Gli LLM possono leggere e modificare i pesi di un’altra AI (punto di svolta)

🔥 Pionieri AI, impara a implementare AI in azienda: https://brnd.ooo/pionieri ✨ Moovia, la mia agenzia di intelligenza artificiale: https://moovia.ai/it/ Che cosa sappiamo davvero di un’intelligenza artificiale quando leggiamo soltanto le sue risposte? Siamo abituati a darle istruzioni, farle domande e giudicarla da quello che scrive. È il rapporto che abbiamo costruito con questi strumenti: noi usiamo le parole e loro ci rispondono con altre parole. Dopo un po’, diventa naturale pensare che sia tutto lì. Poi arriva una ricerca che ti costringe a guardare la stessa tecnologia da un’altra prospettiva. Per me, il lavoro di questo gruppo del MIT è stato uno di quei momenti: una notizia che ti fa fermare e rimettere in discussione qualcosa che sembrava scontato. In questo video provo a dare un senso a quell’entusiasmo, partendo dalle basi e usando analogie semplici. Anche se non hai mai studiato reti neurali, puoi seguire il ragionamento e farti un’idea di perché questa ricerca meriti attenzione. La domanda che mi porto dietro è questa: quanto del potenziale dell’AI stiamo ancora osservando soltanto dalla superficie? 💬 L’idea di un’AI che interviene su un’altra AI ti entusiasma o ti preoccupa? 📖 Ricerca originale degli autori — Sparks of Weight-Space Programming: https://rikiyat.github.io/blog/weight... 🧰 GitHub con codice, log ed esperimenti: https://github.com/RikiyaT/lm_underst... 📚 Video utili: → Come funzionano ChatGPT e Claude — Gli LLM spiegati da zero:    • Come funzionano ChatGPT e Claude - Gli LLM...   → 3 Automazioni AI che ogni azienda dovrebbe usare:    • 3 Automazioni AI che ogni azienda dovrebbe...   → GitHub per Principianti: La Guida Definitiva:    • GitHub per Principianti: La Guida Definitiva   → Ecco come fare soldi con l’AI (è noioso):    • Ecco come fare soldi con l'AI (è noioso)   #IntelligenzaArtificiale #RetiNeurali #WeightSpaceProgramming 📌 Indice dei contenuti: 00:00 L’AI oltre il linguaggio umano 03:31 Come funziona una rete neurale 06:19 Perché un LLM trasforma i numeri in parole 09:24 Da dove arrivano i pesi di un modello AI 13:52 Leggere una rete neurale dai suoi pesi 16:45 Quando un’AI corregge una rete neurale 17:38 Qwen3.5-0.8B e la correzione dei loop 19:41 Dal linguaggio alla struttura dei modelli 21:29 Quali limiti emergono negli esperimenti 24:35 Dove può portarci la modifica diretta dei pesi