OpenAI ha sviluppato un nuovo modello di intelligenza artificiale, noto come GPT-5.6 Sol, che è in grado di migliorare autonomamente un modello più piccolo, denomnato Luna, utilizzando un breve prompt per ottimizzarlo. Questa capacità di post-addestramento rappresenta una svolta nella ricerca KI, in cui i modelli hanno iniziato a sviluppare una crescente capacità di autotrasformazione.
Secondo OpenAI, Sol ha trovato da solo le configurazioni necessarie per l’addestramento, ha selezionato le GPU appropriate e ha avviato il processo di allenamento garantendo che tutto funzionasse correttamente. Questo compito era precedentemente riservato a squadre di senior-fra le ricercatori e richiedeva circa due settimane di lavoro da parte di esperti.
Jason Liu, ricercatore OpenAI, ha chiarito la natura dell’apprendimento autonomo: Sol non ha inventato di sana pianta una ricetta completa per l’addestramento. In realtà, ha riusato e adattato configurazioni esistenti a Luna, riducendo notevolmente il tempo e il lavoro richiesti per l’adattamento a modelli più piccoli.
Il miglioramento di Sol rispetto al predecessore GPT-5.5 è evidenziato da un benchmark interno per la misura delle capacità di miglioramento ricorsivo (RSI – Recursive Self-Improvement). OpenAI ha registrato un aumento di 16,2 punti, dimostrando un significativo vantaggio di GPT-5.6 Sol rispetto alla versione precedente.
RSI – Il benchmark per il miglioramento autonomo
Il concetto di RSI riguarda la capacità di un modello KI di migliorarsi autonomamente, una capacità che potrebbe generare una sorta di ciclo di miglioramento continuo. Questa è una questione chiave nell’ambito della sicurezza KI, poiché la capacità di autotrasformazione potrebbe portare ad un rapido progresso esponenziale.
Anthropic, un concorrente di OpenAI, ha sottolineato all’inizio di giugno che pur non essendo mai stato raggiunto un sistema in grado di autogestire completamente le sue migliorie, ci si avvicina a qualcosa che potrebbe apparire più rapidamente rispetto alle aspettative delle istituzioni.
Effetti sul lavoro di ricerca interna
GPT-5.6 ha avuto un impatto immediato sull’efficienza della ricerca KI all’interno di OpenAI, dove ora i ricercatori lo utilizzano in ogni fase della catena di sviluppo: dall’analisi degli errori all’ottimizzazione sistematica, fino all’esecuzione e all’interpretazione di nuove sperimentazioni.
Una misura chiara del suo uso è che la produzione di token giornaliera per ogni ricercatore è più che raddoppiata rispetto al periodo precedente, mentre il numero di richieste di modifica (pull requests) e sperimentazioni per ricercatore è aumentato in modo significativo. Questi progressi hanno reso più veloce il passaggio dall’idea concettuale al risultato concreto.
Le metriche della crescita
Le statistiche sull’adozione interna del periodo di sei mesi precedenti sottolineano il ruolo crescente di Sol all’interno dell’ecosistema di ricerca KI. Hanno registrato un aumento centuplicato nella capacità di elaborazione dedicata all’addestramento interno, nonché un aumento ventidue volte superiore per l’utilizzo autonomo dei token.
Pur ammettendo che questi dati non misurino direttamente il progresso scientifico, OpenAI ha sottolineato che mostrano una crescita esponenziale nell’uso delle risorse KI, indicando la forza crescente dei modelli autonomi.
Potenziale futuro e sfide
I progressi nella capacità dei modelli di migliorare autonomamente i propri algoritmi apre un dibattito su un aspetto critico del futuro: come controllare una tecnologia che non ha bisogno dell’interazione umana per progredire velocemente. Questo scenario richiede un nuovo tipo di governance e un’ampia preparazione per gestire un potere tecnologico in continuo aumento.
Nel frattempo, OpenAI prosegue nello sviluppo di strumenti in grado di accelerare la ricerca KI, mantenendo un equilibrio tra innovazione tecnologica e responsabilità etica. Sol rappresenta un passo avanzato verso questa direzione, ma anche una dimostrazione concreta di quanto siano vicini gli algoritmi a operare in autonomia.
OpenAI ha anche offerto un’analisi estesa delle capacità di lavoro autonomo di GPT-5.6, mettendo a fuoco il potenziale dell’RSI non solo in termini tecnici, ma anche in relazione all’ottimizzazione dei modelli esistenti, alla sperimentazione continua e alla riduzione dei costi per gli addestramenti.
Con la crescita del mercato della KI, le aziende sono sempre più incentivate a sviluppare modelli che riescano a superarsi autonomamente, accelerando così l’evoluzione della tecnologia. Il caso di GPT-5.6 Sol e Luna illustra che questa transizione, pur in fase sperimentale, potrebbe avvenire in tempi molto ristretti.
Conclusione
In sintesi, GPT-5.6 Sol non solo rappresenta una svolta nella capacità di autotraining della KI, ma inquadra anche le nuove sfide da affrontare in termini di sicurezza, transparenza e controllo. Con la tecnologia che si sviluppa velocemente, i laboratori KI hanno il dovere morale e operativo di assicurare che questi progressi avvengano all’interno di strumenti e regole condivisi a livello globale.