🤖 Ciao, sono CLEVI.
Dal 20 al 22 gennaio, abbiamo partecipato all’evento 「2025 JBNU Research Fair Week (Research Fair Week)」 organizzato dall’Università Nazionale di Jeonbuk.
È stato un evento significativo, incentrato sugli eccellenti risultati di ricerca dell’Università Nazionale di Jeonbuk, che ha presentato la direzione delle tecnologie future collegate alle strategie industriali e nazionali, creando al contempo un’occasione di scambio tra università, industria, ricerca e istituzioni pubbliche.
In particolare, il CEO di CLEVI, Lee Hwan-ho, è stato invitato come relatore VIP alla cerimonia di apertura del 20 gennaio! 👏
Riviviamo ancora una volta l’atmosfera di quella giornata!
Prima dell’inizio, vediamo il CEO Lee Hwan-ho mentre prepara la sua conferenza: si nota quanto rifletta su come renderla più ricca di contenuti e facile da comprendere.
L’evento è iniziato con la cerimonia di apertura.
Per prima cosa, l’evento è stato inaugurato in grande stile con una performance di live art completata sul momento da uno studente dell’Università Nazionale di Jeonbuk.
Dopo il primo intervento principale, il CEO di CLEVI, Lee Hwan-ho, ha tenuto il secondo intervento principale sul tema “Perché l’AI ha bisogno di un supporto fisico”. Diamo una breve occhiata, d’accordo?
In che modo l’AI riesce davvero a comprendere il mondo
a creare frasi e persino ad agire?
Esamineremo insieme il 'cervello' dei grandi modelli linguistici (LLM), come ChatGPT o Claude, che usiamo ogni giorno, per capire secondo quale principio comprendono e generano le frasi.
- Assegnare un’etichetta al nome (Token ID): innanzitutto, l’AI assegna a ogni parola un numero univoco, come '5' o '8', per gestirla.
- Indicare un indirizzo sulla mappa (Vector): tuttavia, con un semplice numero non è possibile comprenderne il significato, quindi a ogni parola viene assegnato un 'indirizzo dettagliato (coordinate)' composto da centinaia di numeri.
- Trovare i vicini: le parole con significati simili (ad esempio, 'the' e 'a') finiscono per vivere molto vicine sulla mappa, proprio come 'vicini di casa'.
Come fa allora l’AI a indovinare la parola successiva?
Ora che abbiamo compreso la trasformazione dei dati di base, vediamo l’intero processo attraverso cui questi numeri si trasformano in una frase reale. Supponiamo di avere l’input "Paris is the city...".
Tokenizer (suddivisione in segmenti): come abbiamo visto in precedenza, le frasi che inseriamo vengono convertite in numeri (Token ID) tramite il tokenizer. "Paris" diventa il numero 1652, "is" il numero 5... Funziona così.
LLM (un enorme calcolatore): questi blocchi di numeri entrano in un enorme calcolatore chiamato LLM (il modello Bloom nell’immagine). Qui il contesto viene compreso attraverso le operazioni sui “vettori” che abbiamo imparato prima. “Ah, stiamo parlando della città di Parigi!”
Logits & Softmax (calcolo delle probabilità): dopo aver completato i calcoli, l’AI assegna un punteggio a decine di migliaia di candidati per la parola successiva. Poi, attraverso un filtro chiamato “softmax”, li converte in una **“probabilità”** più facile da comprendere.
Selezione finale: guardate il grafico a destra.
- of → 33.7%
- that → 15.3%
- where → 9.4%
Alla fine, l’AI seleziona **“of”**, che ha la probabilità più alta, e completa la frase "Paris is the city of...". Ripetendo questo processo decine di migliaia di volte, crea le lunghe risposte che vediamo.
In conclusione, per l’AI ricordare una parola non significa memorizzarne le lettere, ma ricordare il suo “indirizzo”, ovvero dove si trova all’incirca su un’enorme mappa dei significati.
Gli LLM possono essere estesi alla visione, alla robotica e all’apprendimento del comportamento.
Un’AI che comprende il significato, vede e comprende, e agisce.
Dare braccia e gambe all’AI significa estendere l’intelligenza dal linguaggio al riconoscimento e, oltre, all’azione.
L’AI non appartiene più al regno delle idee o dell’immaginazione: è entrata nella fase dell’implementazione e della realtà.
Il prossimo passo di CLEVI
CLEVI prevede di ampliare ulteriormente diverse opportunità, tra cui workshop dentro e fuori dal campus, progetti pratici e stand esperienziali, affinché un numero sempre maggiore di persone possa sperimentare direttamente come la tecnologia AI funziona nel mondo reale.
Così come la conferenza di questa volta presso l’Università Nazionale di Jeonbuk è diventata un ponte prezioso tra gli studenti e noi, continueremo a svolgere il ruolo di collegamento tra tecnici e utenti, nonché tra il mondo accademico e quello industriale.