Raggiungere nuovi livelli di capacit\u00e0 e prestazioni sembra essere pi\u00f9 impegnativo e costoso che mai per i modelli di intelligenza artificiale.<\/p>\n
La comparsa di nuovi modelli come o3 di OpenAI evidenzia come i miglioramenti nell’intelligenza artificiale siano sempre pi\u00f9 difficili da ottenere e, soprattutto, pi\u00f9 costosi.<\/p>\n
Man mano che i modelli avanzano, le \u201cleggi di scala\u201d che hanno guidato il progresso mostrano segni di esaurimento. Ma quel che \u00e8 peggio, le nuove tecniche per superare queste limitazioni portano con s\u00e9 nuove sfide.<\/p>\n
Ci\u00f2 solleva domande cruciali sul futuro dell\u2019intelligenza artificiale, sui suoi usi pratici e sulla sostenibilit\u00e0 dei modelli avanzati<\/strong>. Esploriamo questo argomento interessante che sicuramente segner\u00e0 una tendenza in questo nuovo rilascio del 2025.<\/p>\n Storicamente, le leggi di scalabilit\u00e0 hanno guidato lo sviluppo dei modelli di intelligenza artificiale: pi\u00f9 dati, pi\u00f9 parametri e pi\u00f9 potenza di calcolo si traducono in risultati migliori. <\/strong><\/p>\n Tuttavia, questo approccio sta mostrando rendimenti decrescenti. I ricercatori hanno iniziato a definire questa fase \u201cla seconda era delle leggi di scala\u201d, in cui i metodi tradizionali non sono pi\u00f9 sufficienti per generare progressi significativi.<\/p>\n Al suo posto sta emergendo una nuova strategia nota come \u201cinference-time scaling\u201d o \u201ctest-time scaling\u201d.<\/p>\n Il time scaling dell\u2019inferenza consiste nell\u2019aumentare l\u2019utilizzo delle risorse computazionali nella fase di inferenza, cio\u00e8 quando il modello risponde ad una richiesta.<\/p>\n Nel caso di o3 di OpenAI, ci\u00f2 significa utilizzare pi\u00f9 chip, chip pi\u00f9 potenti o utilizzarli per periodi di tempo pi\u00f9 lunghi per generare risposte.<\/p>\n I risultati iniziali di questo approccio sono impressionanti.<\/strong> Ad esempio, il modello o3 ha ottenuto l’88% nel benchmark ARC-AGI, un test inteso a valutare i progressi verso l’intelligenza generale artificiale (AGI).<\/p>\n In confronto, il modello precedente di OpenAI, o1, raggiungeva solo il 32%. Inoltre, in un complesso test di matematica, l’o3 ha raggiunto il 25%, ben al di sopra del 2% degli altri modelli.<\/p>\n Tuttavia, questi risultati hanno un costo considerevole<\/strong>. Per ottenere il punteggio pi\u00f9 alto su ARC-AGI, o3 ha utilizzato pi\u00f9 di 1.000 dollari in risorse di elaborazione per attivit\u00e0, rispetto ai 5 dollari per attivit\u00e0 del modello o1.<\/p>\n La versione ad alta efficienza dell’o3, che ha sacrificato solo il 12% delle prestazioni, utilizzava 170 volte meno risorse di elaborazione, ma rappresenta comunque un costo significativo rispetto ai modelli precedenti.<\/p>\n Innanzitutto, abbiamo la dipendenza dall\u2019informatica di massa<\/strong>. L\u2019aumento dell\u2019uso dei chip e la necessit\u00e0 di processori pi\u00f9 potenti aumentano direttamente i costi operativi.<\/p>\n Ad esempio, i test ad alte prestazioni di o3 hanno utilizzato risorse per un valore di oltre 10.000 dollari per una singola attivit\u00e0.<\/p>\n Miglioramenti marginali nei modelli di intelligenza artificiale richiedono ora investimenti sproporzionati in infrastrutture e tempo. La difficolt\u00e0 nel migliorare le prestazioni<\/strong> \u00e8 dovuta al fatto che i guadagni facili sono gi\u00e0 stati raggiunti e i prossimi miglioramenti richiedono approcci sempre pi\u00f9 sofisticati.<\/p>\n Infine, non dobbiamo escludere l’esistenza di inefficienze nell’implementazione<\/strong>. Sebbene il ridimensionamento del tempo di inferenza produca risultati, aumenta anche i tempi di calcolo. In alcuni casi, sono necessari dai 10 ai 15 minuti affinch\u00e9 il modello produca una risposta ottimale.<\/p>\n Considerando l\u2019entit\u00e0 dei costi, modelli come l\u2019o3 non sembrano essere progettati per le attivit\u00e0 quotidiane. Usarlo per le attivit\u00e0 pi\u00f9 comuni, come comporre messaggi o riassumere testi, \u00e8 come uccidere le mosche con un cannone.<\/p>\n Mentre strumenti come GPT-4o o Google Gemini 1.5 possono rispondere a domande semplici in modo rapido ed efficiente, o3 si concentra su query complesse che richiedono un elevato livello di ragionamento. **<\/p>\n Ad esempio, il modello potrebbe essere utile per istituzioni con tasche profonde, come gruppi di ricerca o aziende che cercano di risolvere problemi specifici e altamente rilevanti.<\/p>\n Tuttavia, anche in questi casi, o3 presenta ancora dei limiti. Secondo Fran\u00e7ois Chollet, creatore del benchmark ARC-AGI, o3 non \u00e8 AGI e fallisce comunque in compiti semplici che un essere umano potrebbe facilmente risolvere.<\/p>\n Inoltre, come la maggior parte dei modelli linguistici, o3 soffre ancora di problemi con allucinazioni, ovvero fornisce risposte errate ma convincenti.<\/p>\n Per affrontare le sfide in termini di costi ed efficienza, i ricercatori stanno esplorando diverse strategie:<\/p>\n Il futuro della scalabilit\u00e0 nell\u2019intelligenza artificiale solleva domande importanti. \u00c8 sostenibile continuare ad aumentare i costi per ottenere miglioramenti marginali? Quali tipi di attivit\u00e0 giustificherebbero l’utilizzo di modelli come o3?<\/p>\n Inoltre, quanto ulteriormente potr\u00e0 avanzare l\u2019intelligenza artificiale senza un cambiamento fondamentale nel modo in cui comprendiamo e sviluppiamo questi sistemi? La corsa all\u2019IA \u00e8 tutt\u2019altro che finita, ma ogni passo avanti sembra richiedere un prezzo pi\u00f9 alto.<\/p>\n","protected":false},"excerpt":{"rendered":" Raggiungere nuovi livelli di capacit\u00e0 e prestazioni sembra essere pi\u00f9 impegnativo e costoso che mai per i modelli di intelligenza artificiale. La comparsa di nuovi modelli come o3 di OpenAI evidenzia come i miglioramenti nell’intelligenza artificiale siano sempre pi\u00f9 difficili da ottenere e, soprattutto, pi\u00f9 costosi. Man mano che i modelli avanzano, le \u201cleggi di […]<\/p>\n","protected":false},"author":9,"featured_media":16083,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_uag_custom_page_level_css":"","_thinkrank_schema_form_data":"","_thinkrank_selected_schema_type":"","_thinkrank_additional_schemas":"","_thinkrank_canonical_url":"","_thinkrank_og_title":"","_thinkrank_og_description":"","_thinkrank_og_image":"","_thinkrank_twitter_title":"","_thinkrank_twitter_description":"","_thinkrank_twitter_image":"","_thinkrank_imported_from":"","_thinkrank_focus_keywords":[],"_thinkrank_focus_keyword":"","_thinkrank_robots_meta_enabled":0,"_thinkrank_robots_meta":"","_thinkrank_advanced_robots_meta":"","_thinkrank_exclude_from_search":0,"_thinkrank_exclude_from_archives":0,"_thinkrank_primary_category":0,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[716],"tags":[],"class_list":["post-26205","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-intelligenza-artificiale"],"uagb_featured_image_src":{"full":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/avance-ia-camino-dificil.jpg",1344,768,false],"thumbnail":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/avance-ia-camino-dificil-150x150.jpg",150,150,true],"medium":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/avance-ia-camino-dificil-300x171.jpg",300,171,true],"medium_large":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/avance-ia-camino-dificil-768x439.jpg",768,439,true],"large":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/avance-ia-camino-dificil-1024x585.jpg",1024,585,true],"1536x1536":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/avance-ia-camino-dificil-1536x878.jpg",1536,878,true],"2048x2048":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/avance-ia-camino-dificil.jpg",1344,768,false]},"uagb_author_info":{"display_name":"marketing","author_link":"https:\/\/comunicagenia.com\/it\/blog\/author\/marketing\/"},"uagb_comment_info":0,"uagb_excerpt":"Raggiungere nuovi livelli di capacit\u00e0 e prestazioni sembra essere pi\u00f9 impegnativo e costoso che mai per i modelli di intelligenza artificiale. La comparsa di nuovi modelli come o3 di OpenAI evidenzia come i miglioramenti nell’intelligenza artificiale siano sempre pi\u00f9 difficili da ottenere e, soprattutto, pi\u00f9 costosi. Man mano che i modelli avanzano, le \u201cleggi di…","_links":{"self":[{"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/posts\/26205","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/comments?post=26205"}],"version-history":[{"count":0,"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/posts\/26205\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/media\/16083"}],"wp:attachment":[{"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/media?parent=26205"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/categories?post=26205"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/comunicagenia.com\/it\/wp-json\/wp\/v2\/tags?post=26205"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}La seconda era delle Leggi sull’Escalation<\/h2>\n
Inference Time Scaling: cos’\u00e8 e come funziona?<\/h2>\n
Quali sono le cause di questi costi eccessivi?<\/h2>\n
A volte o3 \u00e8 come uccidere le mosche con il fuoco dei cannoni<\/h2>\n
Soluzioni e il futuro della scalabilit\u00e0<\/h2>\n
\n
\n
\n
\n
Ne vale la pena? Domande aperte sullo sviluppo dell’intelligenza artificiale<\/h2>\n