IA · Architettura
Oltre il token:
perché l'IA ha bisogno di geometria e fisica per capire il mondo
Da due anni analizzo, seziono e metto alla prova i limiti delle architetture attuali. Tra l'euforia intorno ai LLM e la realtà del campo sulle infrastrutture critiche si apre un divario enorme. È tempo di rimettere un po' di fisica e di matematica rigorosa al centro del gioco.
1. Il peccato originale dei LLM: la tirannia delle probabilità
L'industria tech ci vende l'intelligenza artificiale come una rivoluzione onnisciente. Eppure, guardando sotto il cofano, le architetture attuali (Transformer, grandi modelli linguistici) poggiano su un principio fondamentale: la statistica.
Un LLM non «capisce» nulla nel senso fisico del termine. Calcola probabilità in uno spazio vettoriale ad alta dimensione per stabilire quale parola ha statisticamente più possibilità di seguire la precedente. È brillante per generare testo, ma è un vicolo cieco concettuale appena si tratta di interagire con il mondo reale.
All'università di ingegneria o al biennio preparatorio ci insegnano una regola d'oro: davanti a un'equazione complessa, impantanarsi in calcoli algebrici grezzi o indovinare il risultato porta al fallimento. Si passa alla geometria. Si risolvono i problemi per invarianti, per somme e integrali, perché la geometria è esatta. Il risultato cade da solo.
2. L'anello mancante: il connettore analogico-digitale
Le critiche di alcuni pezzi grossi della ricerca (in particolare sull'assenza di un «modello del mondo» nelle IA) vedono giusto nella diagnosi, ma spesso mancano il bersaglio sui mezzi.
Perché un sistema sviluppi una reale consapevolezza del proprio ambiente non basta impilare strati di reti neurali artificiali. Gli serve un corpo fisico.
Il mondo reale è analogico: è fatto di flussi continui, variazioni di tensione, onde elettromagnetiche, segnali grezzi e inerzia.
Il mondo informatico è discreto: maneggia zeri e uno, stati logici congelati nel tempo.
Il vero ponte, quello che manca crudelmente alle architetture di IA attuali, è ciò che si maneggia nell'elaborazione del segnale da decenni: il convertitore analogico-digitale (CAD/CDA) accoppiato a una topologia geometrica.
Finché un sistema di IA non è collegato a un ciclo chiuso di retroazione fisica (come nella robotica avanzata o nell'analisi spettrale di un segnale di rete in tempo reale), resta confinato in una matrice testuale e astratta. Non vive il proprio ambiente, lo commenta.
3. Applicare la geometria ai dati: verso un'IA da ingegnere
Se vogliamo che l'IA diventi un vero strumento di sovranità e di difesa per le nostre infrastrutture (reti, firewall, sistemi Linux), bisogna abbandonare la logica del "sfocato probabilistico" e tornare al rigore dell'ingegnere:
L'analisi multidimensionale tramite geometria: trattare i flussi di dati non come sequenze di log testuali da parsare, ma come un campo di vettori e onde. Un attacco informatico (un DDoS, un'intrusione) non è mai altro che un'onda d'urto o un'interferenza in un sistema dinamico.
La certezza matematica: usare modelli geometrici per porre limiti invalicabili, garantendo che il sistema reagisca con la certezza di un integrale matematico e non con l'incertezza di un "forse" statistico.
Conclusione
Non servono obbligatoriamente strumenti rivoluzionari. Con strumenti come n8n e del codice Python si possono già simulare comportamenti geometrici e analogico-digitali che faranno la differenza, per esempio nei sistemi di gestione di case connesse, dove l'interpretazione fine del mondo reale conta più del semplice codice binario.
— Hosman