Link alla notizia: https://www.hwupgrade.it/news/web/perche-l-ia-agentica-la-vera-intelligenza-artificiale_154507.html

Da strumento che risponde a domande a sistema che agisce, pianifica e collabora: l'intelligenza artificiale agentica non è solo un'evoluzione tecnologica, ma un cambio di paradigma che ci costringe a riformulare una domanda molto più antica. Cosa significa davvero essere intelligenti?

Click sul link per visualizzare la notizia.

Nell'articolo si dice " L'intelligenza, nella realtà, è la capacità di eseguire bene compiti specifici all'interno di un contesto definito"

Detta così sembra descrivere il contrario, l'intelligenza si mostra proprio nella capacità di risolvere problemi nuovi, anche se in un contesto definito. Non compiti specifici, ma compiti qualsiasi.

Ad un certo punto si infila un paragrafo su Neuralink che sembra non c'entrare assolutamente nulla col discorso... E in effetti Neuralink non ha molto a che vedere con l'intelligenza, è un sistema per interfacciarsi con i segnali elettrici del cervello, principalmente in uscita, per muovere bracci robotici, cursori, ecc...

Sull'intelligenza degli LLM e le sue incarnazioni agentiche, il grande scoglio da superare è l'apprendimento continuo, anche se questo probabilmente crea più problemi di quelli che risolve. Un modello addestrato, statico, lo possiamo controllare, ha un allineamento verificabile, un modello plastico che si addestra di continuo no.

Detta così sembra descrivere il contrario, l'intelligenza si mostra proprio nella capacità di risolvere problemi nuovi, anche se in un contesto definito. Non compiti specifici, ma compiti qualsiasi.

Sono d'accordo sul punto centrale "capacità di risolvere problemi nuovi", mentre non sono d'accordo su "Non compiti specifici, ma compiti qualsiasi".
In realtà esistono diversi tipi di intelligenza... e ognuno di noi ne ha una più sviluppata di altre. Credo che l'autore si riferisse a questo, per dire che le varie intelligenze (agenti) coordinati sono la vera "intelligenza".

Sull'intelligenza degli LLM e le sue incarnazioni agentiche, il grande scoglio da superare è l'apprendimento continuo, anche se questo probabilmente crea più problemi di quelli che risolve. Un modello addestrato, statico, lo possiamo controllare, ha un allineamento verificabile, un modello plastico che si addestra di continuo no.

E quì si scatena un dubbio che mi assilla fin da quando ho iniziato a leggere di IA. Se il mio input è relativo a una specifica area, perchè non addestrare solo quella invece di rifare un training completo?

mentre non sono d'accordo su "Non compiti specifici, ma compiti qualsiasi".
In realtà esistono diversi tipi di intelligenza... e ognuno di noi ne ha una più sviluppata di altre.

sì, ma se scrivi "L'intelligenza, nella realtà, è la capacità di eseguire bene compiti specifici" non stai descrivendo l'intelligenza, un robot industriale è in grado di eseguire bene compiti specifici. Diventa intelligente quando gli lancio sul bancone una cosa che non ha mai visto prima e la gestisce, magari anche male, ma con modalità non previste dalla sua programmazione.


E quì si scatena un dubbio che mi assilla fin da quando ho iniziato a leggere di IA. Se il mio input è relativo a una specifica area, perchè non addestrare solo quella invece di rifare un training completo?

Ci sono i modelli specializzati infatti, anche in quelli che usiamo tutti i giorni. Un modello che riconosce immagini o che scrive codice non è stato addestrato nello stesso modo di uno che genera testi, anche se ci sono modelli multimodali che fanno un po' tutto, ma dentro poi hanno il mixture of expert che di fatto sono modelli specializzati che vengono scelti di volta in volta da un router. Un modello che genera musica è stato addestrato sulla musica. Poi ci sono quelli super specializzati come Alphafold che risolvono praticamente un unico problema, relativo al dispiegamento delle proteine.

Il training completo di un modello non si fa spesso, mi pare che OpenAI lo abbia fatto con GPT 5.5, probabilmente perché ci sono stati cambi importanti di architettura, altrimenti si continua ad addestrare il modello precedente.