Negli ultimi anni lo sviluppo dei Large Language Models (LLM) è stato guidato principalmente dalla crescita dimensionale dei modelli, dall’aumento della capacità computazionale e dalla disponibilità di grandi quantità di dati linguistici. Tuttavia, l’attuale evoluzione dell’intelligenza artificiale sta evidenziando un cambio di paradigma: accanto ai modelli generalisti di larga scala emergono approcci fondati su efficienza, specializzazione e sostenibilità computazionale.

In questo scenario, tecniche quali fine-tuning, distillazione e adattamento parametrico consentono la costruzione di sistemi linguistici più leggeri, economicamente sostenibili e maggiormente controllabili nei contesti applicativi specialistici. L’attenzione si sposta così dalla sola “scala” del modello alla capacità di adattare l’IA a domini specifici, infrastrutture locali e vincoli economici reali, con implicazioni rilevanti per imprese, pubbliche amministrazioni e sistemi produttivi europei.

Il keynote intende proporre una riflessione sul ruolo strategico dei cosiddetti “LLM frugali” nella costruzione di un ecosistema europeo dell’intelligenza artificiale maggiormente accessibile, efficiente e distribuito. Verranno analizzati alcuni dei principali trade-off tra prestazioni, costi computazionali e qualità linguistica, evidenziando come modelli più piccoli ma specializzati possano rappresentare una soluzione efficace in numerosi scenari applicativi ad alta intensità linguistica.

Sarà inoltre posta attenzione al rapporto tra efficienza computazionale, complessità e nuovi paradigmi di ottimizzazione, evidenziando il ruolo crescente di architetture ibride, sistemi modulari e tecniche emergenti di reasoning nella ridefinizione dell’attuale ecosistema dell’intelligenza artificiale. In tale prospettiva, il futuro dell’IA potrebbe dipendere non soltanto dalla crescita della scala dei modelli, ma dalla capacità di sviluppare sistemi più efficienti nell’utilizzo delle risorse computazionali disponibili.