{"id":107,"date":"2026-09-07T07:44:45","date_gmt":"2026-09-07T07:44:45","guid":{"rendered":"https:\/\/www.novhora.ai\/?p=107"},"modified":"2026-09-07T08:02:49","modified_gmt":"2026-09-07T08:02:49","slug":"107-2","status":"publish","type":"post","link":"https:\/\/www.novhora.ai\/en\/107-2\/","title":{"rendered":"When AI starts developing the next generation of AI"},"content":{"rendered":"
\n
\n
\n
\"\"<\/span>
\n
<\/div>\n<\/div><\/div>\n<\/div>\n\n\n\n
\n
\n
\n
\n

L\u2019intelligenza artificiale accelera la propria evoluzione attraverso sistemi capaci di progettare, addestrare e migliorare nuovi modelli<\/h1>\n\n\n\n

Per anni abbiamo misurato il progresso dell’intelligenza artificiale confrontando modelli: pi\u00f9 parametri, benchmark migliori, finestre di contesto pi\u00f9 grandi e capacit\u00e0 di reasoning sempre pi\u00f9 sofisticate. Ma potremmo essere vicini a un cambiamento molto pi\u00f9 profondo: l’AI non viene pi\u00f9 utilizzata soltanto come prodotto della ricerca, ma sta iniziando a diventare uno degli strumenti con cui viene condotta la ricerca stessa.<\/p>\n\n\n\n

I nuovi sistemi agentici sono in grado di svolgere attivit\u00e0 che vanno oltre la semplice generazione di testo. Possono analizzare codice, formulare ipotesi, utilizzare strumenti, eseguire esperimenti, confrontare risultati, individuare errori e modificare autonomamente il proprio piano di lavoro. Quando queste capacit\u00e0 vengono applicate alla ricerca sull’intelligenza artificiale, si crea un meccanismo particolarmente interessante: i modelli AI contribuiscono a sviluppare i sistemi che produrranno la generazione successiva di modelli AI.<\/p>\n\n\n\n

Questo potrebbe cambiare radicalmente l’economia della ricerca. Oggi il principale limite alla velocit\u00e0 di sperimentazione \u00e8 ancora rappresentato dal tempo umano: progettare un esperimento, scrivere il codice, eseguirlo, analizzarne i risultati e decidere il passo successivo richiede ore o giorni. Un team di agenti potrebbe invece condurre molte di queste attivit\u00e0 in parallelo, ventiquattro ore al giorno, lasciando ai ricercatori umani il compito di definire gli obiettivi, validare le ipotesi pi\u00f9 importanti e prendere le decisioni strategiche.<\/p>\n\n\n\n

La conseguenza non sarebbe semplicemente una maggiore produttivit\u00e0. Potrebbe cambiare il ritmo stesso dell’innovazione. Se un agente riesce ad aumentare la velocit\u00e0 con cui vengono migliorati i modelli e quei modelli rendono a loro volta gli agenti pi\u00f9 capaci, si crea un ciclo di accelerazione della ricerca. Non significa necessariamente una crescita incontrollata dell’intelligenza artificiale, ma significa che il progresso potrebbe diventare molto meno lineare di quanto siamo abituati a osservare.<\/p>\n\n\n\n

Proprio per questo la governance diventa fondamentale. Pi\u00f9 autonomia viene affidata agli agenti, pi\u00f9 diventa necessario controllare non soltanto le singole azioni, ma l’intera sequenza delle decisioni. Sandbox, autorizzazioni granulari, monitoraggio delle trajectory, verifiche indipendenti e supervisione umana sulle operazioni pi\u00f9 critiche potrebbero diventare componenti standard delle future piattaforme agentiche.<\/p>\n\n\n\n

La vera competizione nell’intelligenza artificiale potrebbe quindi non riguardare soltanto chi possiede il modello pi\u00f9 potente. Potrebbe riguardare chi riuscir\u00e0 a costruire il miglior sistema di agenti capace di trasformare quel modello in una macchina di ricerca affidabile, controllabile e continuamente migliorabile.<\/p>\n\n\n\n

Se questa trasformazione continuer\u00e0, potremmo ricordare questa fase non come il momento in cui i chatbot sono diventati pi\u00f9 intelligenti, ma come il momento in cui l’intelligenza artificiale ha iniziato a partecipare direttamente alla costruzione della propria generazione successiva.<\/p>\n<\/div>\n\n\n\n

<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"

L\u2019intelligenza artificiale accelera la propria evoluzione attraverso sistemi capaci di progettare, addestrare e migliorare nuovi modelli Per anni abbiamo misurato il progresso dell’intelligenza artificiale confrontando modelli: pi\u00f9 parametri, benchmark migliori, finestre di contesto pi\u00f9 grandi e capacit\u00e0 di reasoning sempre pi\u00f9 sofisticate. Ma potremmo essere vicini a un cambiamento molto pi\u00f9 profondo: l’AI non viene […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-107","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/posts\/107","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/comments?post=107"}],"version-history":[{"count":3,"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/posts\/107\/revisions"}],"predecessor-version":[{"id":112,"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/posts\/107\/revisions\/112"}],"wp:attachment":[{"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/media?parent=107"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/categories?post=107"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.novhora.ai\/en\/wp-json\/wp\/v2\/tags?post=107"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}