![\"Yann](\"https:\/\/www.europesays.com\/it\/wp-content\/uploads\/2026\/03\/69c1804e2ffc9.jpeg\")
<\/p>\ndi Martina Pennisi<\/p>\n
\u00abOggi i sistemi di Intelligenza Artificiale funzionano bene solo con dati che possono essere rappresentati come sequenze di elementi separati. Ma il mondo reale non \u00e8 cos\u00ec\u00bb spiega. Dall’addio a Zuckerberg al progetto di un \u00absistema intelligente universale\u00bb<\/p>\n
Parigi, 1970. \u00c8 l\u2019anno dell\u2019Apollo 13,<\/b> tentativo fallito di raggiungere nuovamente la luna, e dell\u2019iconica frase \u00abHouston, abbiamo un problema\u00bb. L\u2019anno dei 23 minuti su Venere della sonda sovietica Venera 7, primo oggetto costruito dall\u2019uomo ad atterrare con successo su un altro pianeta<\/b> e capace di trasmettere dati verso la Terra.<\/p>\n
Un bambino di 9 anni va al cinema a vedere 2001: Odissea nello spazio con il fratello e il padre, un ingegnere aerospaziale. <\/b>\u00c8 gi\u00e0 appassionato di spazio, scienza e ingegneria, ma quel film \u00e8 destinato a piantarglisi in testa per non uscirne pi\u00f9.
\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>\n
\u00abToccava tre temi che mi colpirono molto. Il primo era il viaggio nello spazio. <\/b>Il secondo era l\u2019emergere dell\u2019intelligenza negli esseri umani. Questa domanda mi affascinava molto. Leggevo libri sull\u2019evoluzione e mi chiedevo come fosse possibile che l\u2019evoluzione producesse qualcosa come l\u2019intelligenza. Che cos\u2019\u00e8 davvero l\u2019intelligenza?<\/b> mi domandavo. Quella domanda, in un certo senso, \u00e8 diventata la mia professione, all\u2019epoca era solo una fascinazione infantile. Il terzo tema era l\u2019intelligenza artificiale: nel film c\u2019\u00e8 un computer intelligente<\/b> e l\u2019idea mi sembrava straordinaria. Da allora, ho iniziato a pensare che il modo migliore per capire che cosa sia l\u2019intelligenza fosse provare a costruire un sistema intelligente\u00bb.<\/p>\n
E lo ha fatto, con un certo successo: Yann LeCun<\/b>, scienziato francese naturalizzato americano, \u00e8 uno dei pionieri dell\u2019AI. Nel 2018 ha vinto il premio Turing, considerato il Nobel per l\u2019informatica<\/b>, con Yoshua Bengio e Geoffrey Hinton per aver contribuito con le loro scoperte \u2014 insieme e separati \u2014 all\u2019inizio dell\u2019era dell\u2019apprendimento profondo (deep learning<\/b>). Che \u00e8 alla base di tutti i sistemi moderni che inseguono la chimera di un\u2019intelligenza parallela imitando il funzionamento del cervello umano attraverso strutture che si chiamano reti neurali artificiali.<\/b><\/p>\n
Il destino ci aveva gi\u00e0 messo del suo per rendere la cosa ancora pi\u00f9 appassionante e aveva diviso cos\u00ec il terzetto: Hinton lavorava gi\u00e0 per Google,<\/b> a cui aveva venduto la sua startup di ricerca Dnnresearch. Nel 2023 dar\u00e0 le dimissioni per essere libero di parlare dei rischi dell\u2019AI <\/b>e l\u2019anno dopo vincer\u00e0 il Nobel per la Fisica, sempre per gli studi sulle reti neurali.
Bengio era e rimarr\u00e0 un ricercatore indipendente,<\/b> preoccupato per le derive dell\u2019utilizzo del loro lavoro a fini commerciali. Lo scorso giugno ha lanciato la no-profit LawZero per creare modelli AI etici.<\/p>\n
LeCun era stato assoldato da Mark Zuckerberg, <\/b>dopo un lungo corteggiamento culminato in una cena a casa dell\u2019imprenditore, in California, per creare una struttura di Intelligenza artificiale interna a Meta, che all\u2019epoca si chiamava Facebook. Nel novembre del 2025, LeCun ha dato le dimissioni,<\/b> chiudendo il rapporto lavorativo iniziato 12 anni prima. <\/b>\u00abMark era dispiaciuto che me ne andassi. Ho ottimi rapporti con lui e con Meta nel suo complesso. Ma le nostre traiettorie stavano in un certo senso divergendo <\/b>e aveva senso prendere strade diverse\u00bb racconta LeCun a 7<\/b>.\u00f9<\/p>\n
Risponde in videochiamata da Parigi, <\/b>sorridente, pacato e gentile come in ogni conversazione che abbiamo avuto in passato. Con l\u2019umilt\u00e0 di precisare che s\u00ec \u00e8 proprio lui, Yann, nonostante sullo schermo compaia un altro nome, quello del suo collaboratore che ha attivato la chiamata. E ci siamo solo noi due nella conversazione: non c\u2019\u00e8 il collaboratore o un o una pr pronti a intervenire,<\/b> come pu\u00f2 accadere quando si sta parlando dell\u2019avvio di una nuova startup (a cui arriveremo tra poco).<\/p>\n
<\/p>\n
Torniamo agli anni di Meta, in cui ha lasciato il segno contribuendo a convincere Zuckerberg a rendere open source i suoi modelli: <\/b>\u00abLavoravo all\u2019interno di Fair (il laboratorio AI di Meta fondato da LeCun, ndr) e stavamo iniziando a ottenere risultati davvero buoni. Ho avuto per molto tempo il supporto di Mark e di Andrew Bosworth<\/b>, il direttore tecnologico dell\u2019azienda. A un certo punto per\u00f2 mi sono reso conto che molte delle applicazioni della tecnologia che stavamo sviluppando riguardavano soprattutto l\u2019industria, ambiti che non rientrano nelle priorit\u00e0 di Meta, che \u00e8 molto concentrata nel connettere le persone tra loro<\/b>. A differenza di altre aziende tecnologiche non si \u00e8 diversificata in molti altri settori. E la nostra tecnologia andava molto oltre. Mark ha capito che io volevo accelerare sul mio progetto, renderlo un prodotto reale e applicarlo a molti casi d\u2019uso\u00bb.<\/p>\n
LeCun assicura che \u00abnon c\u2019\u00e8 e non c\u2019\u00e8 stato alcun conflitto o disaccordo\u00bb<\/b>, ma non si pu\u00f2 non domandarsi \u2014 e domandargli \u2014 che ruolo abbia avuto nella sua decisione l\u2019arrivo in Meta di Alexandr Wang, 28 anni, pi\u00f9 giovane dei tre figli di LeCun<\/b> (39, 37, 34 anni). Superstar \u00abfurba\u00bb dall\u2019AI di oggi, ha capito che in tutto questo tripudio di tecnologia, gli esseri umani sono ancora molto utili per fare una cosa, oltre che per programmare modelli: pulire ed etichettare i dati, manualmente. Spiegare all\u2019AI cosa sta vedendo nei video,<\/b> nelle immagini e nei testi, cos\u00ec da renderla pi\u00f9 performante e aiutarla nella fase di apprendimento.\u00a0<\/p>\n
Partendo da questo servizio, la sua startup Scale AI \u00e8 arrivata a valere 29 miliardi di dollari.<\/b> Zuck ci ha investito 14,3 miliardi e ha assunto Wang, mettendolo di fatto in contrapposizione a LeCun. Il genio scientifico e visionario contro quello pragmatico e imprenditoriale.<\/b> E \u00abinesperto\u00bb nell\u2019ambito della ricerca, come lo aveva definito LeCun in passato.<\/p>\n
Spiega, senza mai nominarlo direttamente: \u00abLui \u00e8 molto concentrato sui Large language model<\/b> (i modelli per generare linguaggio umano come ChatGpt, ndr). E lo si pu\u00f2 capire da un punto di vista strategico per un\u2019azienda come Meta: devono recuperare terreno rispetto al resto dell\u2019industria. Sono percepiti come un po\u2019 indietro.<\/b> In realt\u00e0 la tecnologia di base \u00e8 molto buona e c\u2019\u00e8 molta competenza, ma era necessario concentrare molte risorse per rimettersi in pari. C\u2019\u00e8 stata anche la sensazione che Llama 4 (l\u2019ultima versione dell\u2019Llm di Meta, ndr) fosse stata in parte una delusione, quindi si \u00e8 rafforzata l\u2019idea che servisse maggiore focalizzazione. Questo ha portato alla riorganizzazione avvenuta nel 2025. In Silicon Valley esiste anche una sorta di effetto gregge: <\/b>tutte le grandi aziende finiscono per lavorare sulle stesse cose, perch\u00e9 non possono permettersi di scegliere una strada leggermente diversa e rischiare di restare indietro rispetto alle altre. Cos\u00ec le aziende continuano ad assumere ingegneri le une dalle altre<\/b> e cercano soprattutto di tenere il passo. Noi stiamo lavorando su qualcosa di completamente diverso. In questo senso siamo, in gran parte, fuori da quella dinamica\u00bb.<\/p>\n
Quando dice \u00abnoi\u00bb si riferisce alla startup che ha fondato quest\u2019anno: Advanced Machine Intelligence<\/b>. \u00abAmi, amico in francese\u00bb come ha sottolineato mesi fa, svelando una delle due caratteristiche principali dell\u2019impresa: la sede in Europa. A Parigi, appunto. \u00abC\u2019\u00e8 una grande domanda da parte di aziende e governi per un fornitore credibile di sistemi di AI avanzata che non sia n\u00e9 americano n\u00e9 cinese\u00bb <\/b>e \u00abla concentrazione di talento \u00e8 piuttosto alta in Francia\u00bb.\u00a0<\/p>\n
Con la Silicon Valley dell\u2019effetto gregge ha preso le distanze. Il miliardo di dollari (1,03) che ha raccolto \u00abarriva anche da investitori americani, naturalmente, ma nessuno di questi \u00e8 un tradizionale venture capital della Silicon Valley.<\/b> \u00c8 piuttosto insolito, soprattutto considerando che questo \u00e8 il pi\u00f9 grande seed round della storia in Europa\u00bb.<\/p>\n
Chi ha scommesso \u2014 Cathay Innovation, Greycroft, Hiro Capital, HV Capital, Bezos Expeditions di Jeff Bezos <\/b>e anche Nvidia \u2014 ha scommesso su di lui, sulla sua idea di futuro che si basa sui cosiddetti world models, reti neurali che simulano mondi artificiali. E che va oltre quelli che ritiene siano le due grandi limitazioni che non permetteranno agli Llm di raggiungere o addirittura superare l\u2019intelligenza umana<\/b>: \u00abLa prima \u00e8 che funzionano bene solo con dati che possono essere rappresentati come sequenze di elementi separati \u2014 parole, simboli del codice, formule matematiche. Il linguaggio umano \u00e8 uno di questi. Ma il mondo reale non funziona cos\u00ec. Nel mondo reale ricevi dati dai sensori:<\/b> dati visivi da una telecamera, misurazioni di sensori in un processo industriale, dati finanziari o biologici. E questi dati sono continui. Non sono simboli, sono numeri<\/b>. Inoltre sono ad alta dimensionalit\u00e0: ogni misurazione pu\u00f2 includere migliaia di variabili\u00bb spiega.<\/p>\n
La seconda limitazione \u00abriguarda il modo in cui gli Llm producono l\u2019output (le risposte, ndr), cio\u00e8 attraverso la cosiddetta predizione autoregressiva.<\/b> Durante l\u2019addestramento si prende una sequenza di parole o simboli e si insegna al modello a prevedere la parola successiva. Naturalmente non \u00e8 possibile prevedere con certezza quale parola verr\u00e0 dopo. Quello che il modello fa \u00e8 assegnare una probabilit\u00e0 a ogni parola del vocabolario. In questo modo gestisce l\u2019incertezza. C\u2019\u00e8 sempre una probabilit\u00e0 che il sistema devii e produca una parola che non ha nulla a che vedere con la risposta. \u00c8 ci\u00f2 che oggi viene chiamato allucinazione. <\/b>E se il sistema deve compiere azioni, non ha alcun modo di prevederne le conseguenze. Per questo oggi abbiamo sistemi che possono superare l\u2019esame da avvocato, dimostrare teoremi matematici o scrivere codice, ma non abbiamo robot domestici.<\/b> Non abbiamo nemmeno robot intelligenti quanto un gatto domestico, perch\u00e9 gli Llm non gestiscono bene il mondo reale\u00bb.<\/p>\n
Con Ami e la sua architettura Jepa (Joint Embedding Predictive Architecture), LeCun vuole creare una sorta di sistema intelligente universale<\/b>, ancorato al mondo reale e fisico, e metterlo a disposizione di partner industriali come case automobilistiche, aziende aerospaziali, imprese biomediche e gruppi farmaceutici.<\/p>\n