. La quota che l\u2019agente guida sta salendo.<\/p>\n

Ottantotto ore su un problema vecchio di un secolo<\/h2>\n

OpenAI ha annunciato una soluzione del problema di Navier-Stokes<\/a> in cui, in tempo finito e con immissione finita di energia, le velocit\u00e0 all\u2019interno di un vortice vanno all\u2019infinito. Alex Wissner-Gross l\u2019ha descritta come mescolare zucchero nel caff\u00e8 e creare un buco nero, che \u00e8 un modo divertente di dire che il modello non corrisponde alla realt\u00e0 fisica. Come matematica regge, verificata dal dimostratore Lean, ed \u00e8 stata prodotta da circa diecimila agenti concorrenti che hanno bruciato circa 130 miliardi di token in uscita, arrivando alla risoluzione circa 88 ore dopo il lancio del primo di loro. Due anni fa i modelli risolvevano problemi da scuola secondaria. Un anno fa problemi universitari. Chiunque estrapolasse in modo esponenziale si aspettava problemi da dottorato, non la risoluzione di qualcosa che nessuno sulla Terra era riuscito a ottenere in un secolo. I matematici hanno reagito con qualcosa di vicino alla disperazione nel vedersi sottrarre il proprio territorio, e la domanda su che cosa dovrebbe fare oggi un matematico puro della propria carriera \u00e8 ragionevole. Qualunque cosa venga scritta per protesta non avr\u00e0 alcun effetto sulla disponibilit\u00e0 di questi strumenti o sulla loro applicazione.<\/p>\n

Ci sono voci credibili secondo cui sia Anthropic sia OpenAI custodiscono risultati altrettanto sorprendenti e hanno scelto di non rilasciarli, perch\u00e9 non c\u2019\u00e8 vantaggio nel farlo una volta dimostrato di poter ripulire il campo. Stanno costruendo verticali, dove il valore pu\u00f2 essere catturato: accordi da miliardi di dollari con societ\u00e0 di consulenza<\/a> annunciati a maggio, biotecnologie in Anthropic, un modello per gli studi legali<\/a> in OpenAI. I documenti originali di investimento di OpenAI<\/a> promettevano un ritorno massimo di cento volte il capitale, sul ragionamento che senza un simile tetto l\u2019azienda rischiava di catturare l\u2019intera ricchezza disponibile nel cono di luce futuro dell\u2019universo. Sono parole loro, e stanno procedendo con poche riserve visibili.<\/p>\n

Alla storia dell\u2019energia manca il denominatore<\/h2>\n

Il rumore sui data center e sulla loro quota crescente di consumo energetico \u00e8 un racconto incompleto di quello che sta accadendo. Nessuno di quelli che espongono quelle cifre di consumo le mette a confronto con le prestazioni che stanno migliorando. Riportano la potenza assorbita e non quello che la potenza produce. Quando il costo di addestramento di un modello viene presentato come allarmante, nessuno chiede quanta energia serva per crescere un figlio fino a vent\u2019anni, o trenta se si \u00e8 sfortunati, prima che diventi autonomo. Siamo orgogliosi del nostro cervello, che descriviamo come l\u2019oggetto pi\u00f9 complesso dell\u2019universo conosciuto, e ci piace far notare che venti watt fanno tutto quello che facciamo. Fai il conto e l\u2019IA ci ha gi\u00e0 battuti. Boris Power di OpenAI lo ha quantificato in cinque punti di QI per watt per gli umani contro sette-quaranta per l\u2019IA, notando per\u00f2 che joule per compito completato altrettanto bene \u00e8 la misura migliore. Un data center che assorbe moltissima energia sta producendo una densit\u00e0 di intelligenza del tutto sproporzionata rispetto all\u2019input, perch\u00e9 i modelli e la loro efficienza continuano a migliorare.<\/p>\n

Una traiettoria verso Alpha Centauri<\/h2>\n

Il mio esempio preferito degli ultimi mesi \u00e8 che stiamo per lanciare la prima missione interstellare verso Alpha Centauri<\/a>. Voyager sta lasciando il sistema solare, ma non \u00e8 mai stata puntata, e dove andr\u00e0 poi non faceva parte del suo progetto. Questa sonda, la Fermi Explorer, dovrebbe passare vicino alla stella bersaglio. La traiettoria \u00e8 controintuitiva, perch\u00e9 inizia volando verso il Sole anzich\u00e9 allontanarsene, girandogli sempre pi\u00f9 vicino per dodici anni prima che il passaggio finale scagli la sonda verso l\u2019esterno. Avrebbe richiesto anni di lavoro umano per essere trovata, con milioni di dollari di investimento, e nessuno ci ha provato. Un sistema di fisica basato su IA ha lavorato per circa tre giorni e l\u2019ha trovata, come primo risultato annunciato di un\u2019azienda chiamata Physical Superintelligence, il cui scopo \u00e8 spingere le frontiere della fisica e della scienza dei materiali. Il lancio non coster\u00e0 pi\u00f9 di quindici milioni di dollari. La sonda impiegher\u00e0 ottantamila anni ad arrivare, e le persone coinvolte si stupirebbero se non venisse superata diverse volte lungo il percorso, con una cerimonia di benvenuto tenuta da discendenti che hanno gi\u00e0 colonizzato i pianeti attorno ad Alpha Centauri.<\/p>\n

Diecimila agenti<\/h2>\n

Ho scritto di recente chiedendo che cosa faremmo con diecimila agenti IA<\/a> se li avessimo. OpenAI ne ha usati altrettanti su Navier-Stokes. La mia risposta era che possiamo fare quello che vogliamo, e tutto ci\u00f2 che dobbiamo fare \u00e8 volerlo. Se diecimila agenti per un dato numero di ore costano troppo oggi, quel costo scender\u00e0 di un fattore di milioni, e quello che costava un milione di dollari ne coster\u00e0 uno. Quindi la domanda urgente \u00e8 che cosa fare della nostra attenzione e del nostro tempo, perch\u00e9 gli strumenti per fare qualunque cosa ci saranno.<\/p>\n

Le domande che sono seguite hanno portato la serata dove l\u2019aggiornamento non era andato, e le ho scritte a parte. Arrivano domani.<\/p>\n","protected":false},"excerpt":{"rendered":"

Quattro modelli mi hanno preparato slide che non volevo. Il trimestre che descrivevano \u00e8 quello in cui a restringersi sono gli intervalli stessi.<\/p>\n","protected":false},"author":0,"featured_media":12547,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[481],"tags":[],"class_list":["post-12550","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-general"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t