Il post di 26.000 parole di un ricercatore di Goodfire accende il dibattito: i modelli linguistici di grandi dimensioni sono molto più interpretabili di quanto si pensasse?

Questa edizione di The Download arriva con una scossa di ottimismo — e un’ondata di dibattito — dopo che un lungo nuovo post di Nick Cammarata, ricercatore presso la startup di IA Goodfire, ha iniziato a rimbalzare nella comunità dell’IA. In un articolo di blog di circa 26.000 parole, Cammarata sostiene che i grandi modelli linguistici (large language models, LLM) potrebbero essere sostanzialmente più interpretabili di quanto molti ricercatori abbiano ipotizzato. Se la sua tesi centrale reggesse, ridefinirebbe le aspettative su quanto i sistemi di IA avanzati possano essere compresi in modo significativo, sottoposti ad audit e, in ultima analisi, governati.

Il post di Cammarata ha suscitato reazioni che vanno dalle dichiarazioni entusiastiche secondo cui “l’interpretabilità è risolta” a letture più caute che considerano il lavoro interessante ma tutt’altro che definitivo. In un’intervista realizzata il giorno dopo che il suo scritto è diventato virale, Cammarata ha descritto ciò che, a suo avviso, al settore è mancato, che cosa i suoi risultati dimostrano — e che cosa non dimostrano — e perché alcuni esperti restano scettici. La posta in gioco è evidente: se la meccanica interna degli LLM può essere mappata in modo affidabile, potrebbe migliorare il monitoraggio di comportamenti dannosi e rendere più facile costruire controlli che funzionino davvero. Ma gli scettici avvertono che i primi successi nello spiegare porzioni del comportamento dei modelli non necessariamente si estendono alle capacità disordinate ed emergenti che preoccupano maggiormente.

Mentre questo confronto si sviluppa, un altro cambiamento sta modificando silenziosamente il modo in cui funziona il web. Per anni, il traffico online poteva essere suddiviso in due categorie: esseri umani e bot. Questa netta divisione si sta sgretolando, man mano che agenti personali di IA svolgono sempre più spesso attività quotidiane — prenotare voli, riservare hotel e orientarsi tra i servizi per conto degli utenti. Muse di Meta, per esempio, è stata scaricata 5 milioni di volte nel suo primo mese, a dimostrazione della rapidità con cui i prodotti in stile “agente” possono diffondersi.

Eppure internet non è stata progettata per una terza categoria di visitatori che si comporta come un utente ma si muove come un’automazione. Con l’intrecciarsi di questi agenti al traffico umano, l’attrito è diventato la norma. Molti siti hanno reagito bloccando gli agenti tout court, segno che l’infrastruttura del web e gli incentivi di business di oggi sono scarsamente allineati con “assistenti” automatizzati che consumano servizi, effettuano scraping di contenuti o interagiscono su larga scala. Se la domanda per questi strumenti continuerà a crescere, il design di base di internet potrebbe iniziare a cambiare — allontanandosi dalla priorità data ai modelli di navigazione umani e spostandosi verso interfacce, autenticazione e standard ottimizzati per agenti software. Questa transizione avrebbe conseguenze per tutti: consumatori, editori, piattaforme di e-commerce e le aziende che costruiscono gli agenti.

In parallelo, il più ampio panorama tecnologico sta cambiando anche nel climate tech. Moment Energy, inserita nella lista delle 10 Climate Tech Companies to Watch for 2026 di MIT Technology Review, punta su una scorciatoia “domestica” nella catena di fornitura: riconvertire batterie usate di veicoli elettrici in sistemi di accumulo energetico connessi alla rete. La domanda di accumulo sta aumentando rapidamente, con una capacità globale prevista in crescita di otto volte nel prossimo decennio. Moment punta a capitalizzare trasformando pacchi batteria di EV dismessi in nuovo storage stazionario — un approccio che potrebbe alleviare i vincoli in un mercato in cui produzione e catene di fornitura spesso passano in misura significativa dalla Cina. Le tensioni commerciali in corso tra Stati Uniti e Cina hanno migliorato le prospettive dell’azienda, che si aspetta di poter presto qualificare le proprie batterie riconvertite come prodotti domestici sia in Canada sia negli Stati Uniti, dove sta costruendo il suo prossimo stabilimento.

Nel frattempo, i titoli del giorno mettono in evidenza quanto rapidamente la tecnologia degli “agenti” si stia diffondendo oltre la comodità per i consumatori. Documenti riportano che l’Esercito degli Stati Uniti sta esplorando agenti di IA progettati per identificare e disabilitare obiettivi avversari, mentre gli esperti mettono in guardia sugli impatti non intenzionali su sistemi non bersaglio e si chiedono se gli “umani nel ciclo” (humans in the loop) possano rimanere in modo significativo al comando. Un’altra inchiesta afferma che un sospettato nel presunto caso di intercettazioni ai danni di OpenAI avrebbe avuto un apparente sostegno del governo saudita, inclusi contatti collegati alla famiglia reale e un volo finanziato da fondi militari; gli investigatori avrebbero trovato una cartella etichettata “Saudi Gov Docs” e un giudice ha negato la libertà su cauzione nonostante l’offerta di un consolato saudita di coprire i costi. Gli Stati Uniti hanno inoltre vietato DeepSeek dai sistemi governativi civili, estendendo la restrizione ai prodotti realizzati utilizzando i modelli di DeepSeek. In Europa, i principali operatori di telecomunicazioni stanno valutando una spinta congiunta per la connettività satellitare che potrebbe assomigliare a Starlink, mentre proseguono gli esperimenti sulla connettività ad alta quota e nella stratosfera.

Perché è importante

Se Cammarata ha ragione nel sostenere che gli LLM sono più facili da interpretare di quanto si pensi, regolatori e sviluppatori potrebbero ottenere nuovi strumenti per verificare (audit) modelli potenti prima che provochino danni—ma il campo avrà bisogno di repliche e di prove che l’approccio sia scalabile. Allo stesso tempo, gli agenti di IA stanno imponendo una conversazione di riprogettazione sul web stesso, con possibili effetti a catena su accesso, sicurezza e su chi cattura valore online. Bisogna aspettarsi un’escalation di blocchi a livello di sito, l’emergere di standard “agent-friendly” e scontri di policy su come dovrebbero essere trattati gli utenti automatizzati.