Immagini generate dall’intelligenza artificiale di Grok.

Durante la conferenza Made by Google 2024, abbiamo assistito all’attesa ufficializzazione dei Pixel 9, Pixel 9 Pro, 9 Pro XL e Pixel 9 Pro Fold. Per promuoverli, Google ha introdotto diverse funzioni e applicazioni esclusive. Tra queste, Call Notes ha attirato la nostra attenzione: questa funzione consente di riassumere le chiamate telefoniche.

Approfondimento Google “integra Gemini al cuore di Android”: le migliori novità dell’IA sui Pixel 9

Gemini Nano alla base della funzione di riassunto delle chiamate

Il principio è molto semplice: Call Notes redige per voi un riassunto della conversazione al termine di una chiamata telefonica. Questa funzione è estremamente utile per ricordare un appuntamento, una posizione, o un numero di telefono. Per un colloquio telefonico, è molto comoda per memorizzare tutti i dettagli. Attenzione: funziona solo per chiamate di almeno 30 secondi. Call Notes permette anche di consultare la trascrizione completa della chiamata sotto il riassunto. Naturalmente, quando la utilizzate, il vostro interlocutore viene avvisato.

Ovviamente, Google ha pensato a tutto per proteggere la privacy vostra e del vostro interlocutore. Ecco perché Call Notes funziona esclusivamente in locale. Ciò significa che la trascrizione e il riassunto della chiamata vengono elaborati solo dal Pixel 9 in questione. Dietro tutto questo c’è Gemini Nano, la versione ridotta del LLM di Google. Ricordiamo che questo modello di IA è stato sviluppato specificamente per funzionare in locale sugli smartphone, garantendo prestazioni adeguate senza un consumo eccessivo di energia.

La dimostrazione di Call Notes // Fonte: GooglePer ora, solo i Pixel 9 hanno accesso a questa funzione, ma è probabile che in futuro anche i Pixel 8, 8 Pro e 8a possano beneficiarne. Infatti, anche questi smartphone sono in grado di far girare Gemini Nano. Purtroppo, Call Notes non è (ancora) disponibile in tutte le lingue e in tutti i paesi.

Pronti a tenere un po’ di IA nel palmo della mano?”

Durante la sua conferenza “Made by Google”, il gigante di Mountain View ha svelato la sua nuova gamma di dispositivi Pixel, con un ampio catalogo di smartphone: Pixel 9, Pixel 9 Pro, Pixel 9 Pro XL e Pixel 9 Pro Fold 2. Questi telefoni di fascia alta (venduti da 899€ a 1899€) sono stati sviluppati con una potenza di calcolo sufficiente per far funzionare i modelli di intelligenza artificiale Gemini senza ricorrere a server esterni.

Ma non solo: ci sono anche i nuovi smartwatch Pixel Watch 3 e Pixel Watch XL, senza dimenticare gli auricolari wireless Pixel Buds Pro 2. Oltre al design degli smartphone, che richiama gli iPhone, e all’aggiornamento dei componenti, tra cui il processore Tensor G4, Google ha puntato la sua strategia sui servizi offerti dal suo modello di Intelligenza Artificiale generativa, Gemini. Questi dispositivi premium sono progettati per sfruttare al meglio la potenza del software, in un momento in cui la competizione con ChatPlus di OpenAI si fa sempre più accesa, in attesa del lancio di Apple Intelligence sui prossimi iPhone.

Se avete seguito i Giochi Olimpici di Parigi 2024 in TV, probabilmente avrete notato la pubblicità che elogiava Gemini in ogni interruzione. Attivabile con la semplice pressione del pulsante di accensione, l’IA si trasforma in un assistente personale che conosce a fondo il dispositivo e le sue applicazioni. “Ciò che richiedeva ore ora richiederà solo pochi minuti”, ha promesso Rick Osterloh, il vicepresidente di Google responsabile dei dispositivi.

Leader da un decennio nella ricerca sull’IA, l’azienda di Sundar Pichai aveva già introdotto alcune funzionalità impressionanti, come “circondare per cercare”, che genera una ricerca visiva dopo aver circondato un elemento sullo schermo, o la scrittura automatica dei messaggi nell’app di SMS. Queste funzionalità sono ancora gratuite per ora. Tuttavia, offrendo un anno di abbonamento a Gemini Advanced con l’acquisto di un Pixel 9 Pro, Google sta incentivando i clienti a fare affidamento sulla sua IA nella vita quotidiana.

Priorità all’IA generativa sui Pixel

L’aggiornamento ad Android 15 rafforzerà l’IA generativa su tutti gli smartphone (Samsung, Xiaomi, Motorola…) con questo sistema operativo, ma i Pixel saranno i primi a beneficiare di nuove funzionalità come il filtro intelligente che protegge l’utente dalle truffe sempre più comuni. Ci saranno anche esclusive come Pixel Studios, un’app interna che funziona come Midjourney o DALL-E, permettendo di generare immagini a partire da un semplice prompt. Inoltre, la funzionalità Pixel Screenshots consentirà allo smartphone di utilizzare screenshot intelligenti per estrarre informazioni e creare liste o note per non dimenticare un dettaglio visto online. Basta toccare questo promemoria per ritrovare facilmente il sito, anche dopo diversi mesi.

Infine, Gemini può anche fornire un riassunto scritto di una chiamata grazie all’opzione “Call Notes”. Tutto viene memorizzato sul dispositivo per garantire la privacy, assicura Google. La questione della privacy dell’altra persona al telefono è un altro dibattito ancora aperto.

Google punta anche sull’IA per mantenere il suo status di leader nella fotografia da smartphone. Strumenti interessanti, come la gomma magica per cancellare un dettaglio indesiderato, esistono già da tre anni. La novità “Add me” (“Aggiungimi”) consente di aggiungere una persona a una foto anche dopo che è stata scattata. Basta scattare due foto e trasferire un soggetto da una all’altra, poiché l’IA fonde senza difficoltà le due immagini.

L’IA targata Google la troviamo anche nelle orecchie. Il chip Tensor A1 dei Pixel Buds Pro 2 (a partire da 249€) è stato progettato per eliminare i rumori ambientali e chiarire la voce di chi chiama, anche nel trambusto dei mezzi pubblici. Indipendentemente dal telefono utilizzato, la promessa di una chiamata cristallina è assicurata.

Infine, la Pixel Watch 3 (a partire da 399€) beneficia dei progressi dell’IA alimentata dai dati raccolti da Fitbit, lo specialista degli smartwatch acquisito a gennaio 2021. Questo dispositivo fornisce un “punteggio di fitness” che tiene conto del sonno, dell’attività fisica e della frequenza cardiaca per diventare un coach virtuale personale. L’unica cosa che non potrà fare per voi è indossare le scarpe da ginnastica.

Sono stati i protagonisti più notati durante la Made by Google 2024: i Pixel 9, Pixel 9 Pro/9 Pro XL e Pixel 9 Pro Fold. Quattro smartphone, una serie: sebbene la conferenza fosse incentrata anche su Gemini, gli smartphone sono riusciti a distinguersi. Questo è dovuto principalmente all’esperienza software offerta. Google lancia diverse applicazioni sui suoi nuovi Pixel, tra cui Pixel Studio, un’applicazione di generazione di immagini tramite IA.

Pixel Studio: il Dall-E di Google, sui Pixel 9

Su tutti gli smartphone Pixel 9 sarà presente Pixel Studio, un generatore di immagini. Permette, grazie a una descrizione testuale, di generare l’immagine desiderata, che può essere completata/modificata progressivamente, aggiungendo sticker, testo (con diverse opzioni di colori e caratteri), per poi condividerla con gli amici.

Durante il Made by Google, è stata realizzata una dimostrazione dal vivo. Si trattava di creare un piccolo biglietto d’invito per una festa sulla spiaggia, non lontano dal Golden Gate, il ponte iconico di San Francisco, vicino alla sede di Google. Un falò, il Golden Gate sullo sfondo, la sabbia, ecc. Tutti gli elementi sono stati descritti tramite testo e l’utente ha potuto indicare a Pixel Studio lo stile di immagine desiderato (ad esempio, in stile cartone animato o videogioco).

Un funzionamento un po’ particolare per un generatore di immagini

Un generatore di immagini può funzionare in locale, cioè esclusivamente sul dispositivo che si sta utilizzando. Questo garantisce la riservatezza delle immagini generate, sebbene possa influire sulla qualità delle immagini. Si può allora ricorrere a una soluzione cloud, il caso più diffuso. Ma qui, Google adotta un modello ibrido, utilizzando il Tensor G4, il suo nuovo chip, e il suo ultimo modello di generazione di immagini, Imagen 3.

Attenzione però, Pixel Studio non sarà disponibile in tutti i paesi né in tutte le lingue. Per il momento, non si sa se l’applicazione sarà disponibile in Francia. Ma a causa di restrizioni, in particolare legali, è probabile che non sarà subito accessibile. Si può presumere che i Pixel 8, 8 Pro e 8a non ne usufruiranno, poiché dispongono di un chip diverso dal Tensor G4. Sebbene non sia impossibile che Google possa offrire Pixel Studio anche a questi modelli in futuro.

Sostenitore fervente di Donald Trump nella corsa alla presidenza degli Stati Uniti, il miliardario Elon Musk ha recentemente intensificato gli attacchi contro il campo democratico guidato da Kamala Harris. Dal social network Twitter, che ha rinominato X dopo averlo acquistato per 44 miliardi di dollari (44 miliardi di euro al momento dell’acquisto) nel 2022, l’imprenditore tech americano ha condiviso numerose informazioni false o fuorvianti, che hanno accumulato oltre 1,2 miliardi di visualizzazioni quest’anno, come rivelato il 9 agosto da un’ONG.

Dall’inizio dell’anno, il Centro per la lotta contro l’odio online (CCDH) ha registrato 50 post del patron di Tesla sulle elezioni, identificati come falsi o fuorvianti dagli specialisti della disinformazione. Per esempio, Musk afferma ai suoi 193 milioni di follower su X che i democratici incoraggiano l’immigrazione illegale per “importare elettori”.

Il miliardario è stato anche duramente criticato per aver diffuso, alla fine di luglio, un video manipolato che riproduceva in modo credibile la voce di Kamala Harris. Questo deepfake, visualizzato milioni di volte, faceva dire alla vicepresidente americana di essersi candidata “perché Joe Biden ha pubblicamente dimostrato di essere senile”. Musk ha successivamente definito il video un atto di “satira”.

Leggi anche | Articolo riservato ai nostri abbonati: “Con il sostegno di Elon Musk a Trump, X potrebbe diventare più che mai uno strumento di campagna per i repubblicani”.

Post senza “note della comunità”

I messaggi censiti dal CCDH non presentano le abituali “note della comunità”, create dagli utenti del social per contestualizzare messaggi dubbiosi o errati e contrastare così la disinformazione.

“Elon Musk abusa della sua posizione di potere come proprietario di un social influente sulla politica per seminare disinformazione che genera discordia e sfiducia”, ha commentato Imran Ahmed, direttore del Centro per la lotta contro l’odio online. Ha aggiunto: “L’assenza di note su questi post dimostra che la sua azienda fallisce tristemente nel gestire le incitazioni amplificate dall’algoritmo che possono portare a violenza nel mondo reale.”

X ha ridotto significativamente i suoi team di moderazione dei contenuti, un tempo incaricati di prevenire la diffusione di false informazioni, e ha allentato il suo regolamento. Sviluppato da un’altra società di Elon Musk, xAI, e accessibile da marzo sul social network del miliardario, il chatbot Grok è stato anch’esso accusato di aver diffuso false informazioni sulle elezioni.

Il 3 luglio scorso, Kyutai ha svelato Moshi, un modello di intelligenza artificiale dotato di capacità vocali inedite. Il prototipo del chatbot ha fatto i suoi primi passi con la stampa, ma è anche disponibile per tutti a questo indirizzo. La particolarità di questo prototipo è di poter comunicare oralmente in modo il più naturale ed espressivo possibile, rimanendo allo stesso tempo attento al suo interlocutore.

Il modello multimodale di Moshi può anche essere installato localmente e funzionare senza connessione a internet. La fondazione Kyutai rilascia questo modello in open source, per contribuire alla ricerca e allo sviluppo dell’ecosistema IA. Abbiamo voluto saperne di più su Moshi e sul laboratorio con il suo CEO, Patrick Perez.

Moshi è un assistente vocale con capacità che superano quelle di GPT-4o in alcuni settori chiave: parla e ascolta simultaneamente, continuando a generare un “flusso di pensiero”, il che a volte è sconcertante nell’uso. Moshi è ciò che più si avvicina a un’esperienza di conversazione umana?

Moshi.chat non è un assistente vocale, ma un prototipo sperimentale costruito su Moshi, un modello multimodale generico testo-voce che abbiamo sviluppato da zero. Questo prototipo dimostra, infatti, capacità di interazione orale senza precedenti in termini di naturalezza e fluidità.

Quali sono i possibili utilizzi di Moshi? In quali settori vi piacerebbe che questa tecnologia trovasse il suo posto?

Le applicazioni potenziali di questo modello multimodale sono numerose:

1/ Dialogo orale naturale con un’IA (assistente o compagno) per l’inclusione e l’accessibilità, l’educazione, il coaching, il gioco, il servizio clienti, la ricerca di informazioni, la robotica interattiva, ecc.

2/ Sintesi vocale espressiva e multi-locutore per l’accesso audio a contenuti scritti, la creazione di artefatti culturali e artistici, il gioco, ecc.

3/ Traduzione audio simultanea per la comunicazione e l’accessibilità.

Moshi ha richiesto sei mesi di sviluppo da parte di un team di 8 persone, che sembra poco, considerando le proporzioni. Questo significa che oggi è relativamente facile progettare un assistente come Moshi?

In realtà è un’impresa! Richiede competenze molto avanzate e complementari, oltre a un lavoro estremamente intenso e mirato, e la disponibilità di sufficienti risorse di calcolo. Per quest’ultimo punto, affittiamo macchine molto potenti da Scaleway, grazie ai generosi contributi dei nostri tre fondatori.

Moshi comprende numerosi accenti, ma l’assistente al momento parla solo inglese. È previsto l’inserimento di altre lingue in futuro e, domanda supplementare, è complicato far apprendere nuove lingue a un LLM?

Prevediamo di includere altre lingue, a partire dal francese e dallo spagnolo. Detto questo, l’idea è di condividere liberamente i nostri modelli e i codici che permettono di riaddestrarli in tutto o in parte. L’inclusione di altre lingue, anche se non triviale, potrà quindi essere realizzata da altri attori dell’ecosistema che dispongono delle risorse necessarie (dati, competenze, macchine) e di casi d’uso appropriati.

Helium, il LLM su cui si basa Moshi, conta 7 miliardi di parametri, che possono sembrare molti, ma come si confronta con altri LLM (non conosciamo il numero di parametri di GPT-4) e, soprattutto, la qualità di un LLM si limita al numero di parametri? E quali sono i dati di addestramento che avete utilizzato?

È un modello di dimensioni medie. I “piccoli” modelli hanno piuttosto tra i 2 e i 3 miliardi di parametri, mentre i “grandi” possono avere dimensioni che vanno da decine a centinaia (o addirittura migliaia?) di miliardi di parametri. La dimensione non è tutto, ma con i dati giusti (volume e qualità) e le tecniche di apprendimento più recenti, una maggiore dimensione permette generalmente di ottenere migliori prestazioni su una gamma più ampia di compiti. Per il pre-addestramento di Helium utilizziamo un mix abbastanza classico di dati dal web, in particolare provenienti dal progetto CommonCrawl. Dell’ordine di mille miliardi (un bilione) di parole scritte.

Il processo di apprendimento di Moshi ha anche coinvolto 100.000 conversazioni orali e un motore “Text-to-Speech”. Qui ho bisogno che mi spieghi come funziona!

Helium “scrive” questi 100.000 dialoghi, e una versione precedente di Moshi, che permette la sintesi vocale con voci date, li trasforma in conversazioni audio.

C’è qualcuno dietro la “voce” di Moshi?

Abbiamo lavorato con un’artista vocale i cui registrazioni, fatti insieme, hanno permesso di fissare la voce dell’IA nelle 100.000 conversazioni menzionate in precedenza.

Kyutai ha anche sviluppato una variante di Moshi destinata a funzionare in locale, quindi senza connessione a internet. Sarà possibile utilizzarla sul proprio computer personale tramite GPU. Due domande: perché non con l’NPU, che equipaggia sempre più PC e Mac? E una versione tipo “nano” per smartphone è fattibile?

I nostri modelli sono attualmente progettati per essere addestrati e poi utilizzati su GPU di Nvidia. La dimostrazione di una versione locale compressa è stata quindi naturalmente realizzata sullo stesso tipo di chip, ma più piccolo. Come laboratorio di ricerca, cercavamo soprattutto di dimostrare la fattibilità di versioni embedded dei nostri modelli. Speriamo che la condivisione di questi modelli e dei codici associati permetta ad altri di andare oltre in termini di portabilità, in base alle loro esigenze. Sì, si può immaginare in futuro un Moshi più piccolo e più specializzato che giri su un mobile.

Quando si parla di IA generativa, la questione della sicurezza si pone abbastanza rapidamente. Come si può essere sicuri che Moshi non verrà utilizzato a fini malintenzionati?

Come per altre IA generative, parte del “finetuning” (fase di apprendimento supervisionato che segue il pre-addestramento non supervisionato su larga scala) è dedicata a rafforzare la sicurezza insieme ad altre capacità. Inoltre, stiamo lavorando al watermarking invisibile dei contenuti generati dai nostri modelli, un problema di ricerca allo stesso tempo difficile e importante.

Infine, crediamo fermamente nei benefici dell’open-source in materia di sicurezza (tra l’altro): più attori possono ispezionare, valutare e mettere in sicurezza i modelli così condivisi. Nella misura in cui l’uso malintenzionato di modelli generativi sempre più potenti (in termini di controllo e realismo) e sempre più numerosi è impossibile da evitare, divulgare e informare costantemente su questi argomenti tecnici è cruciale per limitare i danni.

Quale futuro per Moshi?

Continuiamo a svilupparlo per migliorare alcune delle sue capacità (pertinenza, espressività, lingue)… e non vediamo l’ora di vedere come l’ecosistema lo utilizzerà e lo modificherà non appena avremo condiviso modelli, codici e informazioni tecniche (lavoro in corso).

Kyutai ha una posizione piuttosto unica in Francia e in Europa, poiché il laboratorio è stato finanziato da Xavier Niel. È una garanzia rispetto ad altre aziende IA che hanno investitori alla ricerca prima di tutto della redditività?

Finanziato anche da Eric Schmidt e Rodolphe Saadé; i tre sono donatori, non investitori (siamo una fondazione). Quindi sì, questo ci assicura una grande indipendenza nella scelta delle nostre ricerche e nella costituzione del team, pur disponendo di mezzi eccezionali.