Questa tecnologia si basa sulla natura intrinsecamente analogica del cervello umano, che gestisce capacità cognitive straordinarie con una frazione dell'energia rispetto al ranocchio elettronico, semplicemente perché non deve tradurre tutto in 0 ed 1, grazie al fatto che oltre al segnale elettrico ne ha tantissimi bio-chimici. Ricordiamo che l’apprendimento video-sonoro-psicomotorio di un bimbo di quattro anni equivale a tutto quanto c’è su internet e nella pancia di tutti gli LLM che conoscete: fino ad oggi il nostro cervello analogico è decisamente più efficiente di quello digitale.
Zhong Sun e il suo team han dimostrato di poter progettare computer analogici per risolvere calcoli fondamentali nell'addestramento dei modelli di intelligenza artificiale, consumando tra 100 e 10.000 volte meno dei chip digitali. Questo approccio potrebbe migliorare l'adattabilità, l'imprevedibilità e la creatività del robot, approssimando il cervello a quello umano ed apportando un radicale ripensamento all'architettura computazionale. Se volete approfondire, qui c'è lo studio originale del 2023, vedere qua, invece, per un utilizzo migliore della memoria.
Di intelligenza e computer analogici si parla da anni: quando un sensore raccoglie la portata di una tubatura, l’andamento di una temperatura ed in generale qualsiasi fenomeno fisico, è chiaro che sono dati analogici molto difficili da riprodurre digitalmente, proprio per la difficoltà di rendere tutto in 0 ed 1 tanto rapidamente quanto richiede il processo che in quel momento va controllato. Quello che Sun ha fatto è particolarmente importante, perché ha aggiunto la precisione digitale ai calcoli analogici, andando a sostituire le tradizionali equazioni differenziali con matrici matematiche.
In modo simile a quanto fatto da DeepSeek mesi fa e Samsung di recente, Sun e l’Università di Pechino introducono un innovazione solida, provata, e capace di essere dirompente. Se seguite gli esperti di intelligenza artificiale, che non sono i CEO venditori di fumo interessati a gonfiare ulteriormente la bolla speculativa per proprio rendiconto personale, ma personaggi più seri come Andrew NG, Gary Marcus, Yann LeCun ed altri ancora, vedete che il consenso punta alla buona probabilità che l’ennesima di queste innovazioni vada a sgonfiare la bolla. In pratica, i cavalli perdenti porteranno in rovina milioni di investitori, ma quello vincente renderà ricchi tanti e consoliderà questa tecnologia nei prossimi anni.
Dal mio punto di vista l’innovazione di Sun e compagni è interessante, perché fa un passo avanti nel capire come funziona la nostra zucca; cosa molto più importante del costruire un ranocchio elettronico che vi scrive le mail in autonomia. Sto vedendo questo approccio analogico anche per l’apprendimento della lingua, in modo da ottimizzare traduzioni ed altri compiti scritti. Un bambino impara a parlare una o più lingue semplicemente ascoltando chi gli sta attorno, e lo fa decisamente bene entro i quattro anni d’età, senza che nessuno gli abbia mai parlato di grammatica, sintassi, analisi logica.
Il suo cervello assorbe questi suoni e si plasma per comprenderli, anche quando fan parte di due o tre lingue diverse, e mentre li comprende inizia anche a formularli, al punto da poter conversare con piccoli ed adulti. Non ci sono 0 ed 1 nel suo cervello, non ci sono regole, solo segnali audio, video e psicomotori che lui impara a decodificare e ricostruire. Immaginate ora un computer che riesca a fare lo stesso, con il vantaggio della precisione matematica che il bimbo o l’adulto non possono avere. Spettacolo!
