Il decennio della scala è finito

Il decennio della scala è finito

Mentre Wall Street prepara le quotazioni, chi costruisce l'intelligenza artificiale cambia parola d'ordine: dal rendere i modelli più grandi al renderli capaci di capire il mondo.

Capita, ogni tanto, che un intero settore smetta di parlare al futuro semplice e cominci a parlare al condizionale. Una parola sola, world model, modello del mondo, rimbalza in questi giorni da bocche che di solito non vanno d'accordo: Yann LeCun, Demis Hassabis, John Carmack, Ilya Sutskever. Provengono da scuole diverse, hanno litigato per anni, e adesso indicano tutti lo stesso punto all'orizzonte. Quando persone che si contraddicono su tutto usano lo stesso termine nello stesso mese, conviene avvicinarsi a guardare. È da lì che parte la giornata di Signal Brief, oggi venti giugno.

La scena più nitida arriva da Yann LeCun, che da decenni costruisce reti neurali e da qualche anno fa il bastian contrario dentro la propria industria. In una conversazione di metà giugno mette sul tavolo una cifra che suona come una sfida: un miliardo di dollari, dice, sul fatto che i modelli linguistici di oggi non porteranno dove tutti sperano. La sua tesi è secca. Questi sistemi, sostiene, non ragionano davvero: ripescano. Hanno letto quasi tutto e restituiscono, con grande eleganza, qualcosa che somiglia a una risposta. Ma somigliare non basta. Per il salto vero, dice LeCun, serve una macchina che si costruisca un'idea di come funziona il mondo — la fisica delle cose, la conseguenza dei gesti — non solo un magazzino di frasi.

La parte interessante non è la scommessa in sé. È che la stessa parola, modello del mondo, torna identica altrove. La usa Demis Hassabis quando parla del futuro dei suoi sistemi. La usa John Carmack, il leggendario programmatore di videogiochi diventato ricercatore, che punta invece su modelli piccoli, frugali, capaci di imparare guardando. La evoca Sutskever. Fino a ieri era la fissazione solitaria di uno scettico; oggi è diventata il punto d'incontro di persone che arrivano da strade opposte. È come quando, a metà Ottocento, ingegneri che non si erano mai parlati capirono nello stesso decennio che il futuro del trasporto non era una diligenza più veloce, ma una cosa diversa: la rotaia. Il salto non è andare più forte. È cambiare mezzo.

Sotto questa convergenza tecnica si muove però una corrente più torbida, e ha a che fare con i soldi. Siamo in piena stagione di quotazioni in borsa: SpaceX, OpenAI, Anthropic si preparano a presentarsi agli investitori. E proprio adesso accade una cosa curiosa. Sam Altman e Dario Amodei, che per mesi avevano evocato lo spettro di milioni di posti di lavoro spazzati via, fanno marcia indietro. Ridimensionano, sfumano, rassicurano. Nello stesso momento, da fuori, Geoffrey Hinton e Mustafa Suleyman alzano la voce: il lavoro d'ufficio, dicono, è in pericolo, e in fretta. Due cori opposti, intonati esattamente quando il prezzo delle azioni comincia a contare.

In mezzo a questo rumore, una voce sceglie il silenzio della prudenza. Benedict Evans, che osserva la tecnologia da analista più che da profeta, taglia il nodo con una frase che vale più di mille previsioni: non possiamo saperlo. L'effetto dell'intelligenza artificiale sul lavoro, sostiene, non è prevedibile, e fingere il contrario è soltanto marketing travestito da scienza. Vale la pena tenere insieme le due cose: chi promette l'apocalisse e chi la nega potrebbero star vendendo, ciascuno a modo suo, la stessa storia.

E resta, sullo sfondo, la domanda che torna dalla puntata di ieri: se il pensiero si può delegare a una macchina, cosa resta in mano agli esseri umani? Paul Graham, in queste settimane, la riformula in modo affilato — c'è differenza, dice, tra creare valore e simulare i segnali del valore. La prima cosa non si può esternalizzare. La seconda, ormai, la fa qualunque modello. È il filo che lega tutti i personaggi di oggi.

Resta su Yann LeCun, perché il suo gesto di questi giorni segna uno spartiacque. Per chi non lo conoscesse: è uno dei tre ricercatori a cui si fa risalire la rinascita delle reti neurali, uno di quelli che hanno reso possibile tutto il resto. Eppure, da anni, dice che la direzione presa dall'industria è sbagliata.

La scena è quella di metà giugno: LeCun ribadisce che i modelli linguistici, per quanto brillanti, sono un vicolo cieco se li si immagina come strada verso un'intelligenza vera. Non perché siano inutili — sono utilissimi — ma perché fanno una cosa sola, e la fanno spacciandola per un'altra. Recuperano testi e li ricombinano. Non hanno un'idea di cosa succede se lasci cadere un bicchiere. La sua proposta, che porta avanti da tempo con il nome tecnico di JEPA, è insegnare alle macchine a prevedere come evolve una scena, non quale parola viene dopo.

Il collegamento con il filo di oggi è diretto. Per anni questa è stata la posizione di un isolato, l'uomo che brontolava mentre tutti gli altri facevano festa attorno ai modelli sempre più grandi. Adesso le stesse parole escono dalla bocca di Hassabis, di Carmack, di Sutskever. La scommessa solitaria è diventata terreno comune. Quando il dissidente si ritrova circondato da chi prima lo ignorava, di solito significa che il vento è cambiato sul serio.

C'è qualcosa di umano in questa parabola che merita una sosta. La storia della tecnologia è piena di gente che aveva ragione troppo presto e fu presa per noiosa, finché la realtà non le diede ragione tutta insieme. Il punto non è che LeCun abbia vinto — la sua scommessa è ancora aperta, e un miliardo è una cifra che si può perdere. Il punto è che la conversazione si è spostata sul suo terreno. E quando cambia il terreno, cambiano anche le domande che ci si pone.

Accanto a lui, sull'altro versante della stessa montagna, c'è Ilya Sutskever. Anche lui tra i fondatori di questo campo, anche lui uscito di scena dai grandi laboratori per costruire qualcosa di proprio, lontano dai riflettori e dai prodotti commerciali.

La sua dichiarazione di queste settimane è una specie di necrologio pronunciato con calma. Il decennio dello scaling, dice — l'idea che bastasse rendere i modelli più grandi, dargli più dati e più potenza per vederli migliorare — quel decennio è finito. Lo divide in tre ere, e colloca la nostra al passaggio: dietro di noi gli anni in cui crescere bastava, davanti a noi un'epoca in cui servirà inventare algoritmi nuovi, non solo costruire fabbriche di calcolo più grandi.

Qui si tocca il cuore di una cosa che fino a ieri era una guerra e oggi è quasi un consenso. Per anni si fronteggiavano due partiti: chi credeva che la crescita avrebbe portato dritti all'intelligenza vera, e chi diceva che si era preso un abbaglio. Adesso Sutskever, LeCun e Karpathy — voci che non si somigliano affatto — dicono in coro la stessa cosa: la scala da sola non basta più. È raro vedere un settore dichiarare chiusa la propria età dell'oro mentre i soldi continuano a piovere. Di solito succede il contrario: si nega fino all'ultimo.

Mi sembra che la lezione più solida sia qui. C'è un'analogia che torna spesso, ed è quella delle prime fabbriche elettrificate: per anni misero motori elettrici dentro stabilimenti pensati per il vapore, e non guadagnarono quasi nulla. Il salto arrivò solo quando ripensarono la fabbrica da capo attorno alla nuova energia. Sutskever sta dicendo qualcosa di simile. Abbiamo finito di spremere il vecchio schema. Il prossimo guadagno verrà da un'idea diversa, non da una macchina più grossa.

Torniamo un attimo sul filo, perché in auto è facile perderlo. Tre cose si muovono insieme oggi: tutti convergono sul modello del mondo, tutti dichiarano finita l'era della scala, e sotto, intanto, si litiga su chi comanda. Tieni questo in mente, perché il prossimo personaggio le lega tutte.

È Andrej Karpathy, che già ieri ci aveva lasciato la sua confessione spiazzante — non essersi mai sentito così indietro come programmatore. Da allora ha sviluppato l'idea in qualcosa di più costruttivo. Karpathy mette al centro una parola sola: verifica. Si automatizza, dice, solo ciò che si riesce a controllare. Le macchine corrono dove possiamo verificare i loro risultati, e arrancano dove non possiamo. È così che spiega quella sensazione strana — l'intelligenza artificiale che sembra geniale in un compito e ottusa in quello accanto, come una lama dentellata, brillante e cieca a intervalli.

Il collegamento con la giornata è quasi perfetto. Ieri la verifica era una sotto-corrente silenziosa, l'idea che all'uomo restasse il ruolo di controllore. Oggi è diventata il centro di gravità. E non riguarda più solo Karpathy: la stessa preoccupazione attraversa Jack Clark e Naval Ravikant. La domanda non è più soltanto come prevedere, ma chi verifica. E chi verifica, finisce per essere inseparabile da chi comanda. Controllare il risultato è la nuova forma del potere.

C'è un pensiero che nasce da qui e mi pare il più interessante. Per due secoli abbiamo misurato il valore di un lavoratore da quanto sapeva produrre. Karpathy suggerisce un ribaltamento: in un mondo dove la produzione è abbondante e quasi gratis, il valore si sposta su chi sa giudicare se quella produzione è buona. È lo stesso residuo che nominava Graham — il gusto, il giudizio, le cose che non si delegano. Non chi scrive la risposta. Chi sa dire se la risposta regge.

Da qui al denaro il passo è breve, e ci porta a due personaggi che vanno raccontati insieme: Sam Altman e Dario Amodei, i due volti più riconoscibili dell'intelligenza artificiale americana, a capo dei due laboratori che più di tutti definiscono il campo.

La scena è quella della stagione delle quotazioni. Per mesi entrambi avevano parlato di sconvolgimenti enormi nel mondo del lavoro — Amodei era arrivato a numeri da far tremare. Poi, mentre le rispettive aziende si avvicinano alla borsa, il tono cambia. Si ammorbidisce. Le profezie diventano sfumature. È un voltafaccia abbastanza vistoso da non passare inosservato, e arriva proprio quando rassicurare gli investitori conta più che impressionare la stampa.

Il collegamento con il filo di oggi è una di quelle coincidenze che vale la pena collegare. Mentre i due ritrattano, dall'esterno Geoffrey Hinton e Mustafa Suleyman tengono il punto opposto: il lavoro impiegatizio è davvero a rischio, dicono, e su tempi brevi. Si crea così una frattura curiosa, dove la posizione di ciascuno sembra dipendere meno dai dati e più da dove si trova seduto. Chi deve vendere azioni rassicura. Chi parla da fuori allarma. Ed è esattamente a questo punto che la prudenza di Benedict Evans — non possiamo saperlo — suona come l'unica voce non interessata.

Hinton, va detto, aggiunge una torsione tutta sua. Sposta il bersaglio: il problema, dice, non è l'intelligenza artificiale, è il capitalismo che decide come usarla. Amodei la pensa all'opposto — il rischio sta nella tecnologia stessa, e va imbrigliato con regole e con uno Stato capace di farle rispettare. Due diagnosi inconciliabili della stessa febbre. Ed è un dibattito che abbiamo già sentito, parola per parola, ai tempi delle prime fabbriche: la macchina che ruba il lavoro, o l'uomo che la usa male? Sono passati duecento anni e siamo ancora a chiederci se incolpare il telaio o il padrone del telaio.

L'ultimo ritratto sposta lo sguardo dalla tecnica al potere, ed è forse la cosa più nuova di questi giorni. Perché la paura vera, sotto tutto, non è l'ottimismo contro la catastrofe. È una sola: la capacità di calcolo che si concentra in pochissime mani.

Su questo, voci lontanissime si ritrovano. E due personaggi propongono la stessa risposta da angoli diversi: Vitalik Buterin, l'ideatore di Ethereum, e Jack Dorsey, il fondatore di Twitter passato da tempo a costruire alternative aperte. La loro mossa di queste settimane è coerente. Buterin alleggerisce la fondazione che guida, la rende più piccola e meno gerarchica, fedele all'idea che la forza stia nel protocollo condiviso e non nel comando dall'alto. Dorsey rilancia la sua formula: dalla gerarchia all'intelligenza distribuita. L'idea, in parole semplici, è che a un potere concentrato non si risponde con un altro potere concentrato, ma con regole aperte che nessuno possiede da solo.

Il collegamento con la giornata è netto, ed è una vera polarità. Da una parte Buterin e Dorsey, che alla concentrazione rispondono spargendo il controllo. Dall'altra Amodei e Jack Clark, che rispondono invocando lo Stato — un'autorità capace di vincolare chi costruisce queste macchine. È la vecchia domanda di ogni tecnologia potente: ci si difende moltiplicando le mani che la tengono, o nominando un arbitro che le sorvegli tutte?

Il pensiero che lascio è questo. È la stessa biforcazione che si aprì agli albori di internet. Una rete nata aperta e decentralizzata finì, vent'anni dopo, stretta nelle mani di pochissime aziende. Buterin e Dorsey sono, in fondo, persone che hanno già visto come va a finire e provano a non ripetere l'errore. Se l'intelligenza artificiale stia per imboccare la stessa china — concentrarsi nonostante le buone intenzioni — è forse la domanda più seria di tutte.

Progetti da osservare. Anche qui si vede lo stesso vento: modelli piccoli, strumenti per controllare e verificare. Niente di nuovo questa settimana, ma alcune cose continuano a crescere, e dicono dove guarda chi costruisce davvero.

Nanochat, di Andrej Karpathy, continua a salire: in tendenza da settimane.

Resta in crescita anche llama.cpp, di Georgi Gerganov, il progetto che fa girare grandi modelli su computer normali: in tendenza da settimane.

Cresce con continuità ARC-AGI, di François Chollet, il banco di prova pensato per misurare il ragionamento vero e non la memoria: in tendenza da settimane.

In tendenza da settimane anche llm, lo strumento da riga di comando di Simon Willison.

E continua a salire claude-context, dedicato a dare ai modelli memoria del contesto in cui lavorano: in tendenza da settimane.

Se li si guarda insieme, raccontano una storia sola. Non c'è la corsa al modello più gigantesco. Ci sono cose piccole, frugali, fatte per girare ovunque e per essere controllate da vicino. È lo stesso spostamento di cui parlavano LeCun, Sutskever e Karpathy, tradotto in codice che la gente scarica davvero. Quando la moda cambia nei discorsi dei grandi, lo si vede prima qui, nelle cose che gli artigiani costruiscono la sera.

Resta l'immagine di LeCun che punta un miliardo sul fatto che la strada di tutti sia quella sbagliata, e di colleghi che, da poco, hanno cominciato a dargli ragione. Forse il vero segnale di oggi non è una previsione, ma un cambio di parole: dal costruire più grande al capire meglio, dal prevedere al verificare. Dove porti, nessuno può ancora dirlo. È stato Signal Brief. Alla prossima.