> ## Content Index > Fetch the complete content index at: https://www.alessiopomaro.it/llms.txt > Use this file to discover other available public pages before exploring further. # 12 spunti per il 2025 sull'evoluzione dell'AI - URL: https://www.alessiopomaro.it/12-spunti-2025-evoluzione-ai/ - Published: 2024-12-26T07:00:20.000Z - Updated: 2025-03-05T06:53:04.000Z - Description: Prendendo spunto dalle innovazioni presentate da OpenAI nei 12 giorni di live prima delle festività, vediamo altrettanti spunti e riflessioni sulle evoluzioni dell'AI che ci portano al 2025. - Author: Alessio Pomaro - Tags: AI, GPT, Novità e Riflessioni Si sono recentemente conclusi i ["***12 Days***" di OpenAI](https://openai.com/12-days/?ref=alessiopomaro.it): dodici giorni di live streaming in cui il brand ha presentato le innovazioni e le nuove features sviluppate nell'ultimo periodo. In questo contenuto li ripercorreremo insieme, ma con l'aggiunta di riflessioni e spunti che riguardano **lo sviluppo dell'Intelligenza Artificiale nel prossimo futuro**. --- ## **1) Dall'aumento della scala al miglioramento della qualità dell'inferenza** Con il "*Day 1*", e il rilascio di **o1** "*full*" e "*Pro*", OpenAI continua il percorso del **miglioramento delle performance dei modelli guidato dall'aumento della qualità dell'inferenza**. o1 è migliore, più veloce, multimodale, adattivo, e non solo dedicato a task di calcolo. Day 1 di OpenAI: o1 e oi Pro **La recente storia dell’AI può essere riassunta in una parola: scala.** Ovvero performance = modelli sempre più grandi e che necessitano di potenza di calcolo sempre maggiore. Sistemi come 01 dimostrano che non si tratta più dell'unico percorso di crescita. ![Il miglioramento dei modelli non è più soltanto affidato all’aumento di scala](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/performance-modelli-qualita-inferenza.webp) **Come funzionano questi sistemi?** Quando il modello riceve il prompt in input, prima di dare la risposta, produce una serie di **token di reasoning**. In pratica, è addestrato per sviluppare **catene di pensiero**, in cui analizza il problema passo dopo passo, fa diverse ipotesi e le confronta; infine, dopo questi step, genera l'output con una qualità superiore. ![Un esempio di funzionamento di o1 di OpenAI](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/esempio-funzionamento-o1-openai.webp) Un esempio di funzionamento di o1 di OpenAI Anche **Google** sta evolvendo i suoi modelli in questa direzione. Recentemente, infatti, ha rilasciato **Gemini 2.0 Flash Thinking** su [AI Studio](https://aistudio.google.com/?ref=alessiopomaro.it), che funziona anche su task con input multimodale. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/gemini-reasoning-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/gemini-reasoning-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/gemini-reasoning-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/gemini-reasoning-4.webp) Un esempio di Gemini 2.0 Flash Thinking Il potenziale di questi sistemi, unito ad **architetture multi-agente** in cui i "***reasoner***" guidano le azioni dei singoli agenti, porterà ad applicazioni davvero interessanti. Qualche giorno fa, ho realizzato un software di questo tipo usando [**Autogen**](https://microsoft.github.io/autogen/0.2/?ref=alessiopomaro.it) di **Microsoft** come framework, in cui diversi AI agent collaborano per fare una predizione su un dataset. Gli agenti sono basati su **GPT-4o** e **o1**. **Creano un piano d'azione autonomamente**, sviluppano il codice necessario installando le librerie che mancano, lo eseguono **correggendo eventuali** errori fino ad arrivare all'output. Il sistema **valuta anche le performance** e **modifica la rete neurale che si occupa della predizione in modo da ottimizzarla**. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/multiagent-prediction-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/multiagent-prediction-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/multiagent-prediction-3.webp) Sistema multi-agent che genera una prediction su un dataset > Mi aspetto un framework multi-agent da OpenAI, che vada oltre al progetto [**Swarm**](https://github.com/openai/swarm?ref=alessiopomaro.it). --- ## **2) Migliora la capacità di generalizzazione dei modelli di linguaggio** Il "*Day 2*" di OpenAI è il giorno del **Reinforcement Fine-Tuning (*RFT*)**, applicato ai modelli o1. Day 2 di OpenAI: Reinforcement Fine-Tuning (RFT) Mentre il **fine-tuning** si limita a fornire dati al modello, addestrandolo a imitarli (*miglioramento di tono, stile, formato*), il **Reinforcement Fine-Tuning** punta ad aumentare la **capacità di generalizzazione**: il modello riceve un dataset di training, e successivamente prova a risolvere un problema ricevendo un punteggio (*dal grader*) per la qualità della risposta. Se la risposta è corretta, viene premiato, altrimenti viene "*scoraggiato*" a perseguire quella **linea di ragionamento**. Questa nuova funzionalità mira a migliorare la capacità dei modelli di affrontare compiti complessi e specifici. > Nuove architetture che **aumentano la precisione e la qualità dell'inferenza**, addestrando i modelli a compiere un "ragionamento" in modo migliore. --- ## **3) La qualità degli output multimediali aumenta, creando strumenti potenti per i content creator** Il "*Day 3*" di OpenAI è il giorno di **Sora**, il tanto atteso modello per la **generazione di video**. Si tratta di una nuova piattaforma disponibile su [**sora.com**](https://sora.com/?ref=alessiopomaro.it), in grado di creare video (*da 5 a 20 s, e da 480p a 1080p*) attraverso prompt testuali e immagini statiche, di editare e mixare video con stili diversi e di estenderli in entrambe le direzioni. Day 3 di OpenAI: Sora La funzionalità "***storyboard***" è quello che mancava per questi sistemi: permette di dirigere video complessi con una sequenza di azioni sulla timeline, e con transizioni fluide. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/storyboard-sora-esempio.webp) Lo Storyboard di Sora Il video che segue, mostra un esempio di video che ho generato attraverso lo storyboard che si vede nell'immagine precedente, e successivamente modificato con la funzione "***Remix***", che permette di modificare degli elementi in un video attraverso prompt testuali. Un esempio della funzionalità "Remix" di Sora Sora è già usabile negli USA e in altri paesi non specificati nella presentazione, ma è stato sottolineato che per Europa e UK ci vorrà del tempo. Il modello viene distribuito in versione limitata (*video, qualità, durata, filigrana*) per gli abbonati ChatGPT, con funzionalità complete per gli [**abbonati Pro**](https://openai.com/index/introducing-chatgpt-pro/?ref=alessiopomaro.it). **Sicurezza**: i video vengono contrassegnati da una filigrana e da metadati [C2PA](https://c2pa.org/?ref=alessiopomaro.it). In fase di caricamento delle immagini che fanno da driver per i video, inoltre, l'utente deve dichiarare che si tratta di materiale che non riguarda minorenni, contenuti espliciti o violenti, e materiale protetto da copyright. Dopo il lancio di Sora, **Google ha annunciato** [**Veo 2**](https://deepmind.google/technologies/veo/veo-2/?ref=alessiopomaro.it), che dimostra una qualità impressionante, con la capacità di generare **video in 4k**. Esempi di video generati attraverso Veo 2 di Google Anche **Pika** ha lanciato la **versione 2.0** del suo modello, introducendo (*in risposta allo Storyboard di Sora*) uno strumento per una generazione di video più controllata, chiamato "***Scene Ingredients***". Scene Ingredients di Pika 2.0 E non poteva mancare la risposta di **Runway**, che introduce i **fotogrammi chiave intermedi per Gen-3**. Si tratta di un sistema per passare facilmente da una scena all'altra avendo **maggior controllo della creazione**, che ormai è l'obiettivo principale di questi strumenti. Video generato attraverso Runway Gen-3 e i fotogrammi chiave intermedi > La qualità di questi modelli non stupisce più. Quello che stupisce è come **stanno diventando (con una forza sempre maggiore) degli strumenti chiave per i content creator**. --- ## **4) L'evoluzione degli editor con LLM per una co-creazione sempre migliore** Il "*Day 4*" è il giorno dell'evoluzione di **Canvas**. Day 3 di OpenAI: Canvs Vediamo le tre innovazione più interessanti. 1. La possibilità di **portare qualunque testo su Canvas**, anche semplicemente copiandolo e incollandolo da un file (*prima era necessario eseguire un prompt per aprire l'interfaccia*). 2. **L'esecuzione del codice**. È possibile lavorare sul codice ed **eseguirlo direttamente su Canvas**. Il sistema può mostrare la console degli errori (*con la possibilità di fixare*), e l'output (*testo e diagrammi*). Questa funzionalità è carina, ma, dopo alcuni test, ho delle perplessità. *Che tipo di codice può essere eseguito in un ambiente come questo?* Senza la possibilità di avere un dataset a disposizione, né accesso esterno.. Certo, poche righe di Python con dati simulati, ma non qualcosa di più strutturato. 3. Le **nuove features** che permettono ai GPTs custom di lavorare direttamente su Canvas, sia con il testo, sia con lo sviluppo di codice. > Gli editor dotati di assistenti basati > sui LLM sono una realtà consolidata. Anche **Anthropic** ne ha una versione nel suo [**Artifacts**](https://www.anthropic.com/news/artifacts?ref=alessiopomaro.it), e abbiamo **Gemini** integrato su **Colab**. Tra le innovazioni più interessanti troviamo [**Spark di GitHub**](https://github.com/github%5Fspark%5Fwaitlist%5Fsignup?ref=alessiopomaro.it) (*oltre a* [***Copilot***](https://github.com/features/copilot?ref=alessiopomaro.it)), che permette di creare micro-applicazioni web utilizzando il linguaggio naturale, rendendo lo sviluppo accessibile anche a chi ha competenze di programmazione meno avanzate. Parallelamente, **Replit ha sviluppato** [**AI Agent**](https://replit.com/ai?ref=alessiopomaro.it), una piattaforma che guida l'utente nella generazione e distribuzione di applicazioni complete, riducendo significativamente i tempi di sviluppo e abbassando la barriera d'ingresso per la creazione di software. --- ## **5) L'integrazione negli ecosistemi** Il "*Day 5*" è il giorno dell'integrazione con **Apple Intelligence**. **ChatGPT** è ora integrato in iOS, iPadOS e macOS. **Siri**, ad esempio, può passare le richieste a ChatGPT quando servono risposte più complesse. Può contribuire alla scrittura e all'analisi di documenti, e si integra con la fotocamera per analizzare elementi visivi. Day 5 di OpenAI: Apple Intelligence > Una dimostrazione di agenti collaborativi integrati negli ecosistemi. Cosa che sta dimostrando anche Google con **Gemini 2.0**. --- ## **6) La multimodalità e l'interazione uomo-macchina** Il "*Day 6*" è il giorno del potenziamento dell'**Advanced Voice Mode**. La funzionalità permette di **conversare con ChatGPT** usando **video dal vivo** e condivisione dello schermo: un'interazione con l'assistente in tempo reale per ricevere aiuti pratici. Day 6 di OpenAI: Advanced Voice Mode Quelli che seguono sono alcuni miei test della modalità, che purtroppo non è ancora disponibile in Italia (*ho usato una VPN*). Advanced Voice Mode di ChatGPT con video in real-time Nel frattempo anche Microsoft ha rilasciato **Copilot Vision**, che permette un'**esperienza di navigazione collaborativa**, con l'assistente che può "*vedere*" lo schermo in tempo reale dando suggerimenti e interagendo con l'utente attraverso la voce. [Copilot Vision now in preview – a new way to browse | Microsoft Copilot BlogSince we first announced the new consumer Copilot in October, we have loved seeing the ways people have made Copilot their own. It has helped people think through their ideas and get a fresh perspective, has made it less overwhelming to find the right information, and has even helped people feel supported when navigating difficult![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/favicon-5.ico)Microsoft Copilot BlogThe Copilot Team![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/Microsoft_Sizzle_Vision_16x9038.png)](https://www.microsoft.com/en-us/microsoft-copilot/blog/2024/12/05/copilot-vision-now-in-preview-a-new-way-to-browse/?ref=alessiopomaro.it) Google, procedendo nella stessa direzione, ha reso disponibile **l'interazione multimodale con Gemini 2.0**, con la possibilità di dialogare con l'assistente attraverso la voce, condividendo anche la camera del dispositivo e lo schermo. Nel video che segue, una mia demo, in cui **lavoro a schermo condiviso e uso la voce per comunicare con il modello** (*il sistema è usabile su* [*Google AI Studio*](https://aistudio.google.com/live?ref=alessiopomaro.it)). Gemini 2.0: un esempio di utilizzo con schermo condiviso e voce Problemi con la lingua a parte, si tratta di un'esperienza davvero interessante, e fa capire il potenziale di questa tecnologia. > L'**interazione multimodale** è ormai a un livello di qualità importante, e migliorerà. Se due anni fa eravamo in preda alla delusione per Alexa e Google Assistant, oggi iniziamo a intravedere una nuova possibilità. --- ## **7) Migliora l'organizzazione dei progetti all'interno delle piattaforme** Il "*Day 7*" è il giorno dei **progetti** (*Projects*) su ChatGPT. Si tratta di un sistema di organizzazione delle chat, che permette di raggrupparle e di centralizzare system prompt e l'utilizzo di file. Day 7 di OpenAI: Projects su ChatGPT Tutte le chat del progetto, in pratica, hanno nel contesto le istruzioni e i file di riferimento. > Le piattaforme non sono più solo interfacce in cui è possibile usare un LLM "one-shot", ma **strumenti di organizzazione del lavoro**. --- ## **8) L'ascesa dei sistemi ibridi che integrano un modello di linguaggio al motore di ricerca** Il "*Day 8*" è il giorno dell'ottimizzazione della **Search di ChatGPT**. Più veloce, migliorata da mobile e integrata con mappe interattive. Day 8 di OpenAI: Search di ChatGPT Anche l'Advanced Voice Mode è stata dotata della ricerca, eliminando il gap con **Gemini Live** su questo aspetto. [**Perplexity**](https://www.perplexity.ai/?ref=alessiopomaro.it), nel frattempo, fa notevoli passi in avanti, introducendo lo [**Shopping**](https://www.perplexity.ai/shopping/?ref=alessiopomaro.it) e il **Merchant Program**, attraverso il quale i brand possono mettere a disposizione il feed dei loro prodotti, per generare esperienze utente come quelle che si possono vedere nel seguente video. L'esperienza di shopping con Perplexity Anche Google introduce diverse novità in questo ambito, portando **AI Overviews su Google Shopping** (*negli USA*), e la **Search su Gemini Advanced**. Nel video che segue, si può vedere un esempio della SERP di Google Shopping statunitense con AI Overviews. AI Overviews su Google Shopping (SERP USA) Quello che segue, invece, è un mio test della Search su Gemini Advanced, testabile selezionando "***1.5 Pro with Deep Search***" come modello. ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/gemini-search-google-1.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/gemini-search-google-2.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/gemini-search-google-3.webp) ![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/gemini-search-google-4.webp) Un esempio della Search di Google integrata su Gemini Ho posto una query di confronto tra due modelli di smartphone. Il sistema **crea un piano di ricerca e lo esegue** estraendo le **fonti**, e genera un output completo del confronto. L'output è visualizzabile di Google Docs e le tabelle su Spreadsheet. L'esperienza non è veloce, ma il risultato è molto interessante. Un aspetto degno di nota: **questa modalità è a disposizione anche via API** attraverso la funzionalità definita "[***grounding con la Ricerca Google***](https://ai.google.dev/gemini-api/docs/grounding?ref=alessiopomaro.it)", per rendere le risposte di Gemini più affidabili. > **I sistemi ibridi composti da un motore di ricerca e un LLM si stanno candidando a diventare una nuova modalità di consultazione delle informazioni disponibili online**. E saranno completi quando avranno a disposizione i dati strutturati messi a disposizione dai brand (es. il feed dei prodotti degli e-commerce). --- ## **9) Le API diventano più performanti e l'integrazione si semplifica** Il "*Day 9*" è il giorno dedicato agli sviluppatori. Le novità: **o1 disponibile via API** con function calling, output JSON e con un consumo di **token di reasoning** inferiore del 60% rispetto al modello in preview. Sono stati introdotti anche i "**Developer Messages**" (*consentono di guidare meglio l'output senza interferire con le istruzioni degli utenti*) e il "***Reasoning Effort***", per gestire il tempo di reasoning. È stato migliorato il **supporto** [**WebRTC**](https://webrtc.org/?ref=alessiopomaro.it), per **conversazioni vocali a bassa latenza** con integrazione semplificata anche su device fisici. Day 9 di OpenAI: novità per i developers È stato introdotto un nuovo metodo di fine-tuning: il **Direct Preference Optimization (*DPO*)**. Invece di fornire al modello una singola risposta ideale, si forniscono coppie di risposte in cui una è preferita rispetto all’altra. L’addestramento si basa sull’apprendimento delle differenze tra risposte preferite e non preferite. > Queste tecnologie sono **sempre più "controllabili"** attraverso nuovi metodi di fine-tuning, e sempre più **integrabili in modo semplice** su applicazioni e dispositivi di qualunque genere. --- ## **10) Raggiungere l'utente, indipendentemente dalla tecnologia** Il "*Day 10*" è dedicato alle **chiamate vocali** e **WhatsApp**. Negli USA è attivo un numero telefonico al quale risponde la **Voice Advanced Mode** di ChatGPT, con la quale è possibile interagire. Day 10 di OpenAI: telefono e WhatsApp In tutto il mondo, è possibile "*chattare*" con ChatGPT via WhatsApp. > Il tentativo? > **Raggiungere qualunque utente, indipendentemente dalla tecnologia a disposizione.** --- ## **11) L'interazione con le applicazioni** OpenAI si muove verso la creazione di un assistente che interagisce con le applicazioni e "**compie azioni per conto dell'utente**". Il "*Day 11*" è il giorno del potenziamento dell'app desktop per MacOS (*e a breve per Windows*). Day 11 di OpenAI: work with apps Le azioni vanno dall'**automazione delle attività sul desktop** all'interazione con il terminale e IDE, e dall'assistenza alla scrittura alla generazione di diagrammi. Il tutto con il supporto della ricerca, accesso rapido e contestuale, e la possibilità di interazione vocale. Anche **Anthropi**c ha presentato un progetto di [interazione con il computer](https://www.anthropic.com/news/3-5-models-and-computer-use?ref=alessiopomaro.it) per automatizzare le operazioni. E probabilmente anche **Google** sta introducendo un concetto simile con un progetto denominato **Jarvis**. [Google is reportedly developing a ‘computer-using agent’ AI systemIt will reportedly only work in a web browser, at first.![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/icon/apple_touch_icon.png)The Verge![](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/thumbnail/STK_414_AI_A.jpg)](https://www.theverge.com/2024/10/26/24280431/google-project-jarvis-ai-system-computer-using-agent?ref=alessiopomaro.it) > Si preannuncia uno scenario in cui **gli utenti potranno interagire con diversi AI Agent** attraverso il linguaggio naturale, i quali **gestiranno processi e applicazioni su diversi dispositivi per raggiungere gli obiettivi**. --- ## **12) Le nuove architetture alla base della crescita delle performance dei Large Language Model** **o3**, presentato durante il "*Day 12*" è la dimostrazione (*ancora una volta*) del fatto che **non basta aumentare la scala dei modelli precedenti per incrementare le performance**: servono **nuove idee e nuove architetture**. Day 12 di OpenAI: o3 L'aspetto più interessante è la **capacità di adattamento che sembra avere il modello su compiti inediti**, ottenendo risultati mai visti prima, riuscendo a **sintetizzare nuove soluzioni**. Ho la sensazione che questi modelli usino una struttura multi-agent, con agenti che valutano la richiesta (*sicurezza*), interagiscono autonomamente creando **catene di ragionamento** (*reasoning*), per valutarle e per validarle. ![Le performance dei modelli della serie "o" di OpenAI sul benchmark ARC-AGI](https://storage.ghost.io/c/d7/3a/d73a3886-5e95-4e08-9255-a08eb51bb37b/content/images/2024/12/o-series-performance.webp) Le performance dei modelli della serie "o" di OpenAI sul benchmark ARC-AGI > Sulla carta, stiamo parlando di **un passo in avanti sbalorditivo**.. oltre ogni aspettativa. Nel 2025 potremo analizzarlo più a fondo. I benchmark, attualmente, sono tutti in ambito coding e su task matematici, e **non è ancora ben chiaro come sia stato addestrato il modello, e come siano stati condotti i test**. > **Dall’AI nel 2025 mi aspetto ottimizzazione, miglioramento delle performance, ma soprattutto INTEGRAZIONE.** > **Perché non esiste innovazione senza integrazione.** --- ## \- GRAZIE - Se hai apprezzato il contenuto, e pensi che potrebbe essere utile ad altre persone, condividilo 🙂 ## Iscriviti alla Newsletter Un appuntamento periodico dedicato all'aggiornamento e alla riflessione su tematiche relative all'intelligenza artificiale. Iscriviti alla Newsletter Email sent! Check your inbox to complete your signup. Gratuita. No Spam. Puoi disiscriverti quando vuoi.Consulta la [privacy policy](https://www.alessiopomaro.it/privacy-policy/).