Il limite degli LLM è stato raggiunto: la prossima rivoluzione è la Physical AI secondo Yann LeCun

Il futuro dell’intelligenza artificiale sta cambiando rotta. Se negli ultimi anni il mercato è stato dominato dall’entusiasmo per i Large Language Models (LLM), oggi i leader tecnologici concordano: abbiamo probabilmente raggiunto il limite di ciò che il solo linguaggio può fare.

A guidare questa analisi è Yann LeCun, ex Chief AI Scientist di Meta, professore alla New York University e vincitore del Premio Turing, considerato globalmente uno dei padri fondatori dell’IA moderna. (Intervista YouTube)

Il paradosso del pioniere: perché gli LLM non bastano più

È significativo che a contestare l’onnipotenza degli LLM sia proprio chi ha contribuito a creare le fondamenta del Deep Learning. L’autorevolezza di LeCun conferisce un peso unico a questa critica: egli sostiene che non raggiungeremo mai una vera intelligenza di livello umano semplicemente “ingrandendo” i modelli attuali (scaling up).

Secondo lo scienziato, basare i futuri sistemi decisionali (gli agentic systems) esclusivamente sugli LLM è una “ricetta per il disastro”. Il motivo è strutturale:

• Mancanza di un “World Model”: Questi modelli sono eccellenti nel manipolare simboli e parole, ma sono privi di una comprensione delle conseguenze fisiche della realtà.
• Incapacità di pianificazione: Sanno parlare del lavoro, ma non sanno come il mondo funzioni realmente, rendendo impossibile la gestione di azioni complesse.
• Apprendimento inefficiente: un limite macroscopico è il divario di apprendimento: mentre un adolescente impara a guidare in circa 10 ore, i sistemi attuali necessitano di milioni di ore di dati e falliscono ancora nella guida autonoma di livello 5.

La svolta: La Physical AI Revolution

La prossima grande rivoluzione non riguarderà testi più fluidi, ma la Physical AI. Si tratta di sistemi capaci di comprendere la realtà attraverso dati sensoriali continui, come video e sensori industriali, superando il limite delle semplici stringhe di testo.

Attraverso l’architettura JEPA (Joint-Embedding Predictive Architecture) proposta da LeCun, stiamo passando a una Objective-Driven AI che:

• Apprende dall’osservazione: Acquisisce il “senso comune” fisico guardando la realtà e i processi, proprio come un essere umano.
• Pianifica per obiettivi: Non si limita a prevedere la “prossima parola”, ma ragiona per risolvere problemi concreti nel mondo fisico, garantendo sicurezza e prevedibilità.

Per le grandi aziende, specialmente quelle ad alto tasso tecnologico e manifatturiero, questa non è solo una discussione accademica. Significa che l’investimento strategico si sposterà progressivamente dai semplici chatbot a sistemi capaci di governare processi fisici complessi con un’autonomia reale.