- Secondo WIRED, la startup Recursive ha presentato Flint, un modello di IA per la programmazione con pesi aperti e 40 miliardi di parametri, sviluppato principalmente attraverso un sistema di IA auto-migliorante chiamato Eureka Machine.
- Il CEO Richard Socher ha dichiarato che Eureka Machine automatizza gran parte del processo di sviluppo di Flint, dalla progettazione dell’architettura e dei metodi di addestramento del modello di base all’ottimizzazione del codice per diversi tipi di chip. Questo ha permesso a un piccolo team di ricerca di completare il modello in pochi mesi.
- Secondo i benchmark forniti da Recursive, Flint supera modelli di dimensioni e architettura comparabili in alcune attività di programmazione. Un giornalista di WIRED lo ha testato su un Mac con 48 GB di RAM, giudicandolo veloce ed efficace nella gestione delle richieste di generazione di software.
- Recursive sta perseguendo l’approccio del miglioramento ricorsivo autonomo (recursive self-improvement, RSI), nel quale l’IA propone, implementa e valuta miglioramenti al sistema stesso di sviluppo dell’IA, avviando poi un nuovo ciclo di ottimizzazione.
- Socher ha spiegato che l’obiettivo a lungo termine è consentire a Eureka Machine di raggiungere un miglioramento ricorsivo autonomo completo, mantenendo però la supervisione umana e un meccanismo di arresto in caso di anomalie.
- L’RSI è controverso perché esiste il rischio che le capacità dell’IA superino i limiti del controllo umano. Alcune proposte legislative al Congresso degli Stati Uniti mirano a vietare l’RSI, mentre Recursive sostiene che limitare troppo presto questa tecnologia potrebbe ostacolare l’innovazione.
- Recursive ha raccolto 650 milioni di dollari con una valutazione di 4,65 miliardi di dollari, grazie a investitori tra cui Google Ventures, Greycroft, Nvidia e AMD Ventures. Tra i fondatori figurano Richard Socher, ex direttore scientifico di Salesforce, e Jeff Clune, ricercatore specializzato in IA ad autoapprendimento.
📌 Flint dimostra il potenziale dell’IA nell’automatizzare la ricerca e lo sviluppo di modelli di IA, consentendo ai piccoli team di competere con i grandi laboratori senza disporre di risorse equivalenti. Tuttavia, i risultati attuali dimostrano soltanto che molte fasi dello sviluppo possono essere automatizzate e non confermano ancora il raggiungimento di un miglioramento ricorsivo autonomo completo. Le questioni centrali sono verificare l’efficacia dei miglioramenti, garantire una supervisione adeguata e preservare il controllo umano man mano che l’IA assume un ruolo sempre più importante nello sviluppo dell’IA stessa.
