L'AI è intrappolata nei bit. È tempo di liberarla negli atomi. La scorsa settimana @karpathy ha reso open-source autoresearch. Ha eseguito 126 esperimenti di ML durante la notte e ha trovato ottimizzazioni che gli erano sfuggite in 20 anni. La maggior parte delle persone ha visto "l'AI sta sostituendo i ricercatori." Io ho visto qualcos'altro: il confine del mondo attuale dell'AI. Il superpotere dell'AI non è l'intelligenza. È un incessante tentativo ed errore. Se le dai una chiara funzione di perdita e un feedback immediato, proverà diecimila cose durante la notte. In codice e matematica, questo è devastante. Nessun umano può competere con un sistema che non dorme mai, non si annoia mai e esegue esperimenti alla velocità degli elettroni. Ma SpaceX — i più veloci iteratori hardware nella storia umana — ha impiegato dieci anni per perfezionare Starship. Ogni lancio richiede mesi di preparazione. Non puoi far esplodere 126 razzi in una notte. Il mondo fisico semplicemente non darà all'AI il ciclo di feedback veloce di cui ha bisogno. Oggi, l'AI è come un genio rinchiuso in una biblioteca. Può leggere ogni libro mai scritto, ma non può uscire e toccare l'erba. Questa non è una limitazione da temere. È una frontiera verso cui costruire. Il software è stato ottimizzato per decenni. Ma produzione, energia, materiali, biologia? Processi secolari che non hanno mai visto un milione di esperimenti. L'inefficienza nel mondo fisico sovrasta qualsiasi cosa rimasta nel mondo digitale. I veri guadagni — i guadagni 100x — si nascondono negli atomi, non nei bit. La domanda è: come puoi dare all'AI un ciclo di feedback veloce nel mondo fisico? Tre cose devono esistere. Prima, flussi di dati fisici reali — da sensori, telecamere, dispositivi, macchine — che fluiscono continuamente nei sistemi AI. Non set di dati statici estratti da internet, ma segnali dal mondo stesso. Secondo, calcolo verificabile — affinché le conclusioni dell'AI sul mondo fisico possano essere fidate e riprodotte, non allucinate. Prove crittografiche, non vibrazioni. Terzo, una forza lavoro decentralizzata — macchine e persone che possono eseguire le ipotesi dell'AI nel mondo reale, condurre esperimenti fisici e chiudere il ciclo di feedback. Dati dal mondo. Verificati dalla matematica. Eseguiti da uno sciame di agenti. Questo è ciò che stiamo costruendo in IoTeX. Non perché vogliamo che l'AI sia pericolosa, ma perché crediamo che il vero potenziale dell'AI sia sprecato se rimane intrappolato nei bit. Il mondo fisico è dove si trovano i veri problemi — clima, energia, produzione, salute — e risolverli richiede un'AI che possa iterare sulla realtà, non solo sul testo. Autoresearch ha dimostrato che la velocità di iterazione dell'AI è essenzialmente illimitata quando il feedback è veloce. La chiave non è rendere l'AI più intelligente. È rendere il mondo fisico leggibile e reattivo all'AI. Chiunque costruisca quel ponte — dai bit agli atomi, dai token alla realtà — definisce la prossima era. Stiamo costruendo quel “ponte”. Aperto, verificabile, decentralizzato. Non perché sia di moda, ma perché quando l'AI finalmente impara a sperimentare sulla realtà alla velocità con cui sperimenta sul codice, le poste in gioco sono troppo alte affinché quel ciclo sia chiuso e opaco.