I «modelli del mondo», software capaci di generare ambienti digitali che simulano la fisica, occupano uno spazio crescente nelle ricerche della Silicon Valley. Potrebbero presto inserirsi nella quotidianità, senza che i loro utenti interagiscano direttamente con essi, in particolare attraverso la robotica e le auto senza conducente.
Nel 2016, centinaia di milioni di giocatori percorrevano le strade con il loro smartphone per catturare Pokémon in Pokémon Go, un gioco di realtà mista. Quello che ignoravano è che i dati raccolti sul loro ambiente avrebbero potuto un giorno servire ad aiutare robot a evitare ostacoli e interagire con oggetti. Niantic, creatore del gioco, lo ha venduto e si è rivolto a uno dei temi più in voga dell’intelligenza artificiale. «Ci dedichiamo molto alla ricostruzione del mondo reale», dichiara Brian McClendon, direttore tecnico di Niantic Spatial. Spera di sfruttare questa massa di dati per costruire repliche del mondo.
Immagini piuttosto che parole
I grandi modelli linguistici (LLM), addestrati su testo, si distinguono dai modelli del mondo, che sfruttano input visivi. Oliver Cameron, CEO di Odyssey, un laboratorio di IA specializzato in questi modelli, confronta i due approcci: «Con un modello linguistico, hai una frase, e questo predice la parola successiva della frase. Con un modello del mondo, gli dai uno stato visivo del mondo, un’immagine, e predice poi il prossimo stato visivo del mondo.»
Queste generazioni in tre dimensioni possono servire come terreni di addestramento digitali. «Sono simulazioni, ma sembrano e appaiono reali», afferma.
Addestrare robot e auto autonome
Secondo Brian McClendon, i modelli del mondo permetterebbero ai robot di addestrarsi senza movimento fisico né presenza nell’ambiente mirato. Basterebbe fotografare il luogo dove il robot deve operare, generare un modello in 3D, poi lasciare che il software esegua «milioni di simulazioni» per apprendere i parametri dello spazio.
I robot umanoidi non sono gli unici a poter beneficiare di questi addestramenti simulati. Anche le auto senza conducente si basano su modelli del mondo, in un contesto dove le reazioni software, in una frazione di secondo, sono primordiali. Jamie Shotton, direttore scientifico di Wayve, che sviluppa modelli del mondo concepiti per l’automobile, sottolinea la posta in gioco: «È essenziale che un modello del mondo possa reagire alle azioni che intraprendiamo nel mondo, e deve quindi comprendere la fisica, la causa e l’effetto, così come il modo in cui altri oggetti e le persone modificano le loro azioni in risposta alle nostre.»
La fonte evoca il 2027 come un anno che potrebbe essere cruciale per lo sviluppo della robotica domestica e delle auto senza conducente, due settori rafforzati dai progressi dei modelli del mondo.
