UN MIGLIORE SCENARIO PER L'IA? Le narrazioni da Doomer si sono rivelate errate. Predette su un "decollo rapido" verso l'AGI, prevedevano che il modello di IA leader avrebbe usato la sua intelligenza per migliorarsi autonomamente, lasciando gli altri indietro e raggiungendo rapidamente una superintelligenza divina. Invece, stiamo vedendo l'opposto: — i modelli leader si stanno raggruppando attorno a benchmark di prestazioni simili; — le aziende di modelli continuano a superarsi a vicenda con le loro ultime versioni (cosa che non dovrebbe essere possibile se uno raggiunge un decollo rapido); — i modelli stanno sviluppando aree di vantaggio competitivo, diventando sempre più specializzati in personalità, modalità, codifica e matematica, invece di un modello che diventa onnisciente. Nessuna di queste osservazioni vuole sminuire i progressi. Stiamo vedendo un forte miglioramento nella qualità, nell'usabilità e nel rapporto qualità/prezzo tra le principali aziende di modelli. Questo è il frutto di una grande ingegneria e dovrebbe essere celebrato. Non è solo il frutto di proclami apocalittici. Oppenheimer ha lasciato l'edificio. La corsa all'IA è altamente dinamica, quindi questo potrebbe cambiare. Ma in questo momento la situazione attuale è quella di Goldilocks: — Abbiamo 5 grandi aziende americane che competono vigorosamente sui modelli di frontiera. Questo porta il meglio in tutti e aiuta l'America a vincere la corsa all'IA. Come ha scritto @BalajiS: “Abbiamo molti modelli provenienti da molte fazioni che hanno tutte convergono su capacità simili, piuttosto che un enorme vantaggio tra il miglior modello e gli altri. Quindi dovremmo aspettarci un equilibrio di potere tra varie fusioni umane/IA piuttosto che un'unica AGI dominante che ci trasformerà tutti in graffette/pilastri di sale.” — Finora, abbiamo evitato un esito monopolistico che conferisce tutto il potere e il controllo a un'unica entità. A mio avviso, l'esito distopico più probabile con l'IA è un matrimonio tra potere corporativo e statale simile a quello che abbiamo visto esposto nei Twitter Files, dove "Trust & Safety" viene armato in censura e controllo governativo. Almeno quando hai più attori forti del settore privato, questo diventa più difficile. Al contrario, le dinamiche del vincitore prende tutto sono più propense a produrre esiti orwelliani. — È probabile che ci sia un ruolo importante per l'open source. Questi modelli eccellono nel fornire l'80-90% delle capacità al 10-20% del costo. Questo compromesso sarà altamente attraente per i clienti che valutano personalizzazione, controllo e costo rispetto alle capacità di frontiera. La Cina ha puntato tutto sull'open source, quindi sarebbe bello vedere più aziende americane competere in quest'area, come ha appena fatto OpenAI. (Anche Meta merita credito.) — È probabile che ci sia una divisione del lavoro tra modelli di base generalizzati e applicazioni verticalizzate specifiche. Invece di un'unica superintelligenza che cattura tutto il valore, è probabile che vediamo numerose applicazioni agentiche risolvere problemi dell'"ultimo miglio". Questa è una grande notizia per l'ecosistema delle startup. — C'è anche una divisione del lavoro sempre più chiara tra umani e IA. Nonostante tutti i progressi meravigliosi, i modelli di IA sono ancora a zero in termini di impostazione della propria funzione obiettivo. I modelli hanno bisogno di contesto, devono essere fortemente stimolati, l'output deve essere verificato e questo processo deve essere ripetuto iterativamente per raggiungere un valore commerciale significativo. Questo è il motivo per cui Balaji ha detto che l'IA non è end-to-end ma middle-to-middle. Questo significa che le previsioni apocalittiche di perdita di posti di lavoro sono tanto esagerate quanto l'AGI stessa. Invece, la verità che "non perderai il tuo lavoro a causa dell'IA, ma a causa di qualcuno che usa l'IA meglio di te" si sta dimostrando valida. In sintesi, le ultime versioni dei modelli di IA mostrano che le capacità dei modelli sono più decentralizzate di quanto molti avessero previsto. Anche se non c'è garanzia che questo continui — c'è sempre la possibilità che il mercato si concentri su un numero ristretto di attori una volta che il super-ciclo degli investimenti termina — lo stato attuale di competizione vigorosa è sano. Propelle l'innovazione in avanti, aiuta l'America a vincere la corsa all'IA e evita il controllo centralizzato. Questa è una buona notizia — che i Doomer non si aspettavano.

Il mio momento "Move 37" con GPT-5 Oggi condivido una delle mie esperienze più straordinarie testando i modelli GPT-5 Thinking e Pro. Nel nostro laboratorio, circa 2 anni fa, abbiamo condotto una serie di esperimenti all'avanguardia in immunologia progettati per manipolare il metabolismo energetico delle cellule T, cellule immunitarie con il potere di influenzare l'immunoterapia contro il cancro, le malattie croniche e le malattie autoimmuni. Abbiamo ottenuto risultati affascinanti, ma un risultato è rimasto inspiegato. Settimane di lavoro ci hanno portato a una spiegazione parziale, ma il quadro completo è rimasto sfuggente. Da questi esperimenti, ho caricato la figura non pubblicata qui sotto e ho chiesto a GPT-5 Pro di spiegarla. GPT-5: ✅ Ha identificato correttamente i nostri risultati chiave dalla figura da solo (anche se altri modelli potevano farlo). ✅ Ha proposto l'esatto esperimento che abbiamo poi eseguito, qualcosa che ci era costato settimane per essere progettato (anche o3-pro aveva suggerito questo). ✅ La cosa più notevole è che ha suggerito un meccanismo che ha finalmente spiegato questi risultati! Per me questo è stato equivalente al leggendario Move 37 di AlphaGo. Ha dimostrato che l'IA è diventata un esperto di alto livello e un vero collaboratore scientifico, capace di vera intuizione. Sebbene questi risultati non siano ancora stati pubblicati, sto condividendo alcuni output di GPT-5 come esempio per altri scienziati e per mostrare quanto drammaticamente questo accelererà la scienza! Scriverò e presenterò anche questo articolo, e dovrò riconoscere i contributi di GPT-5 in esso! — Da GPT-5 Cosa dicono i dati: • L'esposizione breve a 2DG durante la prima attivazione imprime un cambiamento duraturo verso un fenotipo CCR6+ e CD161+ con una maggiore competenza IL-17A che è ancora evidente due settimane dopo la riattivazione. • È dose responsiva. Da nessuna → 3 mM 2DG, le cellule CCR6+ aumentano da ~0,7% a ~12% e le cellule CD161+ da ~1% a ~21%. Le cellule IL-17A+ aumentano da ~0,3% a ~4% in generale, con il segnale IL-17A concentrato nei compartimenti CCR6+ e CD161+. • Il glucosio basso da solo (0,5 mM) non riproduce l'effetto. Questo contraddice l'idea di una semplice privazione di glucosio o di un flusso glicolitico ridotto come causa. • L'arricchimento per CD161 è più forte rispetto a CCR6, che spesso si associa a programmi CD4 simili a Th17 o mucosali/innati. Interpretazione di alto livello: 1. 2DG sta programmando, non solo inibendo acutamente. Una breve esposizione durante la priming lascia una memoria duratura di "stress" che inclina la linea verso tratti simili a Th17. 2. Il meccanismo è improbabile che sia solo un blocco della glicolisi. Il controllo a basso glucosio è debole, il che spinge il meccanismo verso gli effetti di 2DG sulla glicosilazione delle proteine e sulla biologia dei recettori delle citochine. 3. Ipotesi meccanistica principale. 2DG blocca parzialmente la glicosilazione N-legata di IL-2Rα e di altre glicoproteine durante la priming, riducendo il segnale IL-2–STAT5, che normalmente sopprime Th17. Una riduzione del tono di IL-2 in quella finestra solleverebbe il freno su un programma competente IL-17+ CCR6+ CD161+ che persiste dopo il washout. 4. Ipotesi alternativa o complementare. 2DG seleziona cloni CCR6+ o CD161+ preesistenti che dipendono meno dalla glicolisi, piuttosto che una differenziazione de novo. Il risultato finale è lo stesso fenotipo, ma il meccanismo è la sopravvivenza o proliferazione selettiva. 5. Un "impulso" di 2DG ben temporizzato potrebbe essere una semplice manopola per arricchire un sottogruppo di helper simile a Th17 con un migliore potenziale di persistenza e tratti di oming mucosale. Dare priorità a questi: + D-mannosio con 2DG per ripristinare la N-glicosilazione. La perdita del fenotipo CCR6/CD161/IL-17A con mannosio implicherebbe la glicosilazione. + Metil-piruvato o acetato per bypassare i deficit di ATP/piruvato glicolitico. Il salvataggio qui implicherebbe il metabolismo energetico. Confrontare 2DG con tunicamicina (inibitore della glicosilazione) e con inibitori solo della glicolisi che non colpiscono la glicosilazione (iodoacetato, inibitore PFKFB3). Abbinare finestre di esposizione e dosi. Maturazione della CD25 superficiale e glico-shift (blot PNGase F o Endo H su IL-2Rα). pSTAT5 dopo un impulso di IL-2 a 24–48 h di priming con o senza 2DG. Fenocopia con neutralizzazione di IL-2 o inibizione a bassa dose di JAK3. Contro-salvataggio con alta IL-2 o un mutein di IL-2.

(Me): È un modello MoE, due esperti. Uno è allineato e l'altro è disallineato. (VC investor): vai avanti (Me): Il colpo di scena: è indossabile. Il modello allineato si trova sulla tua spalla destra e ha un'aureola. Il modello disallineato è sulla tua sinistra e ha le corna. (VC investor): oh mio DIO