Prima di procedere
In un'epoca in cui le grandi imprese tecnologiche sembrano inseguire incessantemente il concetto che maggiore è meglio, Samsung ha deciso di percorrere una strada diversa, presentando una sfida rivoluzionaria all'industria dell'Intelligenza Artificiale (IA). Il colosso sudcoreano si distacca dalla filosofia industriale dominante, invertendo il trend che vede il dominio delle immense linguaggi modelli e mettendo in luce come anche un modello di piccole dimensioni possa offrire risposte più accurate e affidabili in compiti complessi di ragionamento.
Questa svolta è stata guidata da Alexia Jolicoeur-Martineau del dipartimento Samsung SAIL Montréal, che propone un avvicinamento più efficiente agli algoritmi di IA. L'architettura alla base del nuovo Tiny Recursive Model (TRM) gioca un ruolo cruciale, suggerendo che l'adozione di modelli meno grandi potrebbe aprire nuove prospettive per lo sviluppo di intelligenza artificiale potente, economica e sostenibile dal punto di vista ambientale.
L'innovazione chiave risiede proprio nel metodo di risoluzione che caratterizza il TRM. Contrariamente alle grandi lingue modelli che generano una risposta finale in un unico passaggio, il TRM utilizza un processo ricorsivo in più stadi per perfezionare progressivamente le sue risposte. Questa procedura itera il ragionamento fino a 16 volte, migliorando la logica con critica costruttiva e raffinando il risultato per renderlo il più preciso possibile.
Questa metodologia non solo consente di correggere più efficacemente errori presenti nelle catene di ragionamento, ma dimostra anche che un approccio iterativo potrebbe essere più efficace delle tradizionali modelli di grandi dimensioni, dove un singolo errore può compromettere l'intero risultato.
Durante una serie di test complessi, TRM di Samsung, che conta 7 milioni di parametri, ha saputo distinguersi, raggiungendo risultati notevoli con un 45% in ARC-AGI-1 e un 8% in ARC-AGI-2, superando modelli di aziende leader del mercato come DeepSeek-R1, Google Gemini 2.5 Pro e OpenAI o3-mini, nonostante queste abbiano una dimensione dei parametri superiore di migliaia di volte.
Queste incredibili performance del TRM sono state possibili grazie alla capacità di apprendimento da un numero ridotto di dati di formazione; infatti, ha appreso a risolvere sudokus con una precisione dell'87,4% partendo da soli 1000 esempi. Risultati del genere da un modello che rappresenta solo lo 0,01% delle dimensioni dei suoi giganteschi concorrenti ne evidenzia l'efficacia, indicando che il metodo di ragionamento ricorsivo può davvero fare la differenza.
Quest'innovazione potrebbe avere un impatto significativo sull'evoluzione futura del settore IA. Mentre i principali attori del mercato continuano a destinare miliardi di dollari per realizzare modelli formati da centinaia di miliardi di parametri, i ricercatori di Samsung gettano dubbi su questa corsa all'aumento di dimensioni, sostenendo che algoritmi più intelligenti potrebbero risultare più efficienti di una forza bruta calcolativa.
Le conseguenze di questa scoperta sarebbero rivoluzionarie: organizzazioni più piccole potrebbero sviluppare modelli IA di alta qualità senza l'accesso a enormi risorse di calcolo, mentre dispositivi mobili sarebbero in grado di eseguire calcoli localmente senza bisogno di servizi cloud, esaltando l'efficienza dei dispositivi stessi in contesti di utilizzo diversi. Sebbene l'approccio TRM implichi tempi di elaborazione più lunghi per ogni compito, il valore di una risposta accurata a volte supera di gran lunga l'importanza della velocità.
L'autore della ricerca ha reso pubblico il codice sorgente del modello, invitando la comunità globale a verificarne i risultati e a partecipare all'evoluzione del progetto. Inizia così una nuova era in cui l'intelligenza artificiale potrà diventare non solo più potente, ma anche più accessibile e sostenibile per tutte le organizzazioni.
