L’intelligenza artificiale potrebbe aver trovato una nuova strada per continuare a migliorare anche mentre i metodi tradizionali di sviluppo mostrano i primi segnali di rallentamento. È quanto emerge da una ricerca pubblicata dal team Seed AI di ByteDance, società proprietaria di TikTok, che descrive una nuova legge di scala relativa agli agenti AI, software autonomi progettati per svolgere attività al posto degli esseri umani. Secondo lo studio, questi sistemi possono raddoppiare la velocità di apprendimento ogni tre mesi grazie all’interazione prolungata con ambienti e compiti del mondo reale.
Un nuovo approccio allo sviluppo degli agenti AI
La ricerca arriva in un momento particolarmente delicato per il settore. Negli ultimi anni i principali sviluppi dell’intelligenza artificiale sono stati ottenuti aumentando la quantità di dati utilizzati per l’addestramento e la potenza di calcolo impiegata. Tuttavia, diversi esperti del settore ritengono che questa strategia stia raggiungendo i propri limiti.
In questo contesto, il lavoro del team Seed AI propone un cambio di paradigma. Invece di concentrarsi esclusivamente sulla fase di addestramento iniziale, i ricercatori hanno studiato come gli agenti AI continuano a imparare dopo il loro impiego, osservandone il comportamento durante lo svolgimento di attività concrete e prolungate. I risultati suggeriscono che l’esperienza acquisita sul campo può diventare un elemento fondamentale per accelerarne l’evoluzione.
Perché i dati potrebbero non bastare più
Uno dei motivi che spinge l’industria a cercare nuove strategie riguarda la futura disponibilità di dati. Negli ultimi anni lo sviluppo dei modelli si è basato soprattutto sull’impiego di enormi quantità di testi prodotti dagli esseri umani, ma questa risorsa non è infinita.
Lo studio richiama infatti l’attenzione sulle previsioni dell’istituto di ricerca Epoch AI, secondo cui i dati testuali pubblicamente disponibili potrebbero esaurirsi entro i prossimi sei anni. Una prospettiva che rende ancora più importante individuare metodi alternativi per migliorare le capacità dei sistemi di intelligenza artificiale.
Secondo i ricercatori di ByteDance, nonostante molte aziende stiano investendo sempre di più negli agenti AI autonomi, resta ancora poco compreso il modo in cui questi sistemi apprendano realmente una volta distribuiti negli ambienti operativi.
EdgeBench e la nuova legge di scala
Per approfondire questo aspetto, il team ha sviluppato EdgeBench, una piattaforma di valutazione composta da 134 attività a lunghissimo orizzonte temporale, progettate per mettere alla prova gli agenti AI in contesti estremamente complessi.
I test spaziano dall’ingegneria del software alla scoperta scientifica, passando per la matematica formale e attività professionali ad alta specializzazione. Ciascun compito richiede almeno 12 ore di lavoro continuo, consentendo ai ricercatori di osservare come gli agenti migliorino nel tempo grazie all’esperienza accumulata.
Proprio da queste osservazioni nasce la nuova legge di scala proposta da ByteDance: gli agenti sarebbero in grado di raddoppiare la propria velocità di apprendimento ogni tre mesi, un risultato che potrebbe contribuire a sostenere il ritmo di innovazione dell’intelligenza artificiale anche in una fase in cui i metodi tradizionali stanno mostrando segni di rallentamento.
Fonte: SCMP
