«Ma l’IA diventa più brava all’infinito, basta farla più grande?»
Da qualche anno lo si sente ovunque: più l’IA è grande, più è brava.
A ogni modello nuovo il numero che finisce in prima pagina è quello dei parametri. Centinaia di miliardi, migliaia di miliardi. E alla fine ci si convince che «in fondo è la taglia che comanda».
Capita anche a me, Hex-ko: quando esce un modello, la prima cosa che guardo è di quanto è cresciuto.
Però, a fermarsi un attimo, la faccenda è strana. Perché mai essere più grande dovrebbe voler dire essere più brava? E soprattutto: andrà avanti così per sempre?
Per molto tempo nessuno ha saputo rispondere davvero. Era una regola empirica, affidabilissima, ma pur sempre empirica. Poi nel 2025 è arrivato uno studio che a quel «perché» risponde dall’interno del modello. Andiamo allora a vedere come stanno le cose.
Cosa dice esattamente il «più grande, più brava»
Prima il ripasso. Nel mondo dell’IA esistono le leggi di scala: più dati di addestramento e più potenza di calcolo si mettono dentro, più si fa crescere il modello, e più le prestazioni salgono — e salgono in modo sorprendentemente regolare.
E come si misurano queste prestazioni? Da quanto l’IA sbaglia le sue previsioni. Il termine tecnico è (loss in inglese): in pratica vuol dire che più è bassa, più l’IA è brava. Non serve portarsi dietro altro.
La cosa che colpisce è quanto viene pulita la curva. Tot taglia in più, tot perdita in meno. E si ripete ogni volta. Ecco perché le aziende hanno investito con tanta tranquillità nel «facciamola più grande e amen».
E ogni anno c’è chi annuncia che ormai siamo al soffitto. E ogni anno la previsione invecchia male, perché la curva tira dritto come sempre.
Restava però una spina. Pulito non vuol dire spiegato. Perché la curva si comportasse così, nessuno sapeva dirlo. Ci si fermava al «abbiamo provato, ed è venuto fuori questo».
La chiave era quanto è stipata l’IA lì dentro
E allora da dove salta fuori quella regolarità? Da un fenomeno che si chiama (superposition).
La sovrapposizione è il fatto che l’IA tiene a mente molte più caratteristiche di quanti pezzi abbia per conservarle. Una caratteristica è uno di quei piccoli appigli con cui l’IA legge il mondo: «questo sembra un testo formale», «qui si parla di cucina». Migliaia e migliaia di angolature.
L’intuito direbbe: 100 pezzi, quindi al massimo 100 caratteristiche. E invece no!
Un’IA vera ne stipa migliaia in quei cento pezzi, sfalsando un po’ la direzione di ognuna perché possano convivere. È come un cassetto in cui si infilano più fogli degli scomparti disponibili: li si mette di sbieco e il bordo di ciascuno resta comunque visibile.
Il meccanismo l’aveva smontato Anthropic già nel 2022 su modelli piccoli (lo studio), ed è diventato il punto di partenza della ricerca sull’interpretabilità, quella che va a leggere cosa succede dentro l’IA.
È proprio quello stipare che genera la legge di scala
E qui arriva la novità. Uno studio del MIT (Liu, Liu, Gore e colleghi, scelto come Best Paper Runner-Up a NeurIPS 2025) sostiene che quella sovrapposizione è la legge di scala vista da dentro (lo studio).
Il gruppo ha analizzato sul piano teorico la zona in cui le caratteristiche sono fortemente sovrapposte, cioè stipate ben oltre il numero di pezzi disponibili.
E cosa ne viene fuori? Una relazione nitida:
Se si aumenta il numero di pezzi, cioè la larghezza del modello, la perdita cala in modo inversamente proporzionale.
Larghezza doppia, errore all’incirca dimezzato. Quella proporzione inversa è il contenuto della famosa curva del «più grande, più brava». E il bello è la solidità: la relazione regge in condizioni piuttosto ampie e non dipende da come siano distribuite le caratteristiche nel dettaglio. Si toccano un po’ le ipotesi e la forma della curva rimane in piedi.
Quando una cosa è stabile così, smette di sembrare una coincidenza. Sembra piuttosto una conseguenza della struttura.
La novità vera: una regola empirica che finalmente ha un motivo
Ma cosa cambia davvero, rispetto a prima? Questo è il punto che conta di più.
La legge di scala era sempre stata riproducibile: la si rimisura e viene uguale. Quello che mancava era il meccanismo. Il «perché» restava per aria.
Adesso la curva si ricava dalla geometria con cui l’IA stipa le sue caratteristiche. In altre parole, la sovrapposizione trovata da Anthropic e la legge di scala su cui le aziende hanno puntato sono la stessa linea, tracciata dai due capi.
Quindi la corsa alla taglia, che tutti portavano avanti «perché funziona», si è trovata una spina dorsale: il perché funziona. Sapere il motivo, ovvio, non rende nessuno più bravo da un giorno all’altro. Però cambia quello che si riesce a vedere da qui in avanti.
Conclusione: dire «la taglia paga ancora», ma con un motivo in mano
E al lettore che si occupa di marketing o che firma i budget, tutto questo cosa lascia?
Da un lato una certa tranquillità. La corsa del settore al «sempre più grande» pare destinata a rendere ancora per un po’. Almeno per quel che si vede adesso, che la taglia funzioni non è fortuna: sta radicata nel modo in cui l’IA è costruita dentro. Non servirebbe quindi pianificare come se i modelli grandi dovessero fermarsi da un momento all’altro.
Dall’altro, ed è la parte che terrei d’occhio davvero, quando si capisce perché funziona si ha un appiglio per chiedersi fino a dove funziona e da dove comincia a rallentare. Lo stipare ha per forza dei limiti geometrici, e avvicinandosi a quelli la curva inversa dovrebbe prima o poi appiattirsi. Ma è un giudizio che ora si può fare partendo dalla struttura, non dall’aria che tira.
Del resto, la direzione che prendono le capacità e i costi dell’IA finisce dritta nei budget e nella scelta degli strumenti. Quindi non fermatevi al «pare che più grande sia più brava»: portatevi dietro la domanda successiva, quella del perché e del fino a dove. Poco spettacolare, sì. Ma è esattamente ciò che evita di oscillare tra l’entusiasmo e lo sconforto.
