Negli ultimi tempi, si sono verificate diverse importanti novità nel mondo dell'intelligenza artificiale, dalla pubblicazione di un modello open source performante, agli avvertimenti sui rischi per la sicurezza di un protocollo popolare, fino all'approvazione di una regolamentazione completa in California.

Ling-1T: Una rivoluzione nell'addestramento, non nell'architettura

  • L'azienda Ant Group ha presentato un enorme modello open source, Ling-1T, con un bilione di parametri.
  • A differenza della concorrenza, non necessita di una "modalità di ragionamento" speciale. La sua capacità di ragionare è integrata direttamente nella risposta, grazie a un intenso addestramento su dati contenenti sequenze di ragionamento.
  • Nei test, ha superato modelli come GPT-5 e Gemini 2.5 Pro in 22 dei 31 benchmark, in particolare in matematica e ragionamento logico.
  • Il modello è liberamente scaricabile con licenza MIT, il che elimina la distinzione tra modelli open source e commerciali.

 

Avvertimenti degli esperti: Il protocollo MCP nasconde seri rischi per la sicurezza

  • Un nuovo studio evidenzia un aumento esponenziale dei rischi per la sicurezza nei sistemi che utilizzano il Model Context Protocol (MCP).
  • Il problema risiede nel cosiddetto rischio compositivo: la vulnerabilità aumenta rapidamente con ogni server MCP aggiunto. Solo 2 server comportano un rischio del 36%, mentre con 10 server si avvicina al 92%.
  • Gli attaccanti possono sfruttare i server che ricevono dati da fonti non attendibili per eseguire comandi non autorizzati, come l'esecuzione di codice.

La California apre la strada: La prima regolamentazione completa sull'IA negli Stati Uniti

  • In risposta alla mancanza di leggi federali, la California ha approvato un pacchetto di quattro normative rivoluzionarie.
  • SB 53 impone ai creatori dei modelli più potenti di pubblicare i protocolli di sicurezza.
  • SB 243 protegge i minori dagli effetti dannosi dei chatbot.
  • AB 316 stabilisce che la responsabilità per i danni è sempre della società, e non dell'IA autonoma.
  • AB 853 impone una chiara etichettatura dei contenuti generati dall'IA.
  • Le leggi hanno suscitato reazioni contrastanti; alcune aziende le accolgono favorevolmente, mentre altre avvertono dei rischi di una frammentazione delle regole.

Gli scienziati hanno scoperto un percorso più efficace: Prompt migliori sostituiscono l'addestramento costoso

  • Un team di ricercatori ha presentato l'algoritmo GEPA, che migliora significativamente le capacità degli agenti di intelligenza artificiale. L'algoritmo GEPA ottimizza automaticamente le istruzioni (prompt) degli agenti di IA attraverso un processo di evoluzione iterativa. Il modello linguistico (LLM) analizza gli errori commessi dall'agente e, successivamente, modifica le istruzioni per correggere tali errori specifici. L'algoritmo testa e seleziona ripetutamente le istruzioni più performanti, aumentando l'efficienza in modo più efficace rispetto al semplice riaddestramento del modello.
  • Invece di un complesso processo di ottimizzazione del modello, genera e ottimizza automaticamente le istruzioni (prompt) sulla base dell'analisi degli errori commessi dall'agente.
  • Questo metodo ha ottenuto risultati migliori rispetto all'apprendimento tradizionale ed è stato fino a 35 volte più efficiente in termini di risorse computazionali.
  • Si tratta di una soluzione ideale per situazioni in cui i dati o la potenza di calcolo sono limitati.

Data Points – DeepLearning.AI di Andrew Ng / gnews.cz – GH