Negli ultimi anni, l'IA e la crittografia hanno iniziato a convergere in una delle narrazioni più potenti nella tecnologia.
I progetti promettono:
infrastruttura di IA decentralizzata
agenti autonomi
apprendimento automatico distribuito
economia dei dati tokenizzati
Nomi come SingularityNET, Fetch.ai e Bittensor sono frequentemente citati come pionieri dell'IA decentralizzata.
Ma se guardiamo più a fondo, la maggior parte di questi progetti non sta fondamentalmente reinventando l'intelligenza artificiale.
Stanno costruendo strati economici o infrastrutturali attorno ai modelli di IA esistenti.
Un progetto, tuttavia, sta tentando qualcosa di molto più radicale.
Qubic sta cercando di ripensare a come dovrebbe essere costruita l'intelligenza stessa.
Al centro di quella visione c'è una nuova architettura chiamata Neuraxon.
Se le loro idee si rivelano valide, le implicazioni potrebbero estendersi ben oltre la crittografia — toccando potenzialmente il futuro percorso verso l'Intelligenza Artificiale Generale (AGI).
I Due Percorsi Competitivi Verso l'AGI
Proprio ora, l'industria globale dell'IA sembra convergere su due filosofie di intelligenza molto diverse.
Percorso 1: Scalare l'Intelligenza
Questo è l'approccio seguito dai principali laboratori di IA:
OpenAI
Google DeepMind
Antropico
Meta
La strategia è semplice:
Scala tutto.
più dati
più calcolo
più parametri
Questo approccio ha prodotto risultati straordinari:
modelli GPT
Gemini
Claude
Questi sistemi possono scrivere, programmare, ragionare, riassumere e conversare con notevole fluidità.
Ma nonostante la loro potenza, condividono una limitazione fondamentale.
Sono intelligenza congelata.
Il Problema con l'IA Congelata
I moderni sistemi di IA seguono un ciclo di vita familiare:
Addestra → Congela → Distribuisci
Durante l'addestramento:
dataset massicci vengono assimilati
milioni di parametri vengono ottimizzati
Dopo la fine dell'addestramento:
il modello è distribuito
i pesi sono fissi
Da quel momento in poi, il sistema esegue inferenze solo.
Non impara più dalle sue esperienze.
In altre parole:
L'IA con cui interagisci oggi è un'istantanea di intelligenza congelata nel tempo.
Non importa quante conversazioni abbia, non accumula esperienza nel modo in cui lo fa l'intelligenza biologica.
Se un cervello umano smettesse di apprendere nel momento in cui inizia a interagire con il mondo, non lo chiameremmo intelligente.
Lo chiameremmo disfunzionale.
Perché l'Apprendimento Continuo è Importante
L'intelligenza biologica è fondamentalmente diversa.
Gli esseri umani e gli animali apprendono continuamente attraverso:
esperienza
esplorazione
interazione ambientale
Ogni momento rimodella le connessioni neurali attraverso la plasticità sinaptica.
Apprendere e vivere non sono processi separati.
Sono lo stesso processo.
Molti ricercatori credono che la vera AGI richiederà proprietà simili, tra cui:
apprendimento permanente
memoria adattiva
interazione ambientale
esplorazione autodiretta
Questo è il punto in cui inizia a emergere un paradigma diverso.
Il Secondo Percorso: Intelligenza Evolutiva
Invece di costruire modelli più grandi, alcuni ricercatori stanno esplorando se l'intelligenza possa emergere da sistemi adattivi che evolvono nel tempo.
In questo paradigma:
L'IA non è un prodotto finito.
È un sistema in continua evoluzione.
Molteplici agenti interagiscono, si adattano e competono, migliorando gradualmente attraverso l'esperienza.
Piuttosto che un modello statico, l'intelligenza diventa qualcosa di più vicino a un ecosistema.
Questa idea è molto più vicina a come l'intelligenza biologica è emersa sulla Terra.
E è la base filosofica dietro la direzione della ricerca AGI di Qubic.
Cosa Rende Qubic Diverso
La maggior parte dei progetti IA-crypto si concentra sulla creazione di mercati o infrastrutture per i servizi IA.
Qubic adotta un approccio diverso.
Invece di chiedere:
Come possiamo monetizzare l'IA?
Qubic pone una domanda più profonda:
Come dovrebbe essere costruita l'intelligenza stessa?
L'ecosistema di Qubic esplora tre componenti principali:
1. Calcolo Distribuito
Una rete decentralizzata di nodi fornisce risorse computazionali che possono eseguire sistemi di IA continuamente.
Invece di fare affidamento su centri dati GPU centralizzati, il calcolo può essere distribuito su una rete.
2. Framework IA Evolutivi
All'interno dell'ecosistema, framework come Aigarth esplorano concetti di IA evolutiva.
Molteplici agenti IA possono:
interagire
competere
evolvere
In alcuni modi, questo somiglia alla selezione naturale in forma digitale.
3. Neuraxon
Il componente più intrigante dell'ecosistema è Neuraxon, un'architettura neurale ispirata alla biologia progettata per supportare l'apprendimento continuo e l'intelligenza adattativa.
Invece di imitare le reti neurali convenzionali, Neuraxon cerca di modellare aspetti dei sistemi neurali biologici.
Neuraxon: Un Tipo Diverso di Architettura Neurale
Le reti neurali tradizionali sono essenzialmente grafici computazionali statici.
I pesi vengono regolati durante l'addestramento ma rimangono fissi successivamente.
Neuraxon propone un approccio più dinamico ispirato dalle neuroscienze.
Neuroni Tri-Stato
La maggior parte dei neuroni artificiali opera in uno schema di attivazione simile al binario.
Neuraxon introduce tre stati possibili:
+1 — Eccitatorio
0 — Neutro
−1 — Inibitorio
Questa struttura rispecchia l'attività neurale biologica, dove i neuroni possono stimolare o sopprimere l'attività all'interno di una rete.
Lo stato neutro consente anche al sistema di rappresentare esitazione, incertezza o potenziale attività latente.
Dinamiche Neurali Continue
L'IA tradizionale opera attraverso calcoli discreti:
Input → Calcola → Output
Neuraxon invece mantiene uno stato neurale interno continuo.
Anche quando non arriva alcun input esterno, lo stato interno del sistema continua a evolversi nel tempo.
Questo rispecchia il comportamento dei cervelli biologici, dove l'attività neurale non si ferma mai veramente.
Invece di calcoli isolati, il sistema si comporta più come un processo cognitivo continuo.
Plasticità Sinaptica
Una delle caratteristiche distintive dell'intelligenza biologica è la plasticità.
Le connessioni tra i neuroni si rafforzano o si indeboliscono a seconda dell'esperienza.
Neuraxon introduce meccanismi in cui le sinapsi possono:
rafforzare attraverso attivazioni ripetute
indebolirsi quando non utilizzati
riorganizzare le strutture di rete
Questo consente al sistema di adattarsi dinamicamente durante l'operazione piuttosto che solo durante l'addestramento.
Apprendimento Multi-Scale
Neuraxon esplora anche l'apprendimento su più scale temporali.
Gli aggiustamenti a breve termine possono coesistere con cambiamenti strutturali più lenti.
Questo è simile ai sistemi biologici in cui:
l'ippocampo supporta l'apprendimento a breve termine
la corteccia stabilizza la conoscenza a lungo termine
Tali meccanismi possono aiutare a bilanciare il classico problema dell'apprendimento dell'IA:
plasticità vs stabilità.
Neuromodulazione
Un'altra caratteristica ispirata dalla biologia è la neuromodulazione.
Nel cervello umano, sostanze chimiche come la dopamina e la serotonina regolano quando i circuiti neurali diventano più plastici o più stabili.
Neuraxon esplora meccanismi simili che determinano quando dovrebbe avvenire l'apprendimento.
Questo potrebbe aiutare a affrontare una delle sfide più grandi nei sistemi di apprendimento continuo:
dimenticanza catastrofica.
Confrontare Progetti Principali IA-Crypto
Per comprendere meglio la posizione di Qubic, è utile confrontarla con altri progetti principali.
Ciò che spicca è che Qubic è uno dei pochi progetti che tentano di progettare una nuova architettura per l'intelligenza stessa.
IA Morta vs IA Vivente
Un modo per pensare a questo cambiamento è la differenza tra IA Morta e IA Vivente.
IA Morta
La maggior parte dei sistemi moderni rientra in questa categoria.
Sono:
addestrato una volta
distribuito
fissato successivamente
Sono incredibilmente potenti ma fondamentalmente statici.
IA Vivente
L'IA vivente si riferisce a sistemi che:
operare continuamente
imparare dall'esperienza
adattare la propria struttura interna nel tempo
Invece di modelli statici, si comportano più come organismi.
Se architetture come Neuraxon hanno successo, l'IA potrebbe gradualmente passare da strumenti software a sistemi cognitivi adattivi.
La Corsa Nascosta all'AGI
La corsa all'IA di cui di solito sentiamo parlare coinvolge aziende come OpenAI e Google.
Ma sotto quella visibile competizione si cela una domanda più profonda:
Da dove proviene effettivamente l'intelligenza?
È il risultato di:
modelli più grandi
più dati
più calcolo?
O emerge da:
adattamento
interazione
dinamiche evolutive?
Se la seconda visione si rivelasse corretta, il percorso verso l'AGI potrebbe non provenire da modelli linguistici sempre più grandi.
Potrebbe derivare da sistemi in grado di apprendimento continuo ed evoluzione.
Una Possibile "Esplosione Cambriana" dell'IA
Nella storia biologica, l'Esplosione Cambriana ha segnato un periodo in cui la vita si è diversificata rapidamente in innumerevoli nuove forme.
Alcuni ricercatori credono che se i sistemi IA acquisissero la capacità di:
evolvere
imparare continuamente
interagire con ambienti complessi
potremmo assistere a qualcosa di simile nell'intelligenza artificiale.
Invece di pochi modelli dominanti, potremmo vedere un'esplosione di sistemi IA diversi che evolvono attraverso reti decentralizzate.
La Grande Domanda del Prossimo Decennio
Il futuro dell'IA potrebbe dipendere in ultima analisi da una domanda:
L'intelligenza emerge da modelli più grandi… o da sistemi adattivi che evolvono nel tempo?
Se la risposta risiede nell'evoluzione e nell'apprendimento continuo, progetti come Qubic e Neuraxon potrebbero rappresentare esperimenti precoci in una direzione completamente nuova per l'intelligenza artificiale.
È ancora troppo presto per sapere se questo approccio avrà successo.
Ma le idee esplorate sollevano una delle possibilità più affascinanti nella tecnologia moderna:
IA che non esegue semplicemente algoritmi, ma evolve attraverso l'esperienza.
Ulteriori Letture
I lettori interessati a esplorare ulteriormente questi concetti possono consultare le seguenti risorse:
#Qubic Ecosistema
https://github.com/qubic
#Neuraxon Articolo di Ricerca
https://www.researchgate.net/publication/397331336_Neuraxon
Qubic #AGI Viaggio
https://www.researchgate.net/publication/387364505_Qubic_AGI_Journey_Human_and_Artificial_Intelligence_Toward_an_AGI_with_Aigarth
Repository GitHub Neuraxon
https://github.com/DavidVivancos/Neuraxon
Demo Interattiva Neuraxon
https://huggingface.co/spaces/DavidVivancos/Neuraxon
Sito di Ricerca
https://vivancos.com