come ha detto mesi fa<\/a>).\u00a0
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n<\/p>\nSi tratta del pi\u00f9 grande round di finanziamento “seed” – il primo finanziamento esterno per avviare l’azienda, quando ancora non c’\u00e8 un prodotto –\u00a0mai registrato in Europa.<\/p>\n
Ami \u00e8 stata fondata nel 2026 con la missione di costruire sistemi di AI che comprendano la realt\u00e0 e operino in modo sicuro nel mondo reale e ha 12 dipendenti.<\/p>\n
Il round guidato da Cathay Innovation, Greycroft, Hiro Capital, HV Capital e Bezos Expeditions di Jeff Bezos ha l’obiettivo di sostenere la ricerca<\/b>, fare assunzioni<\/b> e sviluppare sistemi intelligenti affidabili<\/b>. Tra gli investitori c’\u00e8 anche Nvidia.\u00a0La nuova impresa \u00e8 ora valutata 3,5 miliardi di dollari.<\/p>\n
\u00abAbbiamo investitori americani, naturalmente, ma nessuno dei tradizionali venture capital della Silicon Valley<\/b>. \u00c8 piuttosto insolito, soprattutto considerando che questo \u00e8 il pi\u00f9 grande seed round\u00a0della storia al di fuori degli Stati Uniti. E siamo riusciti a realizzarlo senza i classici venture capitalist della Silicon Valley\u00bb ha sottolineato LeCun in un’intervista al Corriere.\u00a0<\/p>\n
Negli Usa, a far saltare il banco \u00e8 stata Thinking Machine Lab<\/b> dell’ex OpenAI Mira Murati: 2 miliardi raccolti lo scorso giugno. Nel 2025, secondo Cb Insights, le startup di AI hanno raccolto circa 225 miliardi di dollari<\/b>, il 48% della raccolta fondi dei venture capital.<\/p>\n
Le caratteristiche del progetto da sottolineare sono due: 1<\/b>) la sede \u00e8 in Europa<\/b>, a Parigi. L’azienda \u00e8 globale, con altri uffici a New York, Montreal e Singapore, ma il quartier generale \u00e8 appunto in Ue perch\u00e9 \u00abc’\u00e8 una grande domanda da parte di aziende e governi per un fornitore credibile di sistemi di AI avanzati che non sia n\u00e9 americano n\u00e9 cinese\u00bb\u00a0e perch\u00e9 \u00abla concentrazione di talento \u00e8 piuttosto alta in Francia\u00bb,\u00a0spiega LeCun.<\/p>\n
2<\/b>) Invece di puntare sui Large language model come ChatGpt, diventati ormai erroneamente sinonimo di Intelligenza artificiale, Ami si occupa dell’apprendimento di rappresentazioni astratte della realt\u00e0, che aspirano a essere quanto pi\u00f9 possibile simili ai modelli mentali degli esseri umani. I cosiddetti world models<\/b>,\u00a0 in questo caso basati sull’architettura Jepa\u00a0<\/b>(joint embedding predictive architecture).<\/p>\n
Nel concreto, significa spostare il problema dall\u2019imitazione del linguaggio alla modellazione del mondo<\/b>. ChatGpt e simili imparano a prevedere la parola pi\u00f9 probabile che segue la precedente, perch\u00e9 sono addestrati su grandi quantit\u00e0 di testo. I world models, invece, cercano di costruire una rappresentazione astratta della realt\u00e0 fisica e di prevedere come quello stato del mondo possa evolvere nel tempo, cercando di anticipare cosa potrebbe succedere in una situazione reale.<\/p>\n
Spiega LeCun: \u00abIn un video possono accadere cos\u00ec tante cose, e molte sono completamente imprevedibili, che non si riesce ad addestrare un sistema a fare una buona previsione. Ho iniziato a lavorare sull\u2019auto-supervisione (l’addestramento del modello usando i video stessi come fonte, ndr) circa 15 anni fa, ma per i primi dieci anni non siamo arrivati praticamente da nessuna parte, perch\u00e9 cercavamo di prevedere a livello di pixel cosa sarebbe accaduto. Circa cinque anni fa abbiamo capito che il modo migliore per affrontare il problema \u00e8 far s\u00ec che il sistema impari una rappresentazione pi\u00f9 astratta del video, che elimini molti dettagli. In questo spazio di rappresentazione astratta il sistema pu\u00f2 fare previsioni molto migliori, perch\u00e9 i dettagli imprevedibili sono stati eliminati\u00bb.\u00a0<\/p>\n
Quindi, facendo il classico esempio della pallina in bilico sul bordo del tavolo<\/b>: in un primo caso, i modelli generativi per video come Sora di OpenAI provano a prevedere a livello di singolo pixel cosa accadr\u00e0 dopo visivamente, come i modelli testuali fanno per le parole. Forma, ombre, traiettoria, riflessi, colori, tutti dettagli che rischiano di far accumulare errori.\u00a0 E lo fanno senza capire necessariamente cosa pu\u00f2 comportare: se la pallina cade rimbalza, svanisce o si fonde con il pavimento? Non hanno una risposta “solida”. Nei world models, invece, il modello fa una mappa astratta dello spazio e degli oggetti presenti sulla scena e anticipa cosa accadr\u00e0. Ovvero che se la massa solida \u00e8 in bilico sul bordo della superficie, probabilmente poi cadr\u00e0 verso il basso.\u00a0<\/p>\n
Il sistema a questo pu\u00f2 chiedersi cosa fare, perch\u00e9 non si \u00e8 limitato a rappresentare uno scenario plausibile, e simulare azioni diverse da compiere in base all’obiettivo che vuole ottenere.<\/p>\n
Spiega LeCun: \u00abGli Llm non possono davvero pianificare e prevedere le conseguenze delle proprie azioni<\/b>. Ecco perch\u00e9\u00a0abbiamo sistemi che possono superare l\u2019esame da avvocato, dimostrare teoremi e scrivere codice, ma non abbiamo robot intelligenti quanto un gatto domestico\u00bb. Come ha spesso sottolineato in passato, LeCun ritiene che gli Llm per come sono strutturati non abbiano grandi margini di miglioramento nella rincorsa verso un ragionamento di livello umano.<\/p>\n
Advanced Machine Intelligence proceder\u00e0 in tre fasi<\/b>: \u00abLa prima sar\u00e0 soprattutto ricerca e sviluppo e consister\u00e0 nel consolidare la nostra metodologia e la nostra architettura, per assicurare sicurezza e applicabilit\u00e0 al mondo reale\u00bb. Poi\u00a0\u00ablavoreremo con partner industriali come case automobilistiche, aziende aerospaziali, imprese biomediche e gruppi farmaceutici perch\u00e9 ci diano i dati e per usare la nostra tecnologia nei loro casi d\u2019uso\u00bb. Ultimo step, \u00abdiversi anni pi\u00f9 avanti,\u00a0<\/b>produrre una sorta di sistema intelligente universale\u00bb. Il modello di business? \u00abAccordi di licenza con i partner. In futuro avremo\u00a0<\/b>un prodotto autosufficiente: il sistema intelligente universale\u00bb. Fra i primi clienti potrebbe essere proprio Meta<\/b>, che LeCun ha lasciato in novembre, per portare la tecnologia negli occhiali intelligenti Ray-Ban Meta.<\/p>\n
In Ami, al fianco di LeCun, che ha il ruolo di presidente esecutivo, ci sono l’amministratore delegato\u00a0Alexandre LeBrun<\/b>, il\u00a0chief science officer Saining Xie<\/b>, ricercatore specializzato nell\u2019apprendimento di rappresentazioni visive che arriva da Google DeepMind, e Pascale Fun<\/b>g, pioniera dell\u2019AI centrata sull\u2019uomo e ora chief research and innovation officer di Ami. Da Meta, LeCun si \u00e8 portato Michael Rabba<\/b>t, ora\u00a0vice presidente dei World Models, e il suo attuale chief operating officer Laurent Solly<\/b>.\u00a0<\/p>\n
Per non perdere le ultime novit\u00e0 su tecnologia e innovazione
iscriviti alla newsletter di Login<\/a><\/p>\n10 marzo 2026 ( modifica il 10 marzo 2026 | 06:47)<\/p>\n
\n \u00a9 RIPRODUZIONE RISERVATA\n <\/p>\n","protected":false},"excerpt":{"rendered":"Dopo aver lasciato Meta, l’informatico francese naturalizzato americano riparte da Parigi con Aim e ottiene il pi\u00f9 grande…\n","protected":false},"author":3,"featured_media":388982,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_share_on_mastodon":"0"},"categories":[173],"tags":[4319,168518,223069,223070,536,20151,72855,223075,2670,666,38448,4072,5609,873,12861,8493,223076,8650,30430,1293,15162,4933,5114,3761,3085,2097,6021,223077,3368,223078,223079,1251,223080,82005,223081,223082,96166,952,37470,223083,9657,667,668,3772,1537,90,89,76340,6110,45281,26991,223071,3334,5919,2506,159281,74393,3522,68017,16413,223072,4736,3969,4576,195,198,199,197,200,201,223073,2099,6341,479,223074,4905,194,196,150533,2392,161,223068],"class_list":["post-388981","post","type-post","status-publish","format-standard","has-post-thumbnail","category-scienza-e-tecnologia","tag-accadra","tag-advanced","tag-advanced-machine","tag-advanced-machine-intelligence","tag-americano","tag-ami","tag-apprendimento","tag-apprendimento-rappresentazioni","tag-architettura","tag-artificiale","tag-astratta","tag-azienda","tag-aziende","tag-azioni","tag-bezos","tag-bilico","tag-bilico-bordo","tag-bordo","tag-capital","tag-chatgpt","tag-chief","tag-costruire","tag-dettagli","tag-dollari","tag-europa","tag-far","tag-finanziamento","tag-finanziamento-seed","tag-francese","tag-francese-naturalizzato","tag-francese-naturalizzato-americano","tag-grandi","tag-imprevedibili","tag-informatico","tag-informatico-francese","tag-informatico-francese-naturalizzato","tag-innovation","tag-intelligence","tag-intelligente","tag-intelligente-universale","tag-intelligenti","tag-intelligenza","tag-intelligenza-artificiale","tag-investitori","tag-it","tag-italia","tag-italy","tag-lecun","tag-livello","tag-llm","tag-machine","tag-machine-intelligence","tag-meta","tag-modelli","tag-modello","tag-models","tag-officer","tag-possono","tag-prevedere","tag-rappresentazione","tag-rappresentazione-astratta","tag-reale","tag-realta","tag-round","tag-science","tag-science-and-technology","tag-scienceandtechnology","tag-scienza","tag-scienza-e-tecnologia","tag-scienzaetecnologia","tag-seed","tag-sistema","tag-sistemi","tag-spiega","tag-spiega-lecun","tag-startup","tag-technology","tag-tecnologia","tag-venture","tag-video","tag-world","tag-world-models"],"share_on_mastodon":{"url":"","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/388981","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/comments?post=388981"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/388981\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media\/388982"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media?parent=388981"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/categories?post=388981"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/tags?post=388981"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}