Scegliere il metodo giusto per costruire sistemi di intelligenza artificiale multimodale è sempre stato, in buona sostanza, un processo fatto di tentativi ed errori. Parliamo di quei sistemi capaci di combinare testo, immagini, audio e altri tipi di dati in un unico modello coerente. Un campo affascinante, certo, ma anche incredibilmente caotico dal punto di vista metodologico. Almeno fino a oggi, perché un gruppo di fisici della Emory University ha messo a punto qualcosa che potrebbe cambiare le regole del gioco: un framework matematico che unifica sotto un unico tetto concettuale molte delle tecniche attualmente usate nell’AI multimodale.

Il punto di partenza della ricerca è tanto semplice quanto potente. I ricercatori hanno dimostrato che buona parte degli approcci esistenti, per quanto diversi possano sembrare in superficie, si basano su un’idea comune: comprimere i dati mantenendo intatta la parte più utile, quella che ha il maggior potere predittivo. Detto così può sembrare ovvio, ma nella pratica quotidiana della ricerca sull’intelligenza artificiale questa consapevolezza mancava di una formalizzazione rigorosa. E senza formalizzazione, ogni scelta progettuale restava in gran parte affidata all’intuizione o, peggio, alla fortuna.

Il concetto di “manopola di controllo” e le sue implicazioni

Quello che rende davvero interessante questo lavoro è il concetto che il team ha battezzato come approccio a “manopola di controllo”. In pratica, i ricercatori hanno identificato un parametro regolabile che permette di bilanciare con precisione il livello di compressione dei dati rispetto alla quantità di informazione predittiva conservata. Pensatela come una sorta di cursore: da un lato si spinge verso la massima sintesi, dall’altro si preserva ogni dettaglio rilevante. Il bello è che questo cursore non è un’astrazione teorica fine a sé stessa, ma uno strumento operativo che può guidare concretamente la progettazione di algoritmi di AI più efficaci.

Le ricadute pratiche sono notevoli. Grazie a questo framework, chi sviluppa modelli di intelligenza artificiale multimodale può evitare di sprecare risorse computazionali su approcci che, alla fine, producono risultati simili per vie diverse. Si può partire da una base teorica solida per capire quale tecnica funzionerà meglio in un dato contesto, senza dover testare decine di configurazioni alla cieca. Meno esperimenti inutili significano meno tempo perso, meno dati necessari e, aspetto tutt’altro che secondario, un consumo energetico ridotto.

Verso un’intelligenza artificiale più sostenibile

Ed è proprio sul tema della sostenibilità che vale la pena soffermarsi. Il costo ambientale dell’addestramento dei grandi modelli di AI è diventato un argomento sempre più discusso. Ogni ciclo di training richiede enormi quantità di energia elettrica, e la crescita esponenziale dei modelli multimodali non fa che aggravare il problema. Se il framework proposto dai fisici di Emory mantiene le sue promesse, potrebbe contribuire in modo significativo a rendere lo sviluppo dell’AI multimodale meno energivoro e più rispettoso dell’ambiente.

Il team di ricerca è convinto che questo approccio possa aprire la strada a sistemi di intelligenza artificiale più accurati, più efficienti e più sostenibili. Non si tratta di una rivoluzione improvvisa, ma di un cambio di prospettiva che potrebbe influenzare profondamente il modo in cui la comunità scientifica affronta la progettazione di modelli complessi. Avere un linguaggio matematico comune per descrivere tecniche apparentemente diverse è un vantaggio enorme, sia per chi fa ricerca pura sia per chi lavora sulle applicazioni concrete.

Resta da vedere quanto rapidamente la comunità adotterà questo framework e se emergeranno limiti che al momento non sono evidenti. Ma la direzione sembra quella giusta: meno caos metodologico, più rigore, e soprattutto la possibilità di costruire intelligenza artificiale multimodale senza buttare via potenza di calcolo e risorse preziose nel processo.

L'articolo AI multimodale: il framework matematico che cambia tutto proviene da Tecnoapple.

Il ritmo con cui OpenAI aggiorna i propri modelli è diventato quasi frenetico, e l’arrivo di GPT-5.4 lo conferma in pieno. Pochi giorni dopo il rilascio di GPT-5.3 Instant, pensato per rendere ChatGPT meno artificioso e più naturale nelle conversazioni quotidiane, ecco che la società di Sam Altman torna alla carica con qualcosa di decisamente più ambizioso. GPT-5.4 Thinking e Pro rappresentano un aggiornamento complessivo del modello di frontiera più potente dell’azienda, quello che era stato potenziato l’ultima volta a dicembre con la versione GPT-5.2, lanciata come risposta diretta alla concorrenza agguerrita di Google Gemini.

E allora, cosa porta sul tavolo questa nuova versione? Le novità non sono poche, e toccano aree piuttosto diverse tra loro. Si parla di miglioramenti significativi nella scrittura di codice, nella comprensione di documenti complessi, nell’uso degli strumenti integrati e nel modo in cui il modello segue le istruzioni. Ma la lista non finisce qui: ci sono passi avanti anche nella percezione delle immagini, nei compiti multimodali e soprattutto nell’esecuzione di attività lunghe e articolate, quelle che richiedono flussi di lavoro a più passaggi. Chi lavora con fogli di calcolo, documenti pesanti, analisi finanziarie o assistenza clienti dovrebbe drizzare le orecchie, perché GPT-5.4 promette di gestire queste situazioni con molta più disinvoltura.

Un milione di token e l’uso diretto del computer

Uno dei numeri che salta subito all’occhio è la finestra di contesto da un milione di token. In termini pratici, significa poter analizzare intere basi di codice, collezioni di documenti molto estese o traiettorie complesse di agenti autonomi, il tutto in una singola richiesta. Per chi si occupa di sviluppo software o gestisce grandi quantità di informazioni, è un cambiamento che pesa.

Ma forse la novità più interessante è un’altra. GPT-5.4 è il primo modello principale di OpenAI con capacità integrate di computer use, cioè la possibilità per gli agenti di interagire direttamente con il software. Non si limita a generare testo o codice: può completare attività, verificarle e correggerle in un ciclo continuo. È anche il primo modello addestrato per supportare la cosiddetta “compattazione”, una tecnica che permette di gestire traiettorie più lunghe senza perdere il contesto importante lungo la strada.

Sul fronte della ricerca, GPT-5.4 introduce una ricerca web agentica migliorata, capace di sintetizzare informazioni da più fonti, specialmente quando si tratta di dati difficili da reperire. Non è più solo un motore che restituisce risultati: è qualcosa che ragiona su dove cercare e come mettere insieme i pezzi.

Disponibilità e cosa succede ai modelli precedenti

OpenAI ha fatto sapere che il rilascio di GPT-5.4 è graduale e sta avvenendo sia su ChatGPT che su Codex. La versione Thinking è accessibile per gli abbonati Plus, Team e Pro, e andrà a sostituire GPT-5.2 Thinking, che verrà ritirato nell’arco dei prossimi tre mesi. Chi usa quel modello ha quindi un po’ di tempo per adattarsi, ma la direzione è chiara: il vecchio lascia spazio al nuovo senza troppi complimenti.

Vale la pena notare come l’efficienza nell’uso dei token sia migliorata, un aspetto che magari non fa notizia sui titoli dei giornali ma che per sviluppatori e aziende significa costi più contenuti e risposte più rapide, soprattutto nei carichi di lavoro pesanti che richiedono molti strumenti in parallelo.

Il quadro generale è abbastanza eloquente. OpenAI non sta semplicemente aggiornando un prodotto, sta cercando di ridefinire cosa ci si può aspettare da un modello di intelligenza artificiale nel 2025. La competizione con Google e gli altri player del settore non accenna a rallentare, e GPT-5.4 sembra essere la risposta più decisa arrivata finora.

L'articolo GPT-5.4 Thinking e Pro: tutte le novità del nuovo modello OpenAI proviene da Tecnoapple.