Foundation Model

Un foundation model rappresenta un cambiamento di paradigma significativo nel campo dell'Artificial Intelligence (AI). Si tratta di un modello di machine learning su larga scala addestrato su una vasta quantità di dati, che spesso comprende miliardi di parametri, in grado di essere adattato a un'ampia gamma di attività a valle. A differenza dei modelli tradizionali di Machine Learning (ML), che solitamente vengono creati per uno scopo specifico e singolare come la classificazione di un particolare tipo di fiore, un foundation model apprende schemi, strutture e relazioni generali durante una fase di pre-addestramento ad alta intensità di risorse. Questa ampia base di conoscenze consente agli sviluppatori di applicare il modello a nuovi problemi tramite il transfer learning, riducendo significativamente il tempo e i dati necessari per ottenere risultati all'avanguardia.

Link to this sectionMeccanismi principali: pre-addestramento e adattamento#

La potenza di un foundation model risiede nel suo processo di sviluppo in due fasi: pre-addestramento e fine-tuning. Durante il pre-addestramento, il modello viene esposto a dataset massicci, come ampie porzioni di Internet, diverse librerie di immagini o estesi repository di codice. Questa fase utilizza spesso il self-supervised learning, una tecnica in cui il modello genera le proprie etichette dalla struttura stessa dei dati, eliminando il collo di bottiglia della data annotation manuale. Ad esempio, un modello linguistico potrebbe imparare a prevedere la parola successiva in una frase, mentre un modello di visione impara a comprendere bordi, texture e permanenza degli oggetti.

Una volta pre-addestrato, il modello funge da punto di partenza versatile. Attraverso un processo chiamato fine-tuning, puoi modificare i pesi del modello su un dataset più piccolo e specifico per il dominio. Questa capacità è fondamentale per la democratizzazione dell'AI, poiché consente alle organizzazioni con risorse computazionali limitate di sfruttare architetture potenti. I flussi di lavoro moderni utilizzano spesso strumenti come l'Ultralytics Platform per semplificare questo processo di adattamento, consentendo un addestramento efficiente su dataset personalizzati senza dover creare una rete neurale da zero.

Link to this sectionApplicazioni nel mondo reale#

I foundation model fungono da spina dorsale per le innovazioni in vari settori. La loro capacità di generalizzare li rende applicabili ad attività che spaziano dall'elaborazione del linguaggio naturale alla computer vision avanzata.

• Computer Vision nell'assistenza sanitaria: I foundation model di visione specializzati possono essere sottoposti a fine-tuning per assistere nell'analisi di immagini mediche. Un modello originariamente addestrato su immagini generiche può essere adattato per rilevare tumori in scansioni MRI o identificare fratture a toro nelle radiografie. Questa applicazione dimostra come la comprensione visiva generale si traduca in strumenti diagnostici salvavita.
• Automazione industriale: Nella produzione, i modelli di visione come Ultralytics YOLO26 funzionano come architetture fondamentali per il rilevamento di oggetti. Le fabbriche utilizzano questi modelli per automatizzare l'ispezione di qualità, rilevando difetti sulle linee di montaggio con elevata velocità e precisione. La conoscenza preesistente del modello sui confini degli oggetti accelera l'implementazione di queste soluzioni di smart manufacturing.

Link to this sectionEsempio di implementazione tecnica#

Gli sviluppatori possono sfruttare i foundation model per eseguire attività complesse con il minimo codice. Il seguente esempio mostra come caricare un YOLO26 model pre-addestrato—un foundation model di visione ottimizzato per applicazioni in tempo reale—ed eseguire il rilevamento di oggetti su un'immagine.

from ultralytics import YOLO

# Load a pre-trained YOLO26 foundation model
# 'n' stands for nano, the smallest and fastest version
model = YOLO("yolo26n.pt")

# Perform inference on an image to detect objects
# The model uses its pre-trained knowledge to identify common objects
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results
results[0].show()

Link to this sectionDifferenziare i termini chiave#

È utile distinguere il termine "Foundation Model" da concetti correlati nel panorama dell'AI per comprenderne i ruoli specifici:

• Large Language Model (LLM): An LLM is a type of foundation model specifically designed to process and generate text. While all LLMs are foundation models, not all foundation models are LLMs; the category also includes vision models like SAM (Segment Anything Model) and multimodal systems.
• Transfer Learning: Questa è la tecnica utilizzata per applicare un foundation model a una nuova attività. Il foundation model è l'artefatto (la rete neurale salvata), mentre il transfer learning è il processo di aggiornamento della conoscenza di quell'artefatto per un caso d'uso specifico, come il controllo dei parassiti in agricoltura.
• Generative AI: Questo termine si riferisce a sistemi in grado di creare nuovi contenuti (testo, immagini, codice). Molti foundation model alimentano applicazioni di Generative AI, ma possono anche essere utilizzati per attività discriminative come la classificazione o l'object tracking, che non sono strettamente "generative".

Link to this sectionDirezioni future e impatto#

L'evoluzione dei foundation model si sta muovendo verso la multimodal AI, in cui un singolo sistema può elaborare e correlare informazioni da testo, immagini, audio e dati dei sensori contemporaneamente. La ricerca di istituzioni come lo Stanford Institute for Human-Centered AI (HAI) evidenzia il potenziale di questi sistemi nel ragionare sul mondo in modo più simile agli esseri umani. Man mano che questi modelli diventano più efficienti, l'implementazione su dispositivi di edge computing diventa sempre più fattibile, portando potenti capacità di AI direttamente su smartphone, droni e sensori IoT.