AI Digest: Quando l'innovazione incontra la realtà del mercato

Dimentichiamo l'hype sui chatbot per un momento. Meta ha sviluppato V-JEPA, un modello AI che impara la fisica intuitiva guardando video, proprio come fanno i bambini di 6 mesi. Il sistema dimostra "sorpresa" quando vede eventi fisicamente impossibili - una palla che scompare dietro un oggetto e non riappare.

Ecco la verità: mentre tutti parlano di LLM che scrivono poesie, Meta sta costruindo AI che capisce come funziona il mondo fisico. V-JEPA non predice singoli pixel ma usa rappresentazioni "latenti" per catturare solo i dettagli essenziali. Risultato? 98% di accuratezza nei test di fisica intuitiva, contro prestazioni casuali dei modelli tradizionali.

Il team ha già rilasciato V-JEPA 2 con 1.2 miliardi di parametri, addestrato su 22 milioni di video. L'applicazione in robotica è ovvia: i robot hanno bisogno di intuizione fisica per muoversi nel mondo reale. Ma c'è un problema: il modello ha la memoria di un pesce rosso, gestendo solo pochi secondi di video.

Questo non è solo ricerca accademica. È la corsa per creare AI che non solo parla del mondo, ma lo comprende davvero.

Kevin Zhu ha 'scritto' 113 paper accademici sull'AI quest'anno. È appena laureato e gestisce una società che fa pagare $3,325 a liceali per "mentoring" che finisce con pubblicazioni a conferenze. Benvenuti nel nuovo Far West della ricerca AI.

I numeri sono brutali: NeurIPS ha ricevuto 21,575 submission quest'anno, più del doppio rispetto al 2020. ICLR ha visto un aumento del 70% per il 2026. I reviewer si lamentano della qualità scadente e sospettano che molti paper siano generati da AI. Il punteggio medio assegnato dai reviewer è in calo.

"È un disastro," dice Hany Farid di Berkeley. "Non puoi tenere il passo, non puoi pubblicare lavoro di qualità, non puoi essere riflessivo." Gli studenti sono sotto pressione per accumulare pubblicazioni, spesso usando "vibe coding" - generare codice con AI senza capirlo davvero.

Il problema va oltre le conferenze. Aziende tech e organizzazioni AI scaricano lavori non peer-reviewed su arXiv, inondando internet di "scienza" che non rispetta standard di revisione. Il rapporto segnale-rumore è praticamente uno. Anche gli esperti faticano a capire cosa sta succedendo nel campo.

Meta ha rimandato i suoi occhiali mixed reality al 2027. Il progetto Phoenix, che doveva arrivare nella seconda metà del 2026, è slittato dopo che Zuckerberg ha chiesto più tempo per "rendere il business sostenibile". Traduzione: i numeri non tornano.

Intanto Pat Gelsinger, cacciato da Intel un anno fa, sta giocando una partita diversa. Come executive chairman di xLight, ha ottenuto un accordo preliminare per $150 milioni dal governo USA. L'obiettivo? Costruire laser a elettroni liberi grandi come campi da football per rivoluzionare la litografia dei chip.

La tecnologia è ambiziosa: macchine di 100x50 metri che generano luce ultravioletta estrema a 2 nanometri, molto più potente dei 13.5 nanometri di ASML. "Circa metà del capitale dell'industria dei semiconduttori va in litografia," spiega Gelsinger. Se funziona, potrebbe "risvegliare la Legge di Moore."

Ma nessuno ha ancora firmato ordini. Intel e altri produttori stanno "avendo conversazioni intense" ma non si sono impegnati. Il primo silicio è previsto per il 2028, sistemi commerciali per il 2029. Nel frattempo, Substrate di Peter Thiel ha raccolto $100 milioni per un approccio simile.

Jeremy Carrasco ha 300k follower insegnando a riconoscere i video AI fake. In sei mesi è diventato uno dei nomi più grossi nell'AI literacy sui social. Il motivo? L'internet è invaso da contenuti AI generati che stanno mandando in crash l'economia dei creator.

Un video di 7 secondi di un gatto AI non vale nulla. Ma messo insieme in una compilation da un minuto che fa 5 milioni di views? $1,000 dal TikTok Creator Fund. Per chi vive in paesi in via di sviluppo, è un reddito significativo. E Sora 2 è gratis.

I segnali per riconoscere l'AI: texture sfocate, occhi traballanti, oggetti che appaiono e scompaiono, denti troppo perfetti. Ma la qualità migliora rapidamente. Alcuni account rubano video di creator veri, sostituiscono i volti con AI e li rivendono su OnlyFans.

"Generalmente no" alla domanda se esiste un uso etico dell'AI generativa per i creator. L'unico modo per far funzionare l'AI video è "rubare un sacco di dati delle persone." Instagram, TikTok e YouTube permettono che le loro piattaforme vengano inondate di "slop" AI, rendendo più difficile per i creator veri emergere.

Airtable, Handshake e Opendoor si stanno "rifondando". Non è un pivot - è qualcosa di più profondo. Come dice il CEO di Airtable Howie Liu: "Le poste in gioco sono le stesse di quando abbiamo fondato l'azienda."

La rifondazione non riguarda correggere errori ma incorporare AI e nuovi modelli di business in aziende mature. Airtable ha deciso di non aggiungere semplicemente capacità AI alla piattaforma esistente, ma di trattarlo come "un momento di rifondazione per l'azienda."

Handshake sta riportando la cultura startup "in un business esistente". Questo significa anche lavoro più duro: tutti in ufficio 5 giorni a settimana, "operando con un ritmo e numero di ore significativo che ci aiuterà a raggiungere gli obiettivi."

È il nuovo mantra della Silicon Valley: quando l'AI cambia le regole del gioco, anche le aziende consolidate devono reinventarsi completamente. Non basta aggiungere funzionalità AI - serve ripensare tutto dal business model alla cultura aziendale.