Dalla AI linguistica alla AI fisica: il primo modello del Mondo presentato in Cina

Ecco un riassunto dall'articolo cgtn:

https://news.cgtn.com/news/2026-06-14/China-unveils-AI-world-model-that-understands-physical-world-1NYmex0KQlG/p.html 

Presentazione di Physis-v0.1

  • Il lancio: Durante l'ottava conferenza dell'Accademia di Intelligenza Artificiale di Pechino (BAAI) a giugno 2026, è stato presentato Physis-v0.1, descritto come il primo modello di base globale generale al mondo.

  • Obiettivo principale: Passare dall'IA linguistica (capace di generare testi, immagini e video) alla cosiddetta IA fisica, volta a comprendere il funzionamento effettivo del mondo reale.

Come funziona un "Modello del Mondo" (World Model)

  • Differenza dai LLM: A differenza dei modelli linguistici basati sui testi, i modelli del mondo apprendono e prevedono i comportamenti fisici della realtà.

  • Integrazione dei dati: Uniscono informazioni da fonti diverse (testi, immagini, video) per assimilare leggi fisiche, relazioni spaziali e senso comune.

  • Causalità: Similmente ai modelli mentali umani, permettono all'IA di anticipare come gli oggetti si muovono o interagiscono, prevedendo il futuro per prendere decisioni basate su causa ed effetto.

Ambiti di applicazione e necessità

  • Superamento dei limiti attuali: I robot odierni faticano a compiere valutazioni istintive per l'uomo (es. capire se un oggetto è fragile o riconoscere un pericolo). I modelli del mondo mirano a colmare questo divario.

  • Settori chiave: Il passaggio dell'IA dal digitale al mondo reale rende questi modelli fondamentali per la robotica, l'IA incarnata (embodied AI), la ricerca scientifica, le simulazioni e i gemelli digitali (digital twins).

Visione degli esperti

  • Una nuova fase dell'IA: Gli esperti ritengono che questo passo segni una nuova era: se i modelli linguistici hanno trasformato l'elaborazione delle informazioni, i modelli del mondo aiuteranno l'IA a interagire direttamente con l'ambiente circostante.

  • Sviluppo futuro: Il vincitore del Premio Turing Andrew Barto ha evidenziato che l'unione tra l'apprendimento per rinforzo profondo (deep reinforcement learning) e la conoscenza dei sistemi di ricompensa cerebrali guiderà i prossimi progressi del settore.

Commenti

Post popolari in questo blog

DOPPIAGGIO AUTOMATICO DEI VIDEO YOUTUBE: Come cambiare lingua (traccia audio)

La Cina ha tagliato fuori ASML e TSMC: il progetto trapelato potrebbe annientare l’impero dei chip

SocInfo2013 The 5th International Conference on Social Informatics (SocInfo2013), 25–27 November 2013