Il campo dell’Intelligenza Artificiale ha appena assistito a una mossa che suona come fantascienza, ma che è incredibilmente concreta: i ricercatori hanno dimostrato che i modelli linguistici di frontiera possono agire come veri e propri ‘chirurghi’ dei neuroni artificiali. L’esperimento, che vede il potente GPT-6 Astra, ha puntato i riflettori su un modello più piccolo, Qwen3.5-0.8B, noto per le sue capacità di ragionamento ma con delle lacune specifiche. Il trucco è rivoluzionario: invece di passare mesi e milioni di dollari su complessi cicli di addestramento (i fastidosi ‘gradient-based training’), GPT-6 ha ‘risolto’ i problemi matematici del modello quasi come se stesse editando un file Word. Ha modificato direttamente un minuscolo ‘0,016%’ dei pesi neurali del modello, e boom! Il punteggio in matematica è schizzato da un modesto 7,9% a un impressionante 48,1%. Inoltre, i risultati hanno mostrato miglioramenti fino a sei volte superiori nella capacità di calcolo e tre volte più efficaci nell’interpretare istruzioni. Questa tecnica, definita ‘Weight-Space Programming’, suggerisce che i futuri modelli non si limiteranno a *parlare* di conoscenza, ma potranno *manipolare* la conoscenza stessa a livello fondamentale. È come se l’IA non si limitasse a leggere il libro, ma potesse rilegare le pagine che mancano. È un salto concettuale enorme che sposta il confine dell’IA da un sistema di apprendimento passivo a uno di ottimizzazione chirurgica e diretta. Il futuro sembra prevedere LLM che non solo pensano, ma che sanno *come* far pensare meglio ad altri sistemi, semplicemente sistemandone i ‘cavi’ interni.

🇬🇧 Summary in English

The world of AI just got a major upgrade, moving from complex training regimens to something that sounds straight out of a sci-fi playbook, yet is remarkably real. Researchers have demonstrated that cutting-edge Large Language Models (LLMs) can act like true ‘neural surgeons.’ The experiment, involving the mighty GPT-6 Astra, focused its attention on a smaller, capable model, Qwen3.5-0.8B, which had certain reasoning weaknesses. The breakthrough technique is nothing short of revolutionary: instead of dedicating months and millions of dollars to complex gradient-based training cycles, GPT-6 ‘fixed’ the model’s math problems almost as if it were editing a Word document. It directly modified a minuscule ‘0.016%’ of the model’s neural weights. The result? A massive jump in mathematical scoring, leaping from a mere 7.9% to an impressive 48.1%. The improvements also clocked up to six times higher in calculation ability and three times better instruction following. This process, dubbed ‘Weight-Space Programming,’ suggests that future AI won’t just limit itself to *talking* about knowledge; it will be able to *manipulate* knowledge itself at a foundational level. It’s like moving the AI from simply reading the book to being able to rebind the missing pages. This is a huge conceptual leap, changing the boundary of AI from a passive learning system to one capable of surgical and direct optimization. The future points toward LLMs that don’t just think, but that understand *how* to make other systems think better, simply by adjusting their internal ‘wiring.’

Leggi l’articolo originale su Reddit →

Fonte: Reddit | Argomento: Intelligenza Artificiale

#tecnologia #innovazione #technews