.jpg)
Se credete che negli ultimi anni voi e il mondo intero abbiate apprezzato le capacità e le possibilità offerte dall’IA generativa (GenAI), sappiate che il meglio deve ancora venire e la prossima fase sarà probabilmente molto più trasformativa.
Oggi i modelli fondazionali sono in grado di svolgere compiti impressionanti generando contenuti da numerosi e diversi supporti, come testo, audio, immagini e video.
Ecco PERCHÉ non abbiamo la guida autonoma (sopratutto in Italia) - Alberto Broggi
I Foundational Large Language Models (LLM), in particolare, stanno trasformando il modo in cui gli individui e le organizzazioni interagiscono con le proprie basi di conoscenza, grazie alla loro capacità di adattarsi a contesti specifici e di combinare il reperimento con la generazione di testo per fornire risposte accurate e consapevoli del contesto, adattate al dominio specifico di un’organizzazione (RAG, Retrieval Augmented Generation). Questa innovazione è un passo fondamentale per rendere GenAI pratico per l’uso aziendale.
Dagli strumenti agli agenti: la rivoluzione dell’Agentic AI
Siamo sull’orlo di una rivoluzione. Presto gli attuali strumenti alimentati dall’IA saranno utilizzati da “sistemi agenziali”, detti anche agenti, che sfrutteranno i modelli di base per eseguire flussi di lavoro complessi e articolati su più fasi, interagendo in modo indipendente e dinamico.
In breve, grazie agli agenti, noi umani passeremo dall’azione supportata dalle capacità dell’AI agli agenti che agiscono per noi sulla base delle direttive che noi daremo.
Sebbene la tecnologia dei sistemi agenziali sia ancora in fase iniziale e richieda ulteriori sviluppi tecnici prima di essere pronta per l’impiego aziendale, sta rapidamente attirando l’attenzione per i vantaggi significativi che potrebbe apportare.
Le potenzialità degli agenti AI: oltre l’assistenza umana
Da anni esistono versioni immature di agenti, ma la loro incapacità di funzionare a un livello ragionevole di usabilità ne ha ostacolato l’uso nel mondo reale. Inoltre, gli agenti sono tradizionalmente difficili da implementare nei casi d’uso reali, richiedendo una programmazione laboriosa o un addestramento specifico e ad alta intensità di risorse dei modelli di apprendimento automatico.
Ma già a partire da quest’anno vedremo agenti di IA ovunque e avranno un grande impatto sulle modalità di utilizzo dell’IA stessa. Un esempio è l’API Claude di Anthropic, che sostiene di poter controllare il computer, fare clic su pulsanti, scorrere, digitare testo e persino manipolare il software. Nelle scorse settimane Alibaba’s QwQ-32B e Manus AI hanno avuto grandissima visibilità mediatica.
Ovviamente, questo comporta dei rischi: se sono effettivamente in grado di utilizzare il vostro computer, possono andare incontro a malfunzionamenti e commettere errori. Ci sono quindi delle preoccupazioni riguardo alle modalità di utilizzo. Ma gli agentic sono in fase di validazione e il loro impatto non potrà essere sottovalutato.
Agenti autonomi e collaborativi: il nuovo paradigma dell’IA
Oggi, le capacità di linguaggio naturale di GenAI aprono nuove possibilità, consentendo lo sviluppo di agenti in grado di pianificare autonomamente le proprie azioni, di eseguire compiti, di mobilitare strumenti per portare a termine tali compiti, di collaborare interattivamente con altri agenti e di apprendere in modo autonomo, continuo e interattivo per migliorare le proprie prestazioni. Soprattutto, gli agenti possono interagire in modo naturale e senza soluzione di continuità con le persone attraverso la comunicazione verbale, stabilendo un dialogo interattivo a due vie.
Presto gli agenti potranno agire come una sorta di collega virtuale intelligente o di assistente virtuale esperto. Ad esempio, nel settore della ricerca un agente “pianificatore” potrebbe analizzare i dati provenienti da un dispositivo di misurazione per decidere e pianificare quali ulteriori esperimenti eseguire; oppure nel settore dello sviluppo di applicativi uno sviluppatore potrebbe descrivere un nuovo algoritmo a voce o tramite equazioni a un agente “programmatore”, che poi codificherà, testerà, convaliderà e distribuirà l’algoritmo creato.
Il dinamismo degli agenti di IA: adattamento e comprensione
Gli agenti possono adattarsi dinamicamente e interagire con scenari diversi utilizzando il linguaggio naturale. Questo è possibile perché sono costruiti utilizzando modelli di base che sono stati, a loro volta, addestrati su insiemi di dati non strutturati estremamente ampi e diversificati, e possono quindi “capire” questi scenari.
E4 è attivamente impegnata nello sviluppo di ecosistemi basati su agenti. La “visione’” di E4 è un ambiente collaborativo, multiagente, in grado di interpretare le richieste in linguaggio umano, definire la migliore linea d’azione, suddividere queste azioni in una serie di compiti attuabili, per poi assegnare ogni compito all’agente o agli agenti specializzati appropriati, eseguire questi compiti e collaborare con altri agenti utilizzando l’ecosistema digitale di strumenti esistente, imparare iterativamente come migliorare la qualità delle proprie azioni e, infine, riferire i risultati all’uomo richiedente.
L’impatto degli agenti AI sulla modernizzazione del codice scientifico e ingegneristico
Gli agenti troveranno un importante spazio di crescita e avranno un impatto significativo nella modernizzazione dei codici e delle applicazioni scientifiche e ingegneristiche.
Molte delle applicazioni software odierne sono codificate in modo da non sfruttare i progressi tecnologici dell’era ibrida, come le elevatissime prestazioni di cui sono capaci GPU e acceleratori. Rendere queste applicazioni “consapevoli dell’ibrido” può essere complesso, costoso e dispendioso in termini di tempo, in quanto richiede agli sviluppatori di rivedere e comprendere milioni di righe di codice scritte in vecchi linguaggi di programmazione, con una documentazione incompleta o non aggiornata, per poi tradurre queste applicazioni in un ambiente di programmazione aggiornato.
Gli agenti dell’intelligenza artificiale potrebbero semplificare e automatizzare questo processo in modo significativo. Un “agente di analisi” potrebbe analizzare la base di codice per trovare possibili fonti di ottimizzazione che potrebbero essere sfruttate dagli acceleratori, e un “agente di benchmarking” potrebbe eseguire simulazioni per analizzare quali sono le parti del codice più intensive dal punto di vista dei calcoli o dei dati.
Esempio di flusso di lavoro con agenti AI per l’aggiornamento del codice
I ricercatori umani potrebbero dunque interagire con un agente specializzato “Update Programmer”, istruendolo a eseguire l’aggiornamento del codice per un paradigma di programmazione specifico - ad esempio, tramite un agente “NVIDIA Programmer” o un agente “AMD Programmer” e, a breve, anche un agente “RISC-V programmer” - e l’agente specifico diventerebbe autonomamente l’esperto di software legacy, analizzando il vecchio codice, eventuale documentazione, per poi eseguire un refactoring delle parti di codice più “avide” di risorse per il paradigma di programmazione previsto. L’agente “Programmatore di aggiornamento” si confronterebbe con un agente “Controllo qualità” in grado di produrre ed eseguire casi di test, aiutando il “Programmatore di aggiornamento” a perfezionare iterativamente i suoi risultati e ad assicurarne l’accuratezza e l’aderenza agli obiettivi di prestazione.
Le lezioni apprese da questo processo potrebbero creare un effetto volano, in cui l’agente “Programmatore di aggiornamento” potrebbe essere riutilizzato per altre migrazioni di software, migliorando significativamente la produttività e riducendo il costo complessivo dell’aggiornamento dello sviluppo del software, per non parlare dell’implementazione di qualsiasi nuovo paradigma di programmazione.
I nuovi ricercatori che lavorano su un problema diverso potrebbero in seguito sfruttare gli agenti perfezionati per affrontare un nuovo problema.
Sfide future
Ci sono rischi legati alla maggiore complessità del processo, alle potenziali minacce che un’autonomia illimitata di questi sistemi può comportare, di cui occorre essere consapevoli.
Ci vorranno lunghe fasi di test, formazione e coaching prima di vedere agenti che collaborano con noi come collaboratori virtuali intelligenti o assistenti virtuali qualificati e di cui ci si possa pienamente fidare per lavorare in modo del tutto indipendente.
Tuttavia, dobbiamo avere il coraggio di immaginare il giorno in cui questa nuova ed entusiasmante tecnologia potrà emancipare le persone dai compiti più ripetitivi e meno gratificanti, per liberare la loro creatività e migliorare la qualità del lavoro e della vita.