Il 2024 inizia con un'ondata di IA generativa

La community dell’AI sembra finire sui giornali quasi ogni giorno. I primi mesi del 2024 sono stati entusiasmanti e ricchi di nuove innovazioni nell’AI. Dai potenti nuovi modelli linguistici di grandi dimensioni agli impianti cerebrali umani, il 2024 si preannuncia un anno importante per l’AI.

Vediamo l'IA trasformare i settori, rendere le informazioni più accessibili e persino muovere i primi passi verso la fusione delle nostre menti con le macchine. Ripercorriamo il primo trimestre del 2024 e diamo uno sguardo più da vicino ai progressi compiuti nell'IA in pochi mesi.

I modelli linguistici di grandi dimensioni sono sulla cresta dell'onda#

I modelli linguistici di grandi dimensioni (LLMs), progettati per comprendere, generare e manipolare il linguaggio umano sulla base di enormi quantità di dati testuali, sono stati protagonisti del primo trimestre del 2024. Molte grandi aziende tecnologiche hanno rilasciato i propri LLMs, ciascuno con capacità uniche. Il successo dei primi LLMs, come GPT-3, ha ispirato questa tendenza. Ecco alcuni dei rilasci di LLM più importanti dei primi mesi del 2024.

Claude 3 di Anthropic#

Anthropic ha rilasciato Claude 3 il 4 marzo 2024. Il modello Claude 3 è disponibile in tre versioni: Opus, Sonnet e Haiku, pensate per mercati e scopi diversi. Haiku, il modello più veloce, è ottimizzato per risposte rapide e semplici. Sonnet bilancia velocità e intelligenza ed è destinato alle applicazioni aziendali. Opus, la versione più capace, è progettata per attività di ragionamento complesse e al suo lancio ha ottenuto risultati ai vertici in molti benchmark.

Come illustrato nella nostra analisi della scheda del modello Claude 3, Claude 3 introduce diverse funzionalità e miglioramenti:

• Conversazioni multilingue potenziate: capacità migliorate in lingue come lo spagnolo, il giapponese e il francese.
• Funzionalità avanzate di visione: capacità di elaborare diversi formati visivi.
• Meno rifiuti: dimostra una maggiore comprensione e formula meno rifiuti non necessari, segno di una migliore comprensione del contesto.
• Finestra di contesto estesa: offre una finestra di contesto di 200K, ma può elaborare input di oltre 1 milione di token in base alle esigenze dei clienti.

Fig. 1. Claude 3 è più consapevole del contesto rispetto alle versioni precedenti.

DBRX di Databricks#

Databricks DBRX è un LLM aperto e di uso generale, rilasciato da Databricks il 27 marzo 2024. DBRX ottiene buoni risultati in vari benchmark, tra cui quelli sulla comprensione del linguaggio, la programmazione e la matematica. Supera altri modelli affermati pur essendo circa il 40% più piccolo di modelli simili.

Fig. 2. Confronto tra DBRX e altri modelli.

DBRX è stato addestrato con la predizione del token successivo usando un’architettura a miscela di esperti (MoE) a grana fine, che migliora notevolmente l’efficienza dell’addestramento e dell’inferenza. La sua architettura consente al modello di prevedere con maggiore precisione la parola successiva di una sequenza, consultando un insieme eterogeneo di sottomodelli specializzati («esperti»). Questi sottomodelli sono adatti a gestire tipi diversi di informazioni o attività.

Gemini 1.5 di Google#

Il 15 febbraio 2024 Google ha presentato Gemini 1.5, un modello di AI multimodale ed efficiente dal punto di vista computazionale, capace di analizzare grandi quantità di dati testuali, video e audio. Il modello più recente offre prestazioni, efficienza e capacità superiori. Una caratteristica fondamentale di Gemini 1.5 è il notevole progresso nella comprensione di contesti lunghi. Il modello è in grado di gestire in modo coerente fino a 1 milione di token. Le capacità di Gemini 1.5 sono dovute anche a una nuova architettura basata su MoE.

Fig. 3 Confronto tra le lunghezze del contesto dei modelli LLM più diffusi

Ecco alcune delle funzionalità più interessanti di Gemini 1.5:

• Gestione migliorata dei dati: consente di caricare direttamente prompt sotto forma di PDF di grandi dimensioni, repository di codice o video lunghi. Il modello è in grado di ragionare su diverse modalità e generare testo.
• Caricamento e interrogazione di più file: ora gli sviluppatori possono caricare più file e porre domande.
• Utilizzabile per attività diverse: è ottimizzato per adattarsi a una vasta gamma di attività e mostra miglioramenti in ambiti come matematica, scienze, ragionamento, multilinguismo, comprensione dei video e codice.

Immagini straordinarie generate dall'IA#

Nel primo trimestre del 2024 sono emersi modelli di AI generativa capaci di creare immagini così realistiche da suscitare dibattiti sul futuro dei social media e sui progressi dell’AI. Ecco i modelli al centro della discussione.

Sora di OpenAI#

OpenAI, la società che ha creato ChatGPT, ha annunciato il 15 febbraio 2024 Sora, un modello di deep learning all'avanguardia che genera video a partire da testo. Sora è in grado di generare video della durata di un minuto, con un'elevata qualità visiva, a partire da prompt testuali forniti dagli utenti.

Per esempio, dai un'occhiata al seguente prompt.

“Un mondo di carta ritagliata, reso magnificamente, con una barriera corallina ricca di pesci colorati e creature marine.”

Ed ecco un fotogramma del video generato.

Fig. 4 Un fotogramma di un video generato da Sora.

L'architettura di Sora rende tutto questo possibile combinando modelli di diffusione per la generazione delle texture e modelli Transformer per garantire la coerenza strutturale. Finora l'accesso a Sora è stato concesso a red teamer e a un gruppo selezionato di artisti visivi, designer e registi, per comprendere i rischi e raccogliere feedback.

Stable Diffusion 3 di Stability AI#

Il 22 febbraio 2024 Stability AI ha annunciato l’arrivo di Stable Diffusion 3, un modello di generazione di immagini a partire da testo. Il modello combina un’architettura Transformer a diffusione con il flow matching. Il documento tecnico non è ancora stato pubblicato, ma ci sono alcune caratteristiche chiave da tenere d’occhio.

Fig. 5. Immagine generata a partire dal prompt: “Illustrazione anime epica di un mago in cima a una montagna, di notte, che lancia un incantesimo cosmico nel cielo scuro con la scritta "Stable Diffusion 3" composta da energia colorata” (Fonte)

L'ultimo modello di Stable Diffusion offre prestazioni, qualità delle immagini e precisione migliori nella creazione di immagini con più soggetti. Stable Diffusion 3 sarà disponibile anche in una varietà di modelli, da 800 milioni a 8 miliardi di parametri. Gli utenti potranno scegliere quello più adatto alle proprie esigenze di scalabilità e dettaglio.

Lumiere di Google#

Il 23 gennaio 2024, i ricercatori di Google hanno presentato Lumiere, un modello di diffusione da testo a video. Lumiere usa un'architettura chiamata Space-Time-U-Net, abbreviata in STUNet. Questa architettura aiuta Lumiere a comprendere la posizione degli elementi e il loro movimento in un video. In questo modo, il modello può generare video fluidi e realistici.

Fig. 6 Un fotogramma di un video generato a partire dal prompt: “Panda che suona l'ukulele a casa.”

Con la capacità di generare 80 fotogrammi per video, Lumiere segna un notevole passo avanti nella qualità dei video creati dall’AI. Ecco alcune funzionalità di Lumiere:

• Da immagine a video: a partire da un'immagine e da un prompt, Lumiere può animare le immagini e trasformarle in video.
• Generazione stilizzata: Lumiere può creare video con stili specifici usando una sola immagine di riferimento.
• Cinemagraph: Lumiere può animare aree specifiche di un'immagine per creare scene dinamiche, ad esempio facendo muovere un oggetto mentre il resto della scena rimane statico.
• Ritocco video: può modificare parti di un video, ad esempio cambiando gli abiti delle persone o alterando i dettagli dello sfondo.

Il futuro sembra già qui#

L'inizio del 2024 ha portato anche numerose innovazioni nel campo dell'IA che sembrano uscite da un film di fantascienza. Si sta lavorando a cose che in passato avremmo definito impossibili. Grazie alle seguenti scoperte, il futuro non sembra più così lontano.

Neuralink di Elon Musk#

Il 29 gennaio 2024, Neuralink di Elon Musk ha impiantato con successo il suo chip cerebrale wireless in un essere umano. Si tratta di un enorme passo avanti verso la connessione tra cervello umano e computer. Elon Musk ha annunciato che il primo prodotto di Neuralink, chiamato «Telepathy», è in fase di sviluppo.

Fig. 7 L'impianto Neuralink

L'obiettivo è consentire agli utenti, in particolare a chi ha perso la funzionalità degli arti, di controllare facilmente i dispositivi con il pensiero. Le potenziali applicazioni vanno ben oltre la comodità. Elon Musk immagina un futuro in cui le persone con paralisi possano comunicare facilmente.

Il pavimento HoloTile di Disney#

Il 18 gennaio 2024 Walt Disney Imagineering ha presentato HoloTile Floor, definito il primo pavimento-tapis roulant omnidirezionale al mondo per più persone.

Fig. 8. Lanny Smoot, imagineer di Disney, posa sulla sua ultima innovazione, il pavimento HoloTile.

Può muoversi sotto qualsiasi persona o oggetto, come per telecinesi, offrendo un'esperienza immersiva di realtà virtuale e aumentata. Puoi camminare in qualsiasi direzione ed evitare le collisioni mentre lo usi. Il pavimento HoloTile di Disney può anche essere installato sui palcoscenici teatrali per ballare e muoversi in modi creativi.

Vision Pro di Apple#

Il 2 febbraio 2024 è arrivato sul mercato Vision Pro, il visore di Apple tanto atteso. Offre una serie di funzionalità e applicazioni pensate per ridefinire l'esperienza di realtà virtuale e aumentata. Il visore Vision Pro si rivolge a un pubblico eterogeneo, combinando intrattenimento, produttività e spatial computing. Al momento del lancio, Apple ha annunciato con orgoglio che oltre 600 app, dagli strumenti di produttività ai giochi e ai servizi di intrattenimento, erano ottimizzate per Vision Pro.

Devin di Cognition#

Il 12 marzo 2024 Cognition ha rilasciato Devin, un assistente per l’ingegneria del software. Devin è il primo tentativo al mondo di creare un ingegnere software autonomo basato sull’AI. A differenza dei tradizionali assistenti di programmazione, che offrono suggerimenti o completano attività specifiche, Devin è progettato per gestire interi progetti di sviluppo software, dall’idea iniziale al completamento.

Può apprendere nuove tecnologie, creare e distribuire app complete, individuare e correggere bug, addestrare i propri modelli, contribuire a codebase open source e di produzione e persino svolgere veri incarichi di sviluppo su siti come Upwork.

Fig. 9 Confronto tra Devin e altri modelli.

Devin è stato valutato su SWE-bench, un benchmark impegnativo che chiede agli agenti di risolvere problemi reali di GitHub presenti in progetti open source come Django e scikit-learn. Ha risolto correttamente il 13,86% dei problemi dall'inizio alla fine, rispetto al precedente risultato migliore, pari all'1,96%.

Menzioni d'onore#

Sono successe così tante cose che non è possibile trattarle tutte in questo articolo, ma ecco alcune altre menzioni d’onore.

• LATTE3D di NVIDIA, annunciato il 21 marzo 2024, è un modello di IA che genera oggetti 3D a partire da prompt testuali, creando istantaneamente rappresentazioni 3D.
• Il nuovo generatore di video da testo di Midjourney, anticipato dal CEO David Holz, ha iniziato l'addestramento a gennaio e dovrebbe essere lanciato a breve.
• Per contribuire alla rivoluzione dei PC basati sull'IA, Lenovo ha lanciato il ThinkBook 13x con tecnologia E Ink Prism e laptop ad alte prestazioni basati sull'IA l'8 gennaio 2024.

Resta al passo con le tendenze dell'IA insieme a noi!#

L’inizio del 2024 ha visto importanti progressi nell’AI e diverse pietre miliari tecnologiche. Ma questo è solo l’inizio di ciò che l’AI può fare. Se vuoi saperne di più sugli ultimi sviluppi dell’AI, Ultralytics ha quello che fa per te.

Dai un'occhiata al nostro repository GitHub per scoprire i nostri contributi più recenti alla computer vision e all'IA. Puoi anche consultare le nostre pagine dedicate alle soluzioni per scoprire come viene usata l'IA in settori come la produzione e la sanità.