Yann LeCun, vincitore del Premio Turing, afferma che i più celebri sistemi di intelligenza artificiale di oggi non sono la strada verso macchine veramente intelligenti. Nella sua startup con sede a Parigi, Advanced Machine Intelligence Labs (AMI Labs), l'ex scienziato capo dell'intelligenza artificiale di Meta sta costruendo un tipo di modello fondamentalmente diverso progettato per comprendere il mondo fisico nel modo in cui possono farlo un topo o un bambino.

Parlando alla BBC a margine della conferenza VivaTech di Parigi, LeCun ha sostenuto che i modelli linguistici di grandi dimensioni come ChatGPT, Claude e Gemini hanno usi reali ma hanno un limite rigido. Per ulteriori informazioni sulla copertura del settore dell’intelligenza artificiale che modella il modo in cui ricercatori e investitori pensano a questi limiti, il dibattito più ampio su ciò che verrà dopo l’era LLM è diventato una delle domande più consequenziali nel campo.

"Non abbiamo robot che siano altrettanto bravi dei topi nel comprendere il mondo fisico", ha detto LeCun. Ha lasciato Meta, proprietario di Facebook, nel 2025, dopo un decennio come capo scienziato dell'intelligenza artificiale, e ha fondato AMI Labs per perseguire un'architettura alternativa.

Perché LeCun afferma che i LLM non sono sufficienti

LeCun sostiene che gli LLM eccellono in compiti ben definiti e prevedibili come la codifica, la risoluzione di problemi matematici e la generazione di testo. Ma egli sostiene che questi punti di forza nascondono un limite più profondo: i sistemi manipolano modelli statistici piuttosto che ragionare sulla realtà.

"Fondamentalmente accumulano solo conoscenza", ha detto dei LLM. "Possono rigurgitare qualcosa, li alleni a rigurgitare, ma non sono particolarmente intelligenti. Non hanno una comprensione di fondo."

Per illustrare il divario, LeCun tiene in equilibrio una penna in posizione verticale sulla punta e la lascia andare. Anche un bambino sa che la penna cadrà, osserva, ma nessun essere umano proverebbe a prevedere l’esatta direzione in cui cadrà, perché tale risultato è davvero incerto. Un LLM, al contrario, tenterà di generare un'unica previsione basata sui modelli presenti nei suoi dati di addestramento. Questa previsione sarebbe quasi certamente sbagliata, perché il modello non ragiona sulla situazione fisica; sta producendo ciò che sembra statisticamente plausibile.

"I LLM sono in gran parte senza speranza per la robotica", ha detto senza mezzi termini LeCun. "Le affermazioni secondo cui in qualche modo semplicemente aumentando gli LLM raggiungeremo un'intelligenza super umana, semplicemente non accadrà."

Come funziona JEPA

L'architettura che AMI Labs sta sviluppando si chiama Joint Embedding Predictive Architecture (JEPA). Invece di prevedere la parola o il pixel successivo, JEPA crea astrazioni del mondo reale che consentono di valutare i possibili risultati di un'azione.

Costruire queste astrazioni richiede una matematica complessa, ma il principio è semplice: il modello filtra i dettagli inutili, lasciando solo rappresentazioni utili del mondo. Nell’esempio della penna, un sistema basato sulla JEPA capirebbe che prevedere la direzione precisa della caduta è inutile e rappresenterebbe invece la situazione al livello di astrazione che conta effettivamente per il processo decisionale.

L’approccio colloca AMI Labs all’interno di un movimento crescente attorno ai cosiddetti modelli mondiali, che mirano a fornire ai sistemi di intelligenza artificiale una simulazione interna di come si comportano gli ambienti, in modo che possano pianificare e agire piuttosto che limitarsi a generare testo.

Un campo competitivo

Gli investitori scommettono che LeCun abbia capito qualcosa. All’inizio del 2026, AMI Labs ha annunciato di aver raccolto più di 1 miliardo di dollari (760 milioni di sterline) in un round di finanziamento iniziale, con sostenitori tra cui il colosso statunitense dei chip Nvidia e il fondo che gestisce la ricchezza privata del fondatore di Amazon Jeff Bezos. È stato uno dei più grandi round di seed nella storia delle startup europee.

AMI Labs non è sola nella corsa. All’Università di Oxford, il professore Ingmar Posner dirige l’Applied AI Lab e guida un team di circa dieci persone che ha trascorso quattro anni su un approccio alternativo che lui chiama “modello mondiale meccanicistico”, che struttura la conoscenza in modo che l’intelligenza artificiale possa richiamarla, combinarla e modificarla in modo efficiente.

"La mia opinione è che il prossimo decennio riguarderà davvero i sistemi in grado di spiegare", ha detto Posner alla BBC. "Hai bisogno di modelli in grado di rispondere a domande come: cosa conta? Cosa causa cosa? Cosa accadrebbe se facessi qualcos'altro?"

Questo lignaggio risale a un influente articolo del 2018 di David Ha e Jürgen Schmidhuber, in cui si sosteneva che i progressi nel campo dell’informatica e dell’apprendimento automatico potrebbero consentire a un’intelligenza artificiale di apprendere compiti esclusivamente da una simulazione mentale appresa del mondo. Da allora l'idea ha catalizzato ricerche significative, incluso il modello mondiale Dreamer di Google, una variante del quale ha imparato da solo a raccogliere diamanti in Minecraft immaginando scenari futuri. DeepMind di Alphabet continua il lavoro con il suo modello Genie, Wayve con sede a Londra ha un sistema chiamato Gaia e il pioniere dell'intelligenza artificiale Fei-Fei Li ha fondato World Labs a San Francisco nel 2023 per perseguire obiettivi simili.

L'imperativo della robotica

La spinta verso modelli mondiali è guidata in gran parte dall’industria della robotica, che ha investito miliardi di dollari in robot umanoidi le cui prodezze fisiche diventano ogni anno più impressionanti. Ma addestrare queste macchine a svolgere in sicurezza compiti domestici come stirare o caricare una lavastoviglie rimane difficile e costoso, e LeCun insiste che gli attuali modelli di intelligenza artificiale non saranno mai abbastanza buoni per quell’ambiente.

LeCun ha affermato che AMI Labs trascorrerà il resto del 2026 a perfezionare il suo modello e spera di iniziare a implementarlo in contesti industriali nel 2027. Se ciò avrà successo, le ambizioni si espanderanno notevolmente.

"Alla fine avremo una sorta di sistemi di intelligenza generici e generali che potranno essere applicati praticamente a qualsiasi cosa nel mondo con una formazione o una messa a punto minima", ha affermato.

Per quanto riguarda ciò che accadrà agli esseri umani in quel futuro, LeCun è ottimista. Le persone continueranno a decidere cosa costruire e quali domande porre, ha detto, mentre l’intelligenza artificiale funzionerà come un valido sostituto.

"La nostra interazione con i futuri sistemi di intelligenza artificiale, anche se saranno più intelligenti di noi, sarà come l'interazione tra un capitano d'industria o un leader politico con il suo staff di assistenti, molti dei quali sono più intelligenti di loro."

Stai al passo con l'intelligenza artificiale

Il passaggio dai modelli linguistici ai modelli mondiali potrebbe ridisegnare la mappa competitiva dell’intelligenza artificiale. Segui gli ultimi sviluppi dell'intelligenza artificiale mentre si svolgono.

Leggi altre notizie sull'AI →