Oltre il chatbot: come i “World Models” stanno insegnando all’IA a sopravvivere nel mondo fisico

Immagina un robot capace non solo di sostenere una conversazione, ma anche di prevedere che un bicchiere in bilico sul bordo di un tavolo sta per cadere - o che una palla nascosta esiste ancora, anche quando non è in vista. Questo salto, dai virtuosi delle parole digitali a macchine con una reale comprensione del mondo fisico, è il nuovo campo di battaglia dell’intelligenza artificiale. Benvenuti nell’era dei “World Models” - dove l’IA non si limita a parlare, ma pensa e agisce nello spazio, proprio come noi.

Decifrare il codice fisico: perché l’IA ha bisogno di più delle parole

Per anni, l’IA ci ha stupiti con il linguaggio - scrivendo saggi, componendo poesie, perfino generando video da blockbuster. Ma chiedi a un chatbot se una palla rotolata sotto un divano esiste ancora, o se un bicchiere sul bordo di un tavolo è in pericolo, e va in crisi. Il problema? Questi modelli non hanno un “senso della materia” - la capacità di afferrare persistenza, causalità e le regole invisibili che permettono ai bambini piccoli di batterli nel mondo reale.

Entrano in scena i World Models: sistemi di IA progettati per capire non solo come appaiono le cose, ma come si comportano nello spazio e nel tempo. L’idea, radicata nella psicologia fin dagli anni ’40, è che l’intelligenza richieda una simulazione interna della realtà - una sorta di “mappa mentale” che ci aiuta a evitare pozzanghere o a prevedere oggetti che cadono senza esperienza diretta.

Tre strade divergono: visioni concorrenti per l’IA spaziale

I giganti tecnologici stanno seguendo percorsi radicalmente diversi. Il sistema sperimentale Genie di Google può “sognare” mondi interattivi a partire da una singola foto, deducendo che i cassetti si aprono verso l’esterno o che i liquidi si versano verso il basso. Eppure questi modelli guidati dal video soffrono di “amnesia spaziale”: le porte svaniscono, i colori cambiano e la fisica si rompe dopo pochi secondi - difficilmente affidabile per robot in magazzini affollati.

Fei-Fei Li di Stanford, pioniera della computer vision, spinge per l’Intelligenza spaziale - un’IA che costruisce modelli mentali persistenti e 3D degli ambienti. La sua startup, World Labs, sta sviluppando sistemi in cui una sedia, una volta vista, continua a esistere nella memoria dell’IA anche quando è fuori campo. È la differenza tra un sogno fugace e una mappa architettonica dinamica - cruciale per robot che si muovono nelle nostre case imprevedibili.

Yann LeCun di Meta offre un contrappunto: perché sprecare risorse generando ogni pixel? La sua architettura JEPA si concentra nel prevedere i cambiamenti essenziali del mondo a un livello astratto e causale - un po’ come un guidatore che anticipa che una palla che rotola potrebbe significare che un bambino è nelle vicinanze, invece di fissarsi sui dettagli visivi. Questo potrebbe rendere l’IA più veloce e più robusta in scenari critici del mondo reale.

Nel frattempo, il fronte OpenAI sostiene che, con abbastanza dati, la “comprensione del mondo” possa emergere come effetto collaterale - citando modelli linguistici che, semplicemente leggendo mosse di scacchi, imparano la geometria della scacchiera. I critici avvertono però che leggere di nuoto non è la stessa cosa che restare a galla: senza interazione reale, l’IA resta priva di ancoraggio.

Dalle auto intelligenti ai robot sociali: cosa c’è in gioco nel farlo bene

Le implicazioni vanno ben oltre la teoria. I veicoli autonomi di Wayve e Tesla stanno già usando World Models per simulare scenari rari e pericolosi - come un cervo che salta fuori dalla nebbia o un cantiere non segnalato - prima di affrontarli su strade reali. Nella robotica umanoide, aziende come Boston Dynamics stanno andando oltre script rigidi, permettendo alle macchine di “immaginare” migliaia di modi per afferrare un bicchiere e scegliere in tempo reale il più sicuro.

La prossima frontiera? L’IA multisensoriale. I ricercatori stanno dotando i robot di pelle elettronica, insegnando loro la differenza fisica tra una spugna e una roccia attraverso il tatto, non le parole. E man mano che l’IA entra nel nostro mondo sociale, deve imparare a prevedere non solo dove si trovano le persone, ma cosa potrebbero fare dopo - una “Teoria della mente” digitale.

Il divario digitale-fisico si sta sfumando

Con l’avvicinarsi del 2026, i confini tra intelligenza digitale e realtà fisica stanno svanendo. Che la risposta risieda nella geometria 3D, nell’astrazione causale o nella forza bruta dei dati, una cosa è chiara: stiamo insegnando alle macchine non solo a parlare, ma a coesistere con noi - a muoversi, percepire e anticipare nello stesso mondo che abitiamo. È un salto verso un’IA capace di sognare, pianificare e agire - avvicinandoci a menti artificiali che comprendono davvero il nostro mondo, nel bene o nel male.

WIKICROOK

• World Model: Un world model è un sistema di IA che impara a simulare e ragionare sul mondo fisico, consentendo alle macchine di prevedere e pianificare azioni.
• Intelligenza spaziale: L’intelligenza spaziale permette all’IA di analizzare e interpretare ambienti 3D, migliorando la cybersecurity per spazi fisici, dispositivi IoT e infrastrutture critiche.
• JEPA (Joint: JEPA è un modello di IA che prevede cambiamenti astratti e causali negli ambienti, supportando la cybersecurity anticipando minacce oltre la ricostruzione visiva.
• Edge case: Un edge case è uno scenario raro, al limite, nel software che può rivelare bug o vulnerabilità nascoste, comportando rischi di cybersecurity se non gestito correttamente.
• Theory of Mind: La theory of mind nella cybersecurity è la capacità, guidata dall’IA, di modellare e prevedere le intenzioni o le azioni di esseri umani o attaccanti in ambienti condivisi.