Sakana Ai Scommette Sulla Capacità Dell'intelligenza Artificiale Di Auto Migliorarsi Per Rottamare La Corrida Dei Megavolt Ai Laboratori Ai Di Frontiera

Sakana AI, una startup giapponese nata nel 2023, si sta concentrando su un nuovo paradigma per lo sviluppo dell’intelligenza artificiale. La società ha creato il “Sakana AI RSI Lab”, un laboratorio focalizzato sullo studio dell’Auto Miglioramento Ricorsivo (RSI), in cui i modelli di AI migliorano autonomamente il proprio sviluppo, riducendo la necessità di infrastrutture di calcolo estremamente grandi.

Un nuovo approccio evolutivo all'AI

Mentre i maggiori laboratori e aziende puntano a modelli sempre più grandi con elevate risorse di calcolo, Sakana AI ha un piano alternativo. La compañía ritiene che l’ottimizzazione evolutiva sia una via promettente per sviluppare AI efficienti e accessibili in termini di risorse. L’obiettivo è creare sistemi che si autodescrivano e si autodesignano iterativamente.

La base del lavoro di Sakana AI

Nel corso degli ultimi due anni, l’azienda ha raggiunto diversi traguardi chiave nel campo della ricerca RSI:

• LLM-Squared: modelli linguistici che progettano metodi di allenamento migliorati per altri modelli.
• Darwin Gödel Machine: una macchina che genera, testa ed itera le varianti del proprio codice base.
• ShinkaEvolve: progetto focalizzato sull’ottimizzazione evolutiva del codice.
• ALE-Agent: agenti che derivano nuove strategie da cicli di prova ed errore.
• The AI Scientist: sistema che automatizza parti della ricerca scientifica. Una versione di quest'ultimo è riuscita a scrivere un articolo che ha superato la peer review.

Percorsi e obiettivi futuri

Sakana AI ha definito una roadmap in quattro fasi per raggiungere l’obiettivo RSI:

• Creazione di modelli basati su compiti di agenti aperti, non su chatbot tradizionali.
• Implementazione del miglioramento ricorsivo vero e proprio: agenti AI che modificano i propri fondamenti tecnici.
• Sviluppo di agenti che verificano e ottimizzano autonomamente il proprio codice.
• Percorso all’espansione globale: rendere accessibile l’IA all’avanguardia con minori costi di calcolo.

Quattro fasi per la transizione

Questo piano inizia con l’implementazione di agenti AI che generano idee, conducono esperimenti e producono articoli scientifici, come nel caso del “The AI Scientist”. L’ultima fase prevede la realizzazione di modelli capaci di migliorare in modi che non richiedano infrastrutture di calcolo estreme ma siano adattabili e ottimizzabili in base a un certo numero di tentativi mirati.

I benefici dell’approccio RSI

L’autogenerazione e l’evoluzione costante dell’AI rappresentano un vantaggio significativo rispetto al paradigma attuale. Sakana vede in questa strategia la possibilità di ridurre la dipendenza da enormi cluster di GPU, oggi dominio esclusivo di laboratori americani e grandi cloud provider.

Un investimento strategico con rischi

Questo approccio, però, non è privo di rischi. Anthropic, un’altra importante azienda nel settore dell'IA, ha espresso recentemente preoccupazione riguardo ai potenziali scenari che RSI potrebbe generare. L'efficacia delle auto-ottimizzazioni potrebbe andare fuori controllo, rendendo i sistemi AI così rapidi e complessi da essere irrintracciabili da istituzioni esterne.

Il contesto di Sakana AI

La startup è composta da ex ricercatori Google, tra cui Llion Jones, coautore del celebre documento sull’architettura Transformer, e David Ha, che ha lavorato presso Google Brain e Stability AI. Il nome “Sakana” significa “pesce” in giapponese, una scelta evocativa per rappresentare la mobilità, l’evoluzione e l’intelligenza collettiva.

Una visione alternativa

Sakana si distingue per la sua combinazione unica di competenze nel campo dei Trasformatori e la sua visione alternativa rispetto al paradigma di sviluppo dominante. Invece di perseguire la mera estensione di modelli singoli, Sakana punta su sistemi evolutivi, adattativi e modulari.

Per chi non ha letto

Ricordiamo che l’idea di un sistema autonomo che si auto-ottimizza non è ancora pienamente realizzata. Sebbene le tecnologie e i prototipi di Sakana dimostrino che l’RSI è una traiettoria promettente, non c'è ancora prova che i sistemi di auto-ricerca supereranno i modi tradizionali di sviluppo AI.

I rischi dell’ottimizzazione autonomica

Anthropic ha avanzato l’idea di un freno globale allo sviluppo di AI all’avanguardia a causa dei rischi associati ad un miglioramento autonomico massiccio. La startup giapponese, invece, continua a credere che l’approccio RSI possa non solo superare i problemi esistenti, ma aprire una strada più democratizzata verso sistemi AI avanzati.