“Da oltre un anno ci occupiamo anche di AI generativa, con una famiglia di modelli che si chiamano Velvet (proprio oggi ne abbia rilasciati altri due, che coprono tutte le 24 lingue ufficiali della Ue) per un totale di quattro modelli più una serie di altri che si chiamano fine tuning riadattati a scopi particolari”. Così Valeria Sandei, amministratore delegato di Almawave, società italiana quotata sul mercato Euronext Growth Milan e parte del Gruppo Almaviva attiva in ambito Data & Artificial Intelligence, nel suo intervento al Digital Innovation Forum – ComoLake2025 in corso a Cernobbio. Key4Biz è media partner.
Modello fondazionale basato su AI Act
L’azienda dispone di un modello fondazionale di AI, basato sull’AI Act. “Siamo partiti da dati aperti, ma poi pur partendo con addestramenti da 15 trilioni di token, ne abbiamo usati soltanto 7 trilioni, perché gli altri non rispondevano ai criteri di attenzione alla proprietà intellettuale e ai criteri ACD, OMS e di privacy e così abbiamo ridotto i dati di addestramento di conseguenza”.
Sandei: ‘Nostri modelli non sono anglocentrici’
Un altro aspetto importante è il peso delle lingue nella fase di addestramento. “Abbiamo creato dei nostri algoritmi per far sì che i modelli Velvet non siano anglocentrici, ponderando il peso delle varie lingue che sono meno rappresentate a livello di peso di dati e quindi più difficili da interpretare”.
Il mondo tecnologico attuale evolve di giorno in giorno e dunque “è fondamentale non fermarsi mai – aggiunge Sandei – perché tutto si basa sulla capacità di testare e sperimentare nuove architetture”.
L’azienda ha anche rilasciato un nuovo modello multimodale di AI da 2 miliardi di parametri, testo-voce.
Modelli applicabili in PA, Sanità, Trasporti e Finanza
In quali ambiti può essere più efficace il modello Velvet? Nell’estrazione di informazioni dai testi? Nella generazione di contenuti multilingue? “Noi siamo sempre stati molto pratici e concreti nello sviluppo della tecnologia – dice Sandei – modelli che fossero utili in contesti che meglio conosciamo come la sanità, pubblica amministrazione, dei trasporti, della finanza”.
“In questi ambiti determinante non è soltanto la tecnologia di base, cioè l’LLM – aggiunge – ma proprio la capacità di portare questa tecnologia nella pratica”. Passare dalla fase di test a quella di produzione su vasta scalasignifica scontrarsi anche con varie tematiche che sembrano di minor conto, ma sono anch’esse molto importanti. “Usa questi modelli come orchestratori in grado di attivare altre componenti di AI per risolvere attività o task specifici significa, ad esempio, come ottimizzare queste risorse.Quando il modello deve ragionare e quando no, perché ogni ragionamento implica un maggior dispendio energetico computazionale”.
Sandei: ‘L’AI da sola non basta, bisogna conoscere i processi’
C’è poi un tema di guard railing, di agenti guardiani capaci di capire queste tecnologie stanno lavorando bene e correttamente “se le tecnologie stanno eseguendo il task richiesto che vogliamo rendere automatico nella maniera che ci aspettiamo”. E infine c’è un tema di pratica. “Se tutto questo deve essere calato in processi complessi, questi processi vanno conosciuti – chiude Sandei – Non dobbiamo pensare che l’AI sia una bacchetta magica che risolve fantomaticamente tutto soltanto perché siamo riusciti a gestire una piccola base di conoscenza estraendo dei contenuti. Implementare dei processi che funzionino nella PA o in ambiti sensibili come la Sanità richiede conoscere quei processi, ma anche saperli trasformare con nuove applicazioni più efficienti e più efficaci. Serve quindi una visione fino all’ultimo miglio”.