La prossima frontiera dell’AI sarà l’Intelligenza Fisica. Le leggi di scaling che hanno alimentato il successo dei grandi modelli di linguaggio (LLM Large Language Models) e visione continueranno fino al 2026, ma si estenderanno a modelli che impareranno da vibrazioni, suoni, campi magnetici e movimento (complicate caratteristiche del mondo fisico). Prevedo che questi modelli di ragionamento fisico migreranno dal datacenter all’edge, alimentando un nuovo tipo di autonomia fluida che pensa e agisce localmente, sensibile alla fisica locale e senza ricorrere a server centralizzati. Tali modelli impareranno dinamicamente da situazioni nuove, esposti a una ristretta casistica di circostanze inedite. Pensiamo a un robot mobile in una fabbrica che può ragionare da solo e determinare cosa fare quando si trova di fronte a un ostacolo imprevisto. Possiamo aspettarci di vedere un aumento di “modelli del mondo” ibridi che fondono il ragionamento matematico e fisico con dinamiche sensor-fused basate sui dati, e sistemi che non solo descrivono il mondo, ma vi partecipano e imparano, come afferma Richard Sutton, dalla propria “esperienza”.
Previsione: L’audio diventerà l’interfaccia AI dominante nell’elettronica di consumo.
L’audio sta per diventare un canale di ragionamento e lo vedremo concretizzarsi in modo significativo nel 2026. Con la convergenza di suono spaziale, sensor fusion e ragionamento on-device, i dispositivi elettronici consumer si evolveranno in compagni/partner contestuali. Occhiali a Realtà Aumentata e dispositivi acustici, come auricolari e sistemi audio per veicoli, interpreteranno silenziosamente il nostro ambiente, deducendo intenzioni, emozioni e presenza. Questi progressi tecnologici porteranno a una cancellazione del rumore significativamente migliore nei nostri dispositivi hearable, a una maggiore durata della batteria e a nuovi fattori di forma che non sono ancora stati immaginati. L’esperienza always-in-ear, già in crescita tra la Gen Z, diventerà sempre più prevalente grazie all’udito ” sovrumano” dell’AI sensibile al contesto.
Previsione: L’AI agentica darà origine a modelli fisicamente intelligenti, addestrati tramite ambienti di simulazione fisicamente accurati.
La prossima evoluzione nell’Edge AI sarà agentica. In futuro, i sistemi agentici, non solo prevederanno, ma decideranno e agiranno autonomamente nel mondo tramite interventi fisicamente fondati e provati negli ambienti simulati. A sostegno di ciò, il 2026 vedrà l’avvento mainstream dei digital twin per infondere nei modelli di grandi dimensioni la consapevolezza dei sistemi fisici. Immaginate modelli AI che imparano a prevedere le forze anziché il testo, ma nella sicurezza di un ambiente simulato scalabile. I modelli di base fisicamente intelligenti adopereranno il ragionamento con l’intelligenza dei sensori per orchestrare macchine, simulazioni e dati. Oggi, molte fabbriche dispongono della tecnologia per la manutenzione predittiva, ma si può immaginare un futuro in cui un agente nel reparto di produzione agirà su tale previsione. E con questa previsione reindirizzerà autonomamente la linea di produzione a una macchina con uno stato di salute migliore, regolerà la macchina in difficoltà al 70% della capacità per estenderne la vita e si coordinerà con gli agenti della supply chain per stilare una BOM, effettuare l’ordine dei ricambi e aggiornare l’inventario, il tutto senza intervento umano.
Previsione: L’AI avrà il suo momento di “inception” agentico con l’emergere della micro-intelligenza.
Nel 2026 sorgerà una nuova classe di tiny recursive models, ovvero sistemi compatti con una notevole profondità di ragionamento in un dominio ristretto ma in grado di funzionare all’edge. Pensateli come micro-intelligenze piuttosto che semplici piccoli modelli: fluidi, adattivi e specifici per il compito, eppure ancora capaci di astrazione e riflessione. Occuperanno una posizione intermedia tra l’AI programmata rigida che si vede oggi all’edge e i vasti modelli fondamentali come GPT-5, potenziando il ragionamento specializzato su chip, nei sensori e all’interno dei sistemi più piccoli, agendo come orchestratori degli agenti specializzati che stanno emergendo oggi. Questi nuovi tipi di modelli nasceranno dalla corsa per costruire sistemi fluidamente intelligenti, come incoraggiato dall’ARC Prize e iniziative simili. Prevedo l’ascesa di nuovi tipi di benchmark AI progettati per misurare e incoraggiare un nuovo tipo di intelligenza ingegneristica —micro-intelligenze multi-agente che possono collaborare per risolvere complessi problemi ingegneristici, passando dal mondo delle sfide matematiche astratte (come le Olimpiadi di Matematica) a sistemi pratici di risoluzione dei problemi.
Articolo scritto da Paul Golding, VP of Edge AI and Robotics, Analog Devices.
