Yann LeCun su Cosa succederà dopo gli LLM

Se pensi che i grandi modelli linguistici siano la via inevitabile verso un'AI che ragiona come un essere umano, Yann LeCun – uno dei padri storici dell'intelligenza artificiale – dice che stai guardando nella direzione sbagliata. E non lo dice per nostalgia: lo dice perché vede i limiti strutturali degli LLM come fondamentali, non risolvibili. Secondo lui, questi sistemi non potranno mai pianificare, ragionare sulle conseguenze delle proprie azioni o apprendere nuove competenze come fanno le persone o persino gli animali. LeCun ha lasciato Meta per fondare AMI Labs perché era convinto che il vero passo avanti non sarebbe arrivato continuando a perfezionare GPT e simili, ma costruendo “world models”: cioè architetture che imparano a prevedere cosa succede nel mondo fisico, non solo nelle sequenze di parole. Per capire il ribaltamento, bisogna partire dal perché: gli LLM sono bravissimi a manipolare linguaggio, codice e matematica, perché la lingua è composta da simboli discreti e prevedibili. Ma la realtà vera è rumorosa, continua, incerta: per esempio, se spingi una bottiglia su un tavolo, non puoi sapere con precisione dove andrà a finire, ma la tua mente sa prevedere in modo astratto le possibili conseguenze. Secondo LeCun, questo tipo di previsione astratta è la chiave dell'intelligenza: gli agenti intelligenti devono potersi costruire una rappresentazione interna e usarla per pianificare azioni e immaginare futuri possibili. Gli LLM, invece, sono ciechi su questo: prevedono solo il prossimo token, non le conseguenze delle azioni nel mondo reale. La storia personale di LeCun rafforza questo punto: dopo aver scommesso sulle reti neurali quando tutti le davano per spacciate, ora fa una scommessa altrettanto impopolare contro la supremazia degli LLM. Racconta che già nel 2016, quando dirigeva FAIR in Meta, aveva proposto una visione fondata su modelli del mondo e autoapprendimento dai dati sensoriali. Per anni, però, la priorità è rimasta sugli LLM. Anche dopo il successo tecnico, la pressione aziendale ha portato Meta a concentrare tutte le risorse sulle generative AI, lasciando poco spazio alla ricerca esplorativa. Di fronte a questa chiusura, LeCun ha scelto di andarsene e portare avanti la sua linea in autonomia, con la convinzione che “in cinque anni, i world model domineranno il panorama dell'AI” – una battuta presa in prestito da Linus Torvalds sull'ambizione di Linux, ma detta con una fiducia disarmante. Dietro questa visione c'è un dato difficile da ignorare: oggi addestrare robot o sistemi che agiscono nel mondo richiede quantità sproporzionate di dati, imitazione e simulazioni. Ma se gli agenti imparassero davvero a prevedere cosa succede quando agiscono, basterebbero pochissime esperienze reali, come succede a un diciassettenne che impara a guidare in 20 ore, invece di milioni di ore di guida simulate. LeCun cita spesso questo esempio: “Perché un ragazzo può imparare a guidare in 20 ore, mentre le auto autonome hanno bisogno di milioni di ore di dati e ancora non ci siamo?” La risposta sta nella capacità umana di costruire modelli interni e generalizzare. Un altro nodo fondamentale è la questione della sicurezza: per LeCun, gli LLM sono “intrinsecamente insicuri” perché non possono prevedere le conseguenze delle proprie azioni e quindi non puoi imporre loro dei veri vincoli di sicurezza. Gli errori, le allucinazioni, i comportamenti imprevisti non sono bug risolvibili, sono una conseguenza inevitabile dell'architettura stessa. Invece, un'AI basata su world model e vincolata da funzioni obiettivo esplicite potrebbe essere “costruita per non poter violare certi limiti”, almeno in linea teorica. Non è solo una questione tecnica, ma anche politica e culturale: LeCun sta lavorando su modelli aperti e federati – come il progetto Tapestry – che permettono ai Paesi al di fuori degli Stati Uniti e della Cina di avere IA adattate alla lingua, ai valori e alla cultura locali. È lo stesso principio che ha fatto vincere Linux sull'infrastruttura di Internet, secondo lui: alla lunga, l'apertura e la diversità vincono sulla chiusura. Ma attenzione: LeCun non dice che gli LLM siano inutili. Anzi, li definisce utilissimi per tutto ciò che riguarda linguaggio e codice, “ma non sono architetti del software, sono programmatori; non sono scienziati, sono risolutori di problemi”. E la loro forza si ferma dove la lingua non è più sufficiente: nella medicina di precisione, nelle decisioni che coinvolgono il corpo, i pazienti, le cellule, serve un modello che capisca la dinamica reale, non solo la conoscenza teorica. Una frase che resta impressa: “Gli LLM sono ottimi dove il linguaggio è il substrato del ragionamento. Ma la maggior parte dell'intelligenza non è linguaggio.” Se questa prospettiva ti ha colpito, su Lara Notes puoi segnalarlo con I'm In: non è un like, è il modo per dire che questa idea adesso fa parte del tuo modo di pensare. E se domani ti capita di raccontare a qualcuno perché LeCun vede i world model come la vera svolta dell'AI, su Lara Notes puoi taggare quella conversazione con Shared Offline: non condividi un link, certifichi che si è verificato un vero confronto. Questa Nota viene da “Unsupervised Learning: With Jacob Effron” e ti fa risparmiare 78 minuti di ascolto.