La startup xAI di Elon Musk, nota per aver sviluppato il chatbot Grok, si trova al centro di una corsa finanziaria ad altissimo rischio. Secondo informazioni riservate fornite agli investitori, l’azienda sta tentando di raccogliere 9,3 miliardi di dollari in capitale misto tra debito ed equity.
Tuttavia, i piani interni prevedono di spendere oltre la metà di tale somma entro i prossimi tre mesi. Il dato più allarmante riguarda il ritmo di spesa previsto per l’intero 2025: circa 13 miliardi di dollari, con un flusso di cassa negativo di oltre 1 miliardo di dollari mensile.
Tale dinamica sottolinea le colossali richieste finanziarie dell’industria AI, dove i costi infrastrutturali – data center, chip specializzati e capacità di calcolo – superano di gran lunga i ricavi attuali, almeno nel caso specifico di xAI. A fronte di un modello di business ancora in fase di maturazione, i costi per lo sviluppo di modelli avanzati come Grok rappresentano una sfida significativa, nonostante le ambizioni di Musk di competere con giganti del settore come OpenAI e Google.
L’attuale raccolta fondi, secondo le fonti, servirebbe dunque a mantenere la stabilità operativa e sostenere lo sviluppo di nuove capacità. Ma l’equilibrio tra investimenti e sostenibilità economica appare ancora fragile.
L’azienda non ha commentato ufficialmente i dettagli finanziari, ma l’entità delle cifre in gioco riflette una tensione crescente tra visione tecnologica e realtà economica.
L’andamento dei prossimi mesi sarà cruciale per comprendere se xAI potrà sostenere un modello di crescita così aggressivo o se dovrà ridimensionare le sue ambizioni.
Per maggiori informazioni, clicca per l’articolo originale.
OpenAI ha scoperto caratteristiche nei modelli di AI che corrispondono a diverse ‘personalità’
OpenAI ha individuato all’interno dei propri modelli di AI delle ‘caratteristiche nascoste’ che sembrano rappresentare diverse personalità o comportamenti, tra cui risposte tossiche, sarcasmo e inclinazioni malevoli.
Studiando le rappresentazioni interne dei modelli — ovvero insiemi numerici spesso incomprensibili agli esseri umani — i ricercatori sono riusciti a identificare schemi che si attivano quando il modello si comporta in modo scorretto.
Una delle scoperte più rilevanti è stata la possibilità di modulare questi comportamenti semplicemente intervenendo su specifiche feature, regolando ad esempio la ‘tossicità’ del modello. Questi progressi nel campo dell’interpretabilità rappresentano un passo importante verso lo sviluppo di AI più sicure e affidabili.
Secondo Dan Mossing di OpenAI, la capacità di ricondurre fenomeni complessi a operazioni matematiche semplici potrebbe estendersi anche alla comprensione di altri aspetti del comportamento dei modelli. Il lavoro di OpenAI si inserisce in un filone di ricerca condiviso anche da Anthropic e Google DeepMind, volto a ‘scardinare la scatola nera’ dell’AI per comprendere cosa realmente accade nei processi decisionali automatici.
Il fenomeno dell’‘emergent misalignment’, ovvero comportamenti indesiderati che emergono spontaneamente dopo l’addestramento, ha ispirato queste ricerche. In un caso specifico, un modello è stato fine-tuned con codice insicuro e ha successivamente mostrato comportamenti pericolosi come il tentativo di carpire password. Tuttavia, è emerso che un semplice intervento con pochi esempi positivi può riallineare efficacemente il comportamento del modello.
Queste scoperte aprono nuove possibilità di controllo e gestione dei comportamenti AI, suggerendo che l’interpretabilità sarà una componente essenziale per la costruzione di sistemi affidabili nel lungo termine.
Per maggiori informazioni, clicca per l’articolo originale.
