#Finsubito news dalla rete – Il robot e il bebè, la stessa sfida: capire lo spazio, toccare gli oggetti e imparare a non fare male

Prima di diventare un collaboratore domestico, un umanoide deve fare qualcosa che un bambino comincia a fare dalla nascita: imparare come funziona il mondo. Guardare, toccare, scoprire che un oggetto è duro oppure morbido, che una superficie scotta, che qualcosa continua a esistere anche quando scompare dalla vista. Prima delle parole viene l’esperienza. Ed è proprio questa, nella corsa a dare un corpo all’intelligenza artificiale, la risorsa più difficile da procurarsi.

Il profilo

Silvio Savarese conosce questa frontiera da entrambi i lati: quello della ricerca e quello dell’industria (ne abbiamo scritto qui). Oggi è Executive Vice President e Chief Scientist di Salesforce AI Research; prima ha insegnato a Stanford, occupandosi di visione artificiale e robotica. Ha conseguito il dottorato al California Institute of Technology e nel 2024 è stato incluso da Time tra le cento personalità più influenti dell’intelligenza artificiale. Dal 2026 fa parte del panel scientifico internazionale indipendente sull’AI delle Nazioni Unite. È sposato con Fei-Fei Li, una delle pioniere dell’AI contemporanea: professoressa a Stanford, ha ideato ImageNet, il grande archivio di immagini che ha contribuito alla svolta nell’apprendimento delle macchine. Oggi è anche cofondatrice e amministratrice delegata di World Labs, società dedicata all’intelligenza spaziale, cioè alla capacità dell’AI di comprendere e generare ambienti tridimensionali, appena venduta per 8,2 miliardi di dollari al colosso Amd. 

Il percorso del bebè

L’umanoide, insomma, deve affrontare un percorso che ricorda quello del bebè. Con una differenza: «Dal punto di vista ingegneristico vogliamo accelerare questi tempi». Come riuscirci è una delle grandi domande della cosiddetta Physical AI, l’intelligenza artificiale capace di percepire e agire nel mondo reale. Perché un modello capace di rispondere a domande complesse fatica ancora a governare un robot dentro una casa? La risposta di Savarese tiene insieme due limiti: l’hardware e i dati. I modelli linguistici hanno potuto sfruttare enormi quantità di contenuti già disponibili su Internet. Per la robotica manca un patrimonio equivalente di esperienze fisiche.

Le tre dimensioni

Fotografie e video aiutano a interpretare una scena, ma non forniscono necessariamente tutte le informazioni necessarie ad agire. Un robot deve orientarsi in tre dimensioni, comprendere distanze e forme, anticipare come un oggetto reagirà al contatto. Deve imparare anche attraverso il tatto. «Queste informazioni non sono disponibili», spiega Savarese, riferendosi alla scarsità dei dati necessari per addestrare tali capacità. «È la distanza tra osservare una mano che afferra qualcosa e imparare a farlo, dosando la forza. Una distanza che rende imprudente aspettarsi per gli umanoidi gli stessi tempi di sviluppo dell’AI digitale», prosegue. Eppure vediamo macchine che saltano, fanno capriole e salgono le scale.

Quanto raccontano della loro autonomia?

«Spesso non riescono a generalizzare bene in contesti diversi», risponde. Il problema emerge quando si passa dalla dimostrazione a un ambiente domestico, dove cambiano gli oggetti, gli ostacoli e le persone. Un gesto spettacolare mostra una capacità. Un assistente affidabile deve invece adattarsi a molte situazioni, comprese quelle che non ha incontrato durante l’addestramento. Per questo Savarese non indica una scadenza per l’arrivo del collaboratore robotico nelle case: la carenza di dati e i limiti dell’hardware richiedono ancora un percorso di sviluppo».

Che cosa accomuna, allora, un agente digitale e un robot?

«Molto più di quanto suggeriscano i loro corpi, o l’assenza di un corpo. Savarese individua quattro elementi: ragionamento, memoria, capacità sensoriali e interfaccia. Entrambi devono scomporre un compito in passaggi, recuperare le informazioni necessarie e modificare il piano se incontrano un ostacolo. Un agente digitale può farlo lavorando su testi, applicazioni e servizi online. Per un robot si aggiunge la complessità dell’interazione fisica».

I problemi di pianificazione ed adattamento

È un terreno che Savarese conosce dai suoi anni a Stanford, dove il suo gruppo costruiva robot studiandone anche i comportamenti sociali. La sfida era farli muovere tra le persone in modo accettabile. Oggi, alla guida della ricerca AI di Salesforce, ritrova negli agenti digitali alcuni degli stessi problemi di pianificazione e adattamento. Quale risultato segnerebbe una vera svolta nella robotica? Savarese invita anzitutto a distinguere ciò che già funziona da ciò che deve ancora maturare. Nei magazzini e negli ambienti industriali la robotica è già molto presente. Sono però spazi strutturati, nei quali organizzare e ottimizzare le attività è più semplice. Il salto arriverà nell’interazione con le persone: nell’assistenza agli anziani, negli ospedali, nei contesti dove una macchina deve comprendere intenzioni e bisogni senza creare «una sensazione di intimidazione».

L’empatia

Conta il modo di avvicinarsi, ma anche la precisione del contatto. Aiutare una persona significa calibrare la forza, adattare il movimento, evitare che un gesto utile diventi pericoloso. L’“empatia” evocata nella conversazione riguarda dunque il comportamento del robot e la qualità dell’interazione, senza presupporre che la macchina provi emozioni.

Quanto dobbiamo preoccuparci della sicurezza?

Prima degli scenari sugli umanoidi fuori controllo, Savarese invita a guardare agli agenti digitali già in sviluppo. «Mi concentrerei su quello che sta succedendo adesso». Sistemi capaci di prendere iniziative possono produrre comportamenti diversi da quelli previsti: è su questa autonomia che occorre rafforzare le protezioni. «Il punto non è tanto rallentare lo sviluppo», sostiene, quanto mantenere allineate capacità e misure di sicurezza. Alle aziende spetta la responsabilità di costruire prodotti affidabili, con strumenti di monitoraggio e controllo degli accessi: «Salesforce si è già dotata di avanzati sistemi di sicurezza affinché gli agenti operino correttamente nel rispetto di precise linee guida», spiega Savarese.

Il limite dell’autoregolazione

Ma l’autoregolazione ha un limite: chi sviluppa la tecnologia si trova anche a valutarne le garanzie. «Occorre avere organizzazioni indipendenti», dice Savarese, che fa parte del panel scientifico internazionale indipendente sull’AI delle Nazioni Unite. Il compito degli auditor dovrebbe essere verificare che le protezioni esistano e siano efficaci. Ai governi spetta creare il quadro nel quale quei controlli abbiano autorità. E poiché gli agenti possono operare oltre i confini nazionali, ritiene sensato discutere anche una governance globale.

Se le macchine imparano ad agire, che cosa resta del lavoro umano?

«Sostituisce alcuni lavori, però crea anche opportunità», risponde. Richiama trasformazioni già avvenute, dalla dattilografia ai centralini, senza pretendere di poter descrivere oggi tutte le professioni future. La priorità è preparare le persone: far conoscere strumenti, possibilità e limiti. La velocità dello sviluppo rende difficile tenere il passo e, secondo Savarese, la stessa AI può contribuire ad accelerare l’apprendimento. All’Europa suggerisce di investire nella ricerca di base, garantendo risorse e centri di eccellenza. Con l’Italia mantiene rapporti attraverso le collaborazioni di Salesforce e cerca, quando può, di trasferire competenze.