Intelligenza Artificiale Tutto su AI e machine learning
Nel settembre 2024, OpenAI ha rilasciato qualcosa di qualitativamente diverso da tutti i modelli precedenti: o1, un modello progettato non per rispondere velocemente, ma per pensare. Mentre GPT-4 genera token in sequenza producendo immediatamente la risposta, o1 dedica un tempo variabile — da pochi secondi a diversi minuti per i problemi più complessi — a un processo di ragionamento interno invisibile all’utente, esplorando catene di ragionamento, valutando approcci alternativi, verificando i propri passaggi. Il risultato è un modello che supera GPT-4 su matematica olimpionica, problemi di fisica avanzata e ragionamento logico complesso, aprendo una nuova frontiera nel percorso verso l’AGI.
Chain of Thought e ragionamento interno
La chiave di o1 è il ragionamento esteso (extended thinking), ottenuto attraverso un processo di addestramento basato su reinforcement learning che insegna al modello a generare lunghe catene di pensiero interne prima di produrre la risposta finale. Questa tecnica, nota come Chain of Thought (CoT), era già stata identificata come efficace per migliorare le performance su task complessi: mostrare esempi di ragionamento passo per passo nei prompt migliorava significativamente la qualità delle risposte.
La novità di o1 è che questo processo di Chain of Thought è interiorizzato nel modello stesso attraverso l’addestramento con RL, non dipende da istruzioni specifiche nel prompt. Il modello impara da solo a generare e valutare ragionamenti intermedi, a riconoscere quando ha commesso un errore e a tornare indietro per esplorare approcci alternativi. Questa capacità di auto-correzione durante il processo di ragionamento è qualcosa che i modelli precedenti non avevano.
Performance nei benchmark: dove o1 eccelle
I risultati nei benchmark di o1 sono sorprendenti. Su AIME 2024 (American Invitational Mathematics Examination), o1 risolve il 74% dei problemi, contro il 13% di GPT-4o. Nel benchmark GPQA Diamond (Graduate-Level Google-Proof Q&A), una raccolta di domande a risposta multipla che richiedono conoscenze a livello di dottorato in biologia, fisica e chimica, o1 ottiene l’83,3%, superando gli esperti umani (69,7%). Su Codeforces, piattaforma di competitive programming, o1 raggiunge il 89° percentile tra i programmatori umani.
Dove o1 non eccella è nelle risposte rapide a domande factual semplici, nella scrittura creativa non strutturata e nei task che richiedono conoscenza del mondo recente. È uno strumento specializzato per problemi complessi, non un assistente generico potenziato.
o1 Pro e o3: l’evoluzione continua
o1 Pro, disponibile esclusivamente agli abbonati ChatGPT Pro a 200 dollari al mese, usa più compute durante l’inferenza per ragionare ancora più a lungo sui problemi più difficili. I risultati su problemi di matematica olimpionica di livello IMO e su problemi di ricerca scientifica reale sono ancora più impressionanti, con o1 Pro capace di trovare soluzioni che i ricercatori umani avevano mancato.
o3, il successore presentato da OpenAI a dicembre 2024, ha superato la soglia dell’85% su ARC-AGI (Abstraction and Reasoning Corpus), il benchmark considerato da François Chollet come misura dell’intelligenza generale: un risultato che la comunità AI aveva definito anni fa come “molto difficile da raggiungere senza vera intelligenza generale”. o3 ha però costi computazionali esorbitanti — fino a 1.000 dollari per singola query nella configurazione massima — che lo rendono per ora accessibile solo per applicazioni di ricerca ad alto valore.
Implicazioni per la ricerca scientifica
I modelli o1 e o3 aprono la porta a un utilizzo dell’AI come strumento di ricerca scientifica genuino, non solo come assistente alla scrittura. Nei campi dove il progresso dipende dal ragionamento su problemi formali — matematica, fisica teorica, chimica computazionale, bioinformatica — questi modelli possono essere co-ricercatori capaci di esplorare spazi di soluzioni che l’intuizione umana non avrebbe esplorato.
Già a fine 2024, ricercatori del MIT hanno usato o1 per identificare una nuova classe di polimeri con proprietà di conduzione termale superiori, brevettando la scoperta. Anthropic ha pubblicato risultati dove Claude con extended thinking (analogo a o1) ha contribuito a scoperte in biologia delle proteine. Per capire come questa capacità di ragionamento si integra con altri strumenti AI avanzati, leggi il nostro articolo su AlphaFold e la ricerca biologica.
Confronto con Claude Extended Thinking e Gemini Thinking
Il successo di o1 ha spinto tutti i principali laboratori AI a sviluppare modelli analoghi. Claude 3.5 Sonnet con extended thinking di Anthropic è la risposta diretta a o1, con performance comparabili su molti benchmark e il vantaggio di una finestra di contesto più ampia. Gemini 2.0 Flash Thinking di Google offre ragionamento esteso con velocità superiore ma performance leggermente inferiori su problemi di massima difficoltà. La competizione tra questi modelli sta accelerando il progresso: ogni trimestre le capacità di ragionamento dei migliori modelli migliorano in modo significativo. Per confrontare questi modelli nelle applicazioni pratiche, leggi il nostro articolo su ChatGPT, Gemini e Claude.
Reasoning models nella pratica: quando usarli e quando no
I modelli di ragionamento come o1 non sono superiori in assoluto ai modelli standard come GPT-4o: sono strumenti diversi adatti a task diversi. Usare o1 per rispondere a “qual è la capitale della Francia” è uno spreco di compute; usare GPT-4o per risolvere un problema di ottimizzazione combinatoria è impostare lo strumento sbagliato. Le linee guida pratiche per la scelta: usa modelli di ragionamento per problemi dove la risposta corretta è verificabile (matematica, codice, logica formale), dove il percorso di soluzione è non ovvio e richiede esplorazione, e dove il costo computazionale aggiuntivo è giustificato dalla qualità richiesta. Usa modelli standard per generazione di testo creativo, risposte rapide a domande fattuali, riassunti e task dove la velocità è prioritaria sulla precisione assoluta. I prezzi attuali di o1 ($15 per milione di token in input, $60 in output) sono significativamente superiori a GPT-4o ($2,50/$10), quindi la scelta economica è rilevante. Con o3-mini — la versione più economica dei modelli di ragionamento — il costo si abbassa drasticamente mantenendo buone performance su problemi di difficoltà media. Per confrontare le opzioni disponibili, leggi il nostro articolo su quale assistente AI scegliere.
L’evoluzione dei modelli di ragionamento sta ridefinendo cosa significa “intelligenza artificiale”. Se i modelli standard sono impressionanti per la vastità delle loro conoscenze, i modelli di ragionamento come o1 e o3 mostrano qualcosa di qualitativamente diverso: la capacità di risolvere problemi nuovi che non hanno mai visto durante l’addestramento, esplorando autonomamente spazi di soluzioni complessi. Questo li avvicina — almeno in certi domini specifici — al tipo di ragionamento flessibile che consideriamo caratteristico dell’intelligenza umana. Non siamo ancora all’AGI, ma la traiettoria è chiara: ogni nuovo modello di ragionamento è significativamente più capace del precedente, e il ritmo di miglioramento non mostra segni di rallentamento. Per chi lavora in campo ricerca e innovazione, questi modelli stanno diventando strumenti indispensabili.
Per le aziende che valutano l’adozione di modelli di ragionamento, il consiglio pratico è iniziare identificando i task dove gli errori hanno costo elevato e la qualità della risposta è verificabile: analisi legale di contratti, verifica di codice critico, calcoli finanziari complessi, risoluzione di problemi di ottimizzazione. In questi contesti, il costo premium di o1 è tipicamente ampiamente giustificato dalla riduzione degli errori e dalla qualità superiore dell’output. Consulta i nostri articoli su agenti AI autonomi per capire come i modelli di ragionamento si integrano in sistemi agentici che automatizzano workflow complessi.
