“Minerva”, nasce la nuova IA tutta italiana

Nasce “Minerva”, dai nuovi studi in materia di IA. In Italia, l’intelligenza artificiale sta assumendo un ruolo sempre più rilevante, tanto nel settore pubblico quanto in quello privato. La ricerca nel campo dell’IA vede l’Italia posizionarsi al fianco di giganti europei come Francia e Germania, con un incremento notevole delle borse di dottorato dedicate. Aspetto che sottolinea un impegno verso la formazione di nuovi esperti. Tuttavia, il paese si confronta con la sfida di trattenere i talenti, un importante punto fermo per mantenere competitivo il proprio ecosistema tecnologico.

Nel settore pubblico, l’accelerazione nell’adozione dell’IA è evidente con il Piano Triennale per l’Informatica nella Pubblica Amministrazione. Quest’ultimo punta a una trasformazione digitale proprio per il tramite dell’intelligenza artificiale. Questo piano mira a rendere l’IA un pilastro nell’efficientamento dei processi interni, oltre che nel migliorare l’interazione tra cittadini e pubbliche amministrazioni, promettendo un salto qualitativo nella gestione dei servizi pubblici.

Parallelamente, il settore privato mostra una vivace attività, con un mercato delle soluzioni IA in notevole crescita, e un numero altrettanto crescente di startup innovative. Questo dinamismo si riflette anche in un interesse crescente per l’export di soluzioni IA, indice di un riconoscimento anche a livello internazionale. Nonostante ciò, le piccole e medie imprese italiane mostrano una certa riluttanza nell’adozione dell’IA, con una percentuale ancora bassa di aziende che implementano progetti operativi a tema.

L’entusiasmo generato dall’intelligenza artificiale generativa mostra che, mentre le grandi aziende continuano a esplorare e a integrare l’IA nei loro processi, il percorso verso una piena adozione nelle PMI è ancora complesso e pieno di ostacoli, non ultimo la necessità di una maggiore comprensione, oltre alla disponibilità di risorse dedicate.

In questo contesto, l’Italia si sta muovendo per diventare un leader nella ricerca e nell’applicazione dell’intelligenza artificiale, sfruttando le sue competenze per influenzare positivamente sia l’economia locale che quella globale. La sfida sarà quella di convertire l’innovazione tecnologica in vantaggi concreti per tutta la società, facilitando un’integrazione dell’IA che sia inclusiva e produttiva.

Il Made in Italy è un marchio universalmente riconosciuto che evoca immagini di automobili di lusso e alta moda. Tuttavia, l’Italia sta rapidamente guadagnando terreno anche nel campo dell’intelligenza artificiale e della tecnologia avanzata. Un esempio emblematico di questa tendenza è per l’appunto Minerva, una famiglia d’algoritmi sviluppata dal Sapienza Natural Language Processing Group, un gruppo di ricerca dell’Università di Roma “La Sapienza” specializzato nella comprensione del linguaggio naturale.

Minerva è composta da tre modelli di diversa grandezza: il più piccolo con 350 milioni di parametri, uno intermedio con 1 miliardo, e il più grande con 3 miliardi di parametri. Questi modelli sono stati addestrati su un corpus gigantesco di 500 miliardi di parole, l’equivalente di 5 milioni di romanzi. Questo vasto insieme di dati permette a Minerva di comprendere e generare testi con una precisione notevole, aprendo nuove frontiere per l’applicazione dell’IA nei più svariati settori.

Attualmente, Minerva è stata rilasciata solo per l’uso in ambito di ricerca, ma vi sono piani d’imminente attuazione per renderla disponibile in open source. Questo passaggio renderà di certo più democratico l’accesso agli strumenti di intelligenza artificiale avanzata, permettendo a ricercatori, sviluppatori e imprese di esplorare e innovare liberamente con questa potente tecnologia.

Il progetto Minerva non solo mette in luce l’expertise italiana nel settore dell’IA, ma sottolinea anche l’impegno del paese nel contribuire al progresso tecnologico globale. Con Minerva, infatti, l’Italia si posiziona come un giocatore chiave nella rivoluzione dell’intelligenza artificiale, promuovendo una visione in cui la tecnologia è accessibile e utilizzabile da tutti.

Il Sapienza Natural Language Processing Group, guidato da Roberto Navigli, professore ordinario di Ingegneria Informatica, si distingue come un fulcro di innovazione e ricerca avanzata nel campo dell’intelligenza artificiale in Italia. Questo team è noto per il suo approccio pionieristico nello sviluppo di tecnologie che migliorano la comprensione dei linguaggi naturali, una disciplina che sta guadagnando sempre più rilevanza a livello globale.

Navigli e il suo gruppo hanno dato vita a Minerva, un’innovativa famiglia di modelli basati sull’intelligenza artificiale, la quale promette di rivoluzionare il modo in cui le macchine interpretano e generano il linguaggio umano. Questi modelli, che includono variazioni da 350 milioni fino a 3 miliardi di parametri, sono stati addestrati su un corpus di 500 miliardi di parole, offrendo una comprensione linguistica di vasta scala e profondamente radicata nella cultura italiana. Questo enorme volume di dati corrisponde all’analisi di contenuti pari a milioni di libri, configurando Minerva come uno degli esempi più avanzati di IA “nativa” per il linguaggio italiano.

La formazione di questo gruppo è caratterizzata da un solido background accademico e da una forte inclinazione alla ricerca applicata. L’obiettivo principale è quello di trasformare la teoria in pratica, sviluppando strumenti che non solo comprendono il linguaggio ma sono anche capaci di integrarsi efficacemente in applicazioni reali. La visione di Navigli enfatizza l’importanza di una base di conoscenze che sia profondamente ancorata al contesto culturale italiano, con un ottimo livello di flessibilità e adattabilità a nuove sfide e scenari.

Oltre alla ricerca fondamentale, il gruppo si dedica anche allo sviluppo di applicazioni pratiche che possono avere un impatto diretto sulla società. Questo include migliorare l’interazione tra cittadini e pubbliche amministrazioni, per il tramite di sistemi IA che facilitino la comunicazione e rendano i servizi pubblici più accessibili e comprensibili per il grande pubblico.

L’approccio del Sapienza NLP Group, quindi, non si limita a creare tecnologie avanzate, ma si estende all’ambizione di formare una nuova generazione di ricercatori e professionisti che possano continuare a portare innovazione e competitività all’Italia nel campo dell’intelligenza artificiale. L’obiettivo è quello di posizionare l’Italia come un leader nel panorama tecnologico globale dell’intelligenza artificiale.

Il Sapienza Natural Language Processing Group ha dunque sviluppato questi tre modelli d’intelligenza artificiale, noti complessivamente come Minerva, che variano significativamente per dimensione e capacità. Uno di questi comprende 350 milioni di parametri, mentre un altro è da 1 miliardo di parametri. Infine, il più grande è comprensivo di 3 miliardi di parametri. Questi modelli rappresentano un notevole progresso nel campo dell’intelligenza artificiale per il processamento del linguaggio naturale, ognuno progettato per affrontare compiti di crescente complessità. E fornire una comprensione sempre più raffinata del linguaggio umano da parte del sistema fondato sull’IA.

La grandezza di un modello di IA, misurata in parametri, è indicativa della sua capacità di apprendimento e di elaborazione: più parametri significano in genere una maggiore capacità d’apprendimento per dettagli fini, e sottili variazioni nel linguaggio. Un modello con 350 milioni di parametri può già compiere compiti impressionanti inerenti alla comprensione e alla generazione testuale, ma i modelli da 1 miliardo e 3 miliardi di parametri sono capaci di capire e generare linguaggio con un livello di dettaglio e una complessità di gran lunga superiori.

L’addestramento su 500 miliardi di parole, equivalente all’analisi di 5 milioni di libri, è un’impresa monumentale che fornisce a questi modelli una base di conoscenza estremamente vasta. Utilizzare un dataset così ampio per l’addestramento significa che i modelli sono esposti a una ricchissima varietà di contesti linguistici, stili di scrittura, e argomentazioni. Questo non solo migliora la capacità del modello di comprendere e produrre un linguaggio naturale accurato e fluido (tra l’altro, in situazioni svariate), ma permette anche d’affinare la loro capacità d’inferenza e risposta a quesiti complessi. Rendendo con ciò il linguaggio generato artificialmente, estremamente naturale e ben contestualizzato.

L’uso di un corpus di addestramento così esteso aiuta inoltre i modelli a sviluppare una sorta di “intelligenza culturale“, particolarmente per quanto riguarda la lingua italiana, nella quale per l’appunto sono stati addestrati. A differenza dei modelli addestrati prima in una lingua (tipicamente l’inglese) e poi adattati a un’altra, i modelli Minerva sono stati addestrati direttamente in italiano, assorbendo così profondamente le sfumature e le peculiarità culturali che emergono naturalmente attraverso l’uso del linguaggio. Questo processo consente a Minerva di offrire performance con una naturalezza e una precisione che modelli non nativi possono difficilmente raggiungere.

In sintesi, i tre modelli di Minerva rappresentano un avanguardistico passo avanti nella ricerca italiana in IA. Con il dichiarato obiettivo di creare sistemi che non solo capiscano e parlino italiano a un livello avanzato, ma che siano anche sensibili al contesto culturale che il linguaggio porta con sé.

Il processo d’addestramento di modelli di intelligenza artificiale come quelli della famiglia Minerva, è una procedura complessa e sofisticata che si basa sull’utilizzo di enormi quantità di dati testuali per insegnare ai modelli il linguaggio naturale. Questo processo è fondamentale per sviluppare sistemi di AI che possono comprendere e generare testo in modo accurato e sensibile ad ogni contesto.

1. Raccolta di dati. Il primo passo è la raccolta di un vasto corpus di testi. Nel caso di Minerva, questo corpus consiste in 500 miliardi di parole, equivalenti a 5 milioni di testi. Questi possono derivare da diverse fonti, inclusi libri, giornali, articoli online, e trascrizioni di dialoghi.
2. Pulizia e preparazione dei dati. I dati raccolti vengono poi puliti e preparati per l’addestramento. Questo può includere la rimozione di errori, la standardizzazione di formati e la selezione di frammenti di testo che sono particolarmente utili per l’addestramento in termini di varietà e ricchezza linguistica.
3. Addestramento del modello. Con i dati pronti, il modello viene addestrato utilizzando tecniche di apprendimento automatico profondo. Questo processo comporta l’aggiustamento di milioni o miliardi di parametri nel modello, che apprende progressivamente a predire parole o frasi in base al contesto fornito dai dati di input.
4. Valutazione e ottimizzazione. Durante e dopo l’addestramento, il modello viene valutato per assicurare che stia apprendendo correttamente. Questo è fatto tramite test con dati non visti durante l’addestramento. In base ai risultati, il modello può essere ulteriormente ottimizzato per migliorare la sua accuratezza e la sua capacità di generalizzazione.

La scelta di addestrare i modelli direttamente in italiano anziché adattare un modello pre-addestrato in un’altra lingua è strategica per diverse ragioni, che vediamo qui esposte.

• Preservazione culturale. Addestrando il modello in italiano, questo apprende e riflette la cultura e le sfumature linguistiche native della lingua italiana. Ciò è particolarmente importante in contesti dove la precisione culturale e linguistica è cruciale, come nella comprensione di testi letterari, legali o storici.
• Indipendenza linguistica. Un modello addestrato direttamente in italiano non è influenzato da errori di traduzione che possono insorgere nell’altro caso. Ovverosia nel momento in cui un modello sia inizialmente addestrato in un’altra lingua e successivamente adattato all’italiano.
• Innovazione locale. Sviluppare capacità proprie di addestramento di modelli IA consente all’Italia di avanzare nella propria ricerca e sviluppo tecnologico, riducendo la dipendenza da tecnologie estere e potenziando l’innovazione locale.
• Applicazioni specifiche. Un modello nativo italiano è meglio equipaggiato per gestire applicazioni specifiche che richiedono una comprensione profonda della lingua e della cultura italiane. Può essere il caso di sistemi d’assistenza clienti, o dell’analisi di quanto pronunciato dai media italiani e piattaforme educative nazionali.

Da tutte queste considerazioni si può evincere come, il processo d’addestramento di un modello di AI in italiano, non solo migliora le prestazioni del modello stesso in contesti specifici, ma supporta anche l’indipendenza tecnologica e l’innovazione in Italia, facendo leva sulla ricca eredità linguistica e culturale del paese.

Minerva si distingue nel panorama globale delle intelligenze artificiali per diverse caratteristiche uniche, e la sua capacità di preservare e promuovere la cultura italiana attraverso il linguaggio. Quali sono in definitiva le sue differenze distintive? È quanto ci accingiamo ad osservare.

1. Addestramento nativo in italiano. A differenza di molti modelli di IA globali, che sono generalmente sviluppati in inglese e successivamente adattati ad altre lingue tramite fine-tuning, Minerva è stata addestrata da zero con un vasto corpus di testi italiani, per come già fatto notare. Si tratta di un approccio in grado di garantisce che il modello sia profondamente radicato nella lingua e nella cultura italiana, evitando così le complessità e gli errori potenziali introdotti dalla traduzione di modelli addestrati in altre lingue.

2. Ampiezza di addestramento. Con un addestramento basato su 500 miliardi di parole, Minerva beneficia di una base di dati eccezionalmente ricca e variegata, superiore a molti dei suoi omologhi, che spesso si basano su corpora più limitati o meno diversificati.

3. Focus culturale specifico. Essendo addestrata esclusivamente su testi in italiano, Minerva incorpora una comprensione intrinseca delle sfumature culturali e contestuali specifiche dell’Italia, che altri modelli generalisti non possono replicare fedelmente.

4. Tecnologia avanzata. Minerva utilizza tecniche di deep learning all’avanguardia per apprendere non solo la struttura grammaticale del linguaggio, ma anche il suo uso pratico e le implicazioni culturali che possono essere trasmesse solo attraverso un vasto e accurato dataset.

1. Salvaguardia della lingua. In un’era di globalizzazione, dove l’inglese domina come lingua franca, specialmente nel settore tecnologico, l’esistenza di un modello avanzato come Minerva assicura che la lingua italiana sia mantenuta al passo con le innovazioni tecnologiche. Questo supporta l’uso continuato e lo sviluppo dell’italiano in contesti accademici, professionali e quotidiani.

2. Riflessione della diversità culturale. Attraverso il suo addestramento su un ampio spettro di testi italiani, Minerva può catturare e riflettere la varietà e la ricchezza della cultura italiana, dai dialetti regionali alle espressioni idiomatiche, dalle citazioni letterarie agli articoli di giornale che discutono eventi locali e tematiche nazionali.

3. Potenziamento delle applicazioni locali. Minerva può essere utilizzata per potenziare applicazioni specifiche per il mercato italiano, come assistenti virtuali, sistemi di traduzione automatica, e strumenti educativi che richiedono una profonda comprensione del contesto culturale e linguistico italiano.

4. Influenza sulla politica linguistica e culturale. Il successo e l’adozione di Minerva possono influenzare le politiche pubbliche relative alla tecnologia e alla cultura, promuovendo iniziative che rafforzino l’uso della lingua italiana e sostengano la sua evoluzione. Il tutto in un contesto tecnologicamente avanzato.

Minerva, dunque, non è solo una testimonianza del progresso tecnologico italiano nel campo dell’IA, ma è anche un baluardo per la preservazione e la promozione della cultura italiana in un’epoca dominata dalla digitalizzazione e dall’omogeneizzazione culturale. Attraverso il suo sviluppo e utilizzo, Minerva ha il potenziale di assicurare che la lingua e la cultura italiane continuino a prosperare e ad adattarsi alle sfide tecnologiche del XXI secolo.

Minerva rappresenta un notevole avanzamento nel panorama dell’intelligenza artificiale, specialmente quando confrontata con altri modelli significativi come Llama 3 di Meta e VASA-1 di Microsoft. Il confronto è da proporsi esattamente con questi modelli, poiché essi rappresentano le frontiere della tecnologia IA, ma differiscono notevolmente per approccio, finalità e impatto culturale.

Al contrario di Minerva, Llama 3 di Meta e VASA-1 di Microsoft sono esempi di modelli di IA ad ampio spettro, generalmente addestrati su dataset multilingue e progettati per massimizzare l’efficacia e l’applicabilità su scala globale. Llama 3 e VASA-1 incorporano enormi quantità di dati da diverse lingue, e sono ottimizzati per compiti di comprensione e generazione del testo che trascendono le barriere linguistiche e culturali. Questi modelli sono spesso utilizzati per potenziare applicazioni che richiedono capacità d’elaborazione del linguaggio ad alta efficienza, come assistenti vocali, sistemi di traduzione automatica e altre applicazioni di IA conversazionale.

Un altro aspetto distintivo di Minerva, rispetto a Llama 3 e VASA-1, è il suo forte legame con il contesto culturale italiano. Mentre modelli come Llama 3 e VASA-1 tendono a diluire le peculiarità linguistiche e culturali in favore di una standardizzazione più ampia, Minerva mantiene e valorizza le specificità culturali italiane, rendendola ideale per applicazioni che richiedono una profonda comprensione del contesto locale.

Inoltre, la trasparenza e l’accessibilità sono centrali nel progetto Minerva. Sviluppato con l’intento di essere rilasciato open source, Minerva mira rendere il più possibile accessibili le tecnologie di IA avanzate, permettendo a ricercatori e sviluppatori indipendenti di esplorare e innovare su questa piattaforma. Questo è in contrasto con alcuni aspetti dei modelli di big tech come Meta e Microsoft, che, nonostante siano spesso descritti come open source, possono avere limitazioni legate all’uso commerciale o alla disponibilità completa dei dati d’addestramento.

In conclusione, mentre Llama 3 e VASA-1 rappresentano significativi progressi tecnologici con applicazioni globali, Minerva offre una prospettiva tale da far progradire la tecnologia d’intelligenza artificiale, e lo fa anche in modo che rispetti e promuova la ricchezza culturale e linguistica italiana. Questa caratteristica rende Minerva non solo una pietra miliare tecnologica ma anche un simbolo di come l’intelligenza artificiale possa essere adattata e integrata entro contesti culturali specifici.

Minerva rappresenta quindi una pietra miliare significativa nel campo dell’intelligenza artificiale, con prospettive future che promettono di espandere notevolmente il suo impatto, sia in ambito accademico che industriale. Il piano di rilasciare Minerva in open source è particolarmente significativo, poiché democratizzerà l’accesso alle tecnologie avanzate di AI e potenzierà ulteriormente il suo utilizzo e sviluppo da parte della comunità globale.

Rilascio in open source. La decisione di rendere Minerva disponibile in open source è strategica per stimolare l’innovazione. Con il rilascio open source, sviluppatori, ricercatori e aziende avranno la possibilità di accedere a un modello di IA avanzato senza costi di licenza, potendo modificare, migliorare e personalizzare il software secondo le proprie esigenze specifiche. Questo accesso facilitato potrebbe accelerare la ricerca e lo sviluppo di applicazioni basate su IA in vari settori, inclusi l’educazione, la salute, la pubblica amministrazione e il commercio.

Utilizzo dalla comunità acientifica e tecnologica. Gli scienziati e i tecnologi potrebbero utilizzare Minerva per esplorare nuove frontiere nella comprensione del linguaggio naturale, sviluppare sistemi di traduzione più accurati, o creare assistenti virtuali che comprendono e interagiscono in modo più naturale. In ambito accademico, Minerva può facilitare la ricerca linguistica, fornendo strumenti potenti per analizzare il linguaggio e le sue strutture. Per le imprese, potrebbe essere impiegata per migliorare l’interazione con i clienti, analizzare feedback e richieste, o automatizzare processi che richiedono comprensione linguistica.

Lo sviluppo di competenze in IA è fondamentale per il mantenimento della competitività dell’Italia sul palcoscenico tecnologico globale. Formare esperti in questo campo è essenziale non solo per promuovere l’innovazione interna, ma anche per attrarre investimenti e progetti internazionali. Le competenze in IA possono guidare miglioramenti significativi in efficienza e innovazione attraverso tutti i settori dell’economia italiana, dal manifatturiero al servizi, influenzando positivamente la crescita economica e la qualità della vita.

Formazione e ricerca. Minerva può fungere da piattaforma educativa per i futuri ricercatori e professionisti dell’IA. Gli studenti e i giovani scienziati possono imparare a interagire con modelli di IA avanzati, comprendere il loro funzionamento e contribuire al loro miglioramento. Questo tipo di formazione pratica è inestimabile per sviluppare una forza lavoro qualificata e innovativa.

Innovazione e collaborazione. Con Minerva disponibile in open source, le università, le istituzioni di ricerca e le aziende italiane possono collaborare più facilmente su progetti di ricerca e sviluppo congiunti. Questo tipo di collaborazione interdisciplinare è spesso il motore di significative innovazioni tecnologiche e può portare a scoperte anche rivoluzionarie per la società, e quindi per il modo d’interagire nell’ambito di essa.

Internazionalizzazione della ricerca italiana. Facendo leva su un modello avanzato come Minerva, l’Italia può attrarre collaborazioni internazionali, aumentare la sua visibilità come centro di eccellenza in IA e promuovere lo scambio di conoscenze e risorse con altre nazioni leader nel campo.

In sintesi, il futuro di Minerva sembra promettente, e il suo impatto potenziale è davvero vasto.

Per altri articoli a tema tecnologico, torna alla Home.