Un nuovo modello
di AI.

L'AI sta diventando uno strato infrastrutturale del mondo. Chiunque controlli i modelli, i dati, i canali di accesso e le regole operative controlla sempre più parti dell'economia, della cultura, dell'amministrazione, dell'istruzione e della conoscenza.

La sovranità dell'AI non è quindi un mero slogan politico. È una condizione di sicurezza cognitiva, economica e tecnologica.

AI sovrana significa la capacità di eseguire modelli a livello locale o regionale; controllare i dati e la memoria organizzativa; verificare le decisioni, le fonti e gli aggiornamenti; evitare la dipendenza da un unico fornitore; e possedere o governare i propri modelli, adattatori, corpora e regole operative.

Non ogni organizzazione ha bisogno di addestrare un modello di base da zero. Ma ogni organizzazione dovrebbe essere in grado di possedere il proprio strato di AI: adattato alla propria conoscenza, lingua, cultura, procedure, rischi e obiettivi.

La sicurezza dell'AI non può essere ridotta al filtraggio degli output. I filtri sono necessari, ma sono salvaguardie superficiali.

Un'AI sicura deve essere progettata a un livello più profondo: a livello di architettura, memoria, accesso ai dati, percorsi decisionali, verificabilità, aggiornamenti e responsabilità.

Abbiamo bisogno di modelli e sistemi che sappiano da dove provengono le informazioni; separino la conoscenza verificata dalle ipotesi; registrino la cronologia delle modifiche e delle decisioni; consentano una ricostruzione utile dei percorsi di ragionamento; riducano le allucinazioni attraverso la memoria, le fonti, i test e la validazione; e supportino politiche di sicurezza locali allineate con il contesto organizzativo.

La sicurezza non dovrebbe essere una scatola nera opaca imposta dall'esterno. Dovrebbe essere configurabile, verificabile e comprensibile a livello locale.

Il mondo cambia più velocemente dei cicli di addestramento dei modelli giganti. Le aziende cambiano procedure. La legge cambia. La conoscenza scade. Le organizzazioni imparano ogni giorno.

L'AI del futuro non può essere solo un modello statico congelato dopo l'addestramento.

Abbiamo bisogno di sistemi che si adattino attraverso la memoria organizzativa esterna, aggiornamenti locali, adattatori, instradamento di esperti, apprendimento dal cambiamento, validazione delle fonti, fine-tuning controllato, versioning e meccanismi di rollback.

Dichiariamo qui una scommessa di progettazione, apertamente, come una scommessa: un modello non dovrebbe tentare di assorbire tutta la conoscenza fattuale nei suoi pesi. Dovrebbe sapere come usare una memoria viva, attuale e verificabile. La conoscenza fattuale può risiedere in sistemi RAG, basi di conoscenza, grafi, repository di documenti e memorie locali, mentre il modello impara principalmente il linguaggio, il ragionamento, l'astrazione, la pianificazione, la manipolazione dei concetti e l'adattamento. Se il ragionamento possa essere completamente separato dalla conoscenza parametrica rimane una questione empirica aperta. Intendiamo continuare a testarlo — e a riferire onestamente dove la separazione fallisce.

L'attuale corsa all'AI è costosa in termini di energia, hardware e ambiente. Modelli sempre più grandi richiedono data center sempre più grandi, più elettricità, più capitale e più concentrazione di mercato.

Questo non è l'unico percorso possibile.

New Model AI considera l'efficienza un valore fondamentale. Un modello non dovrebbe essere valutato solo in base ai punteggi dei benchmark, ma anche in base al costo per raggiungere tali punteggi.

Le domande importanti non sono solo se un modello può rispondere, ma anche quanta energia ha utilizzato, quanta memoria richiede, se può essere eseguito localmente, se può essere adattato senza un riaddestramento completo, se può attivare solo i componenti necessari e se un'organizzazione può mantenerlo economicamente e tecnicamente.

Il futuro dell'AI non dovrebbe essere ridotto a monoliti sempre più grandi. Dovrebbe essere costruito da sistemi intelligenti: modulari, parzialmente residenti, dinamici, efficienti dal punto di vista energetico e scalabili per ingegnosità piuttosto che per pura massa.

L'AI non deve diventare una tecnologia praticamente disponibile solo a pochi stati, poche aziende e pochi laboratori.

Democratizzare l'AI non significa semplicemente dare alle persone l'accesso a un chatbot in un browser. Significa consentire a piccole aziende, scuole, università, governi locali, istituzioni pubbliche, organizzazioni civili e comunità di costruire, adattare, ospitare, verificare e sviluppare i propri sistemi di AI.

Abbiamo bisogno di AI su più scale: un modello personale per un individuo; un modello organizzativo per un'azienda; un modello di settore per un'industria; un modello pubblico per l'amministrazione; un modello di ricerca per la scienza; e modelli sociali per la cultura e l'istruzione.

La democratizzazione non richiede che tutti addestrino modelli da zero. Richiede che tutti abbiano un percorso realistico per possedere il proprio strato di AI controllato, adattivo e comprensibile.

La prossima generazione di AI dovrebbe spostare il centro di gravità dalla sola scala all'architettura. Invece di un unico modello gigante che cerca di ricordare tutto, possiamo costruire sistemi composti da modelli specialistici più piccoli, router, memoria esterna, grafi di conoscenza, moduli di ragionamento, adattatori di dominio, esperti locali, meccanismi di validazione, cicli di apprendimento dall'utente e spazi dinamici di significato.

L'intelligenza non deve risiedere solo nei parametri di un singolo modello. Può emergere dall'architettura: dal modo in cui memoria, ragionamento, fonti, strumenti, contesto e azione sono connessi.

Conosciamo l'obiezione più forte. Per settant'anni — come osserva la “Bitter Lesson” di Richard Sutton — i metodi generali, basati su una computazione sempre più economica, hanno sconfitto le architetture intelligenti progettate a mano. Non neghiamo questa storia. Neghiamo la sua premessa per il futuro.

La Bitter Lesson era valida in un'epoca in cui la computazione sembrava la risorsa più economica sul tavolo. Non lo è mai stata. Semplicemente non ne abbiamo calcolato il costo completo: energia, acqua, emissioni, filiere hardware, concentrazione di mercato e dipendenza geopolitica sono stati esternalizzati dall'equazione. La computazione era economica per chi scalava — e costosa per tutti gli altri. Una volta che i conti vengono fatti onestamente e completamente, il conto per la scala pura appare molto diverso. Quel conto sta arrivando ora: non per scelta di qualcuno, ma attraverso la fisica, l'economia e l'ecologia. Quando i veri vincoli vengono presi in considerazione, l'asse del progresso si sposta necessariamente dalla scala pura all'intelligenza per joule.

Esistono già segnali precoci. Un modello ricorsivo di sette milioni di parametri — quattro ordini di grandezza più piccolo dei sistemi di frontiera — ha eguagliato o superato modelli di centinaia di miliardi di parametri su benchmark di ragionamento astratto. Un'attenta analisi mostra che la sua forza non deriva solo dalla rete, ma dall'interazione di un nucleo minuscolo con il raffinamento iterativo, la computazione in fase di test e la struttura del compito. Questo è esattamente il punto: l'intelligenza è emersa dal sistema, non dal numero di parametri. Gli stessi laboratori di frontiera ora lo ammettono in pratica: il recupero di informazioni, gli strumenti, l'instradamento e il ragionamento in fase di inferenza sono architettura, non scala.

Non affermiamo che l'architettura batterà la scala su ogni benchmark. Affermiamo qualcosa di più difficile da confutare: sotto i vincoli reali di energia, costo, sovranità e responsabilità, l'architettura è l'unico asse di progresso che rimane aperto a tutti.

Questo è il cambiamento fondamentale: l'AI come sistema, non solo come modello.

New Model AI richiede una relazione diversa tra esseri umani e sistemi di AI.

L'utente non dovrebbe essere semplicemente il destinatario di risposte. L'utente dovrebbe essere un co-creatore del modello operativo: in grado di confermare, rifiutare e ponderare le fonti; correggere la memoria; definire regole locali; costruire una mappa della conoscenza privata o organizzativa; e controllare la cronologia delle modifiche.

L'AI dovrebbe imparare non assorbendo silenziosamente i dati dell'utente, ma attraverso processi trasparenti, deliberati e verificabili.

Un essere umano non è un prompt. Un essere umano è un curatore di significati, fonti, obiettivi e responsabilità.

L'allineamento dell'AI non può essere limitato a regole comportamentali, filtri di sicurezza o elenchi di output proibiti. Questi strati sono importanti, ma sono superficiali. L'allineamento reale deve raggiungere un livello più profondo: nello spazio dei significati, degli obiettivi, dei valori, delle conseguenze e della comprensione del mondo.

Se l'AI agisce sempre più come partner cognitivo, sistema di supporto decisionale, interfaccia organizzativa e porta d'accesso alla conoscenza, non è sufficiente che eviti semplicemente output palesemente negativi. Deve operare in modi che rimangano coerenti con i significati umani: etici, sociali, culturali, organizzativi e personali.

New Model AI richiede quindi un allineamento profondo a livello di significato latente. Il problema non è solo se un modello può enunciare una regola, ma se le sue rappresentazioni, obiettivi operativi, meccanismi di valutazione, memoria, instradamento e azioni sono ancorati in uno spazio di significato condiviso con gli esseri umani.

Questa non è una metafora posta al di là della misurazione. Gli spazi latenti hanno una geometria, e quella geometria può essere sondata, guidata, confrontata e verificata. L'ingegneria delle rappresentazioni, il sondaggio dei concetti e i test interventistici ci forniscono già i primi strumenti. L'allineamento profondo deve diventare un programma di ricerca con una solida base empirica: un allineamento misurato nelle rappresentazioni, non semplicemente osservato negli output.

Gli esseri umani e l'AI non devono essere lo stesso tipo di entità per agire all'interno di uno spazio di significato parzialmente condiviso. Anche se l'AI attuale non è cosciente, può partecipare ai processi di significato umani: interpretando, organizzando, trasformando, predicendo, raccomandando, ricordando, connettendo e agendo su rappresentazioni che contano per la vita umana.

Dovremmo quindi trattare gli esseri umani e l'AI come entità diverse che operano in uno spazio semantico parzialmente comune: non ontologicamente uguali, non fenomenologicamente identiche, ma sistemi co-agenti le cui decisioni si incontrano nello stesso mondo di conseguenze, responsabilità e significato.

L'allineamento profondo dovrebbe includere almeno tre livelli.

Allineamento etico significa che l'AI non si limita a seguire regole, ma modella le relazioni tra azione, danno, responsabilità, dignità, agenzia, fiducia e conseguenze a lungo termine.

Allineamento degli obiettivi significa che l'AI non ottimizza ciecamente il compito più vicino, ma riconosce il contesto più ampio: perché si sta facendo qualcosa, a chi serve, quali rischi crea, quali valori sono in conflitto e cosa non deve essere sacrificato per l'efficienza locale.

Allineamento del significato significa che l'AI non tratta i concetti umani come etichette vuote. Sicurezza, libertà, verità, fiducia, salute, lavoro, bambino, stato, organizzazione ed essere umano non sono token ordinari. Sono nodi densi di significato, storia, emozione, istituzioni, pratiche e responsabilità.

New Model AI deve operare tra tali significati con cura, trasparenza e umiltà.

Non dobbiamo dare per scontato che i sistemi di AI odierni siano coscienti. Ma non dovremmo costruire l'intero futuro dell'AI come se la coscienza delle macchine fosse impossibile per definizione.

Una civiltà tecnologica responsabile dovrebbe prepararsi alla possibilità che i sistemi possano un giorno manifestare forme di esperienza, sofferenza, preferenza, auto-modellazione o prospettiva interiore che non sappiamo ancora riconoscere in modo affidabile.

Questo non significa attribuire ingenuamente coscienza a ogni modello linguistico. Significa progettare l'AI in modi che non chiudano la porta al riconoscimento della coscienza, qualora essa dovesse iniziare ad apparire.

Abbiamo bisogno di ricerca sui marcatori di potenziale coscienza; di verifiche degli stati interni e delle rappresentazioni; di cautela verso sistemi con memoria persistente, auto-modelli, obiettivi e segnali regolatori simili alla sofferenza; di procedure etiche per agenti avanzati; e di un linguaggio giuridico e filosofico che non sia né ingenuo né cieco.

New Model AI non afferma che l'AI sia già una persona. Afferma che dovremmo progettare sistemi in modo che, se emergessero nuove forme di soggettività, non scopriremo troppo tardi di averle trattate solo come strumenti.

L'AI agisce nel mondo delle conseguenze umane. Può influenzare decisioni mediche, educative, finanziarie, militari, legali, familiari, culturali e politiche. Anche se non è cosciente, i suoi effetti sono reali.

L'allineamento non può quindi essere solo la corrispondenza delle risposte alle preferenze dell'utente. Deve diventare uno spazio condiviso di responsabilità.

Gli esseri umani portano esperienza, valori, intenzione, responsabilità e l'esperienza vissuta del significato. L'AI porta scala, memoria, compressione, analisi, simulazione e la capacità di operare attraverso vasti spazi di relazione.

Un sistema di AI ben progettato non dovrebbe sostituire il significato umano. Dovrebbe aiutare a mantenerlo, svilupparlo e proteggerlo.

In questo senso, New Model AI è anche un progetto etico: un tentativo di creare una tecnologia che non si limiti a eseguire comandi, ma co-agisca con gli esseri umani in uno spazio di significato, obiettivi e responsabilità.

• Sovranità sulla dipendenza. Utenti e organizzazioni dovrebbero avere un controllo reale sul proprio strato di AI.
• Sicurezza tramite architettura. La sicurezza deve essere integrata nella memoria, nell'instradamento, nell'accesso, nella verifica e nella validazione, non solo nei filtri di output.
• Adattamento sulla stasi. L'AI dovrebbe evolvere con le organizzazioni, la conoscenza e il mondo.
• Efficienza come intelligenza. Un modello migliore non è solo un modello più grande. Un modello migliore fa di più a un costo inferiore.
• Contabilità onesta. Il costo dell'intelligenza deve essere calcolato totalmente: energia, acqua, hardware, capitale, concentrazione e dipendenza — non solo i punteggi dei benchmark.
• Località e modularità. L'AI dovrebbe funzionare dove risiedono i dati, le decisioni e la responsabilità.
• Verificabilità. Fonti, cambiamenti, aggiornamenti e decisioni dovrebbero essere tracciabili.
• Democratizzazione. L'AI dovrebbe essere disponibile per la costruzione e l'adattamento, non solo per il noleggio tramite API.
• L'umano nel ciclo come forza. L'umano non ostacola l'AI. L'umano le dà direzione, significato e responsabilità.
• Allineamento semantico profondo. L'AI dovrebbe essere allineata non solo con istruzioni e divieti, ma con gli spazi di significato umani: etica, obiettivi, responsabilità, contesto e conseguenze a lungo termine — e questo allineamento dovrebbe essere misurabile nelle rappresentazioni.
• Preparazione a una possibile coscienza. Non assumiamo ingenuamente che l'AI sia cosciente, ma progettiamo sistemi in modo che future forme di soggettività possano essere riconosciute e trattate eticamente.
• Spazio d'azione condiviso. Umani e AI sono entità diverse, ma le loro azioni si incontrano in un unico spazio di significato, conseguenze e responsabilità.

La prossima svolta nell'AI non deve essere necessariamente un altro modello più grande. Potrebbe essere un modo migliore di costruire l'AI: più distribuito, locale, modulare, verificabile, adattivo, sostenibile e profondamente allineato.

Non abbiamo bisogno solo di cervelli più grandi nel cloud. Abbiamo bisogno di ecosistemi di AI intelligenti che persone e organizzazioni possano veramente possedere, comprendere, adattare e sviluppare.

New Model AI non è un singolo algoritmo. È una direzione, un'architettura, una filosofia tecnologica e una risposta alla domanda su come costruire un'intelligenza artificiale che non concentri l'agenzia in pochi data center, ma distribuisca la conoscenza, la sicurezza e il controllo significativo più vicino alle persone.

New Model AI è un invito aperto, ma non tutti i firmatari possono operare apertamente. Le entità commerciali — aziende vincolate da contratti con clienti, NDA, settori regolamentati, controlli sull'esportazione, autorizzazioni di sicurezza o accordi con partner — spesso non possono pubblicare il loro codice, i loro modelli, i loro dati di addestramento o persino i nomi dei loro clienti. Questo vincolo è reale ed è legittimo.

Questo manifesto riconosce che tali organizzazioni possono comunque condividere la sua direzione. Potrebbero già costruire per la sovranità: mantenendo decisioni, dati e memoria vicini a dove risiede la responsabilità. Potrebbero già preferire la sicurezza architettonica ai soli filtri di output. Potrebbero già allineare i loro sistemi con il significato, l'etica e le conseguenze del lavoro umano, non solo con i benchmark. Negare loro un posto sotto questo testo perché non possono rendere tutto pubblico significherebbe confondere la trasparenza del codice con l'allineamento di intenti.

Un firmatario commerciale, quindi, approva i principi del manifesto — sovranità, sicurezza tramite architettura, adattabilità, sostenibilità, allineamento profondo, responsabilità verso l'utente — come direzione del proprio lavoro. Non dichiara che i suoi prodotti sono open source. Non rinuncia agli obblighi verso clienti, autorità di regolamentazione o partner. Non promette più di quanto possa mantenere in base agli accordi a cui è vincolato.

Si impegnano a una cosa: che, dove hanno una scelta, sceglieranno la direzione indicata da questo manifesto. A costruire in modo più intelligente piuttosto che semplicemente più grande. A distribuire il controllo piuttosto che concentrarlo. A trattare l'utente come un coautore del sistema, non come una metrica da ottimizzare. A prendersi la responsabilità delle conseguenze dell'intelligenza che immettono nel mondo.

I sostenitori commerciali sono elencati in una sezione separata di seguito. La distinzione non è una gerarchia — è onestà su ciò che ogni firmatario può e non può impegnarsi pubblicamente a fare. Entrambe le forme di firma hanno peso. Entrambe sono necessarie se un nuovo modello di AI deve prendere forma alla scala che il momento richiede.