Llms

• Le aziende indiane stanno adottando in modo crescente i modelli linguistici di grandi dimensioni (LLM) cinesi sviluppati da aziende come DeepSeek, Alibaba e Moonshot AI. • Questo spostamento è guidato principalmente dalla necessità di ridurre i costi operativi associati all'implementazione dell'intelligenza artificiale. • Il trend evidenzia una crescente dipendenza tecnologica dalla Cina, che si verifica nonostante una lunga storia di stalli diplomatici e politici tra le due nazioni.

• Reddit ha sviluppato nuovi strumenti interni alimentati da Large Language Models (LLM) per combattere il crescente volume di spam sulla sua piattaforma. • L'iniziativa è una risposta diretta all'aumento dello spam generato dall'IA, che spesso viene creato utilizzando la stessa tecnologia LLM che l'azienda sta ora impiegando per il rilevamento. • Questa strategia del "combattere il fuoco con il fuoco" evidenzia la crescente necessità per le piattaforme social di utilizzare l'IA avanzata per mantenere la qualità dei contenuti contro i bot automatizzati.

• L'azienda di cybersecurity Semgrep ha scoperto che l'LLM cinese GLM 5.2 ha superato altri modelli standard nei test, raggiungendo un punteggio F1 del 39% nell'identificazione di veri positivi e negativi. • L'emergere di modelli ad alte prestazioni da parte di aziende cinesi indica che le capacità di AI di frontiera non sono più un'esclusiva delle società con sede negli Stati Uniti. • Questa tendenza è preoccupante per chi si occupa di cyber-difesa, poiché amplia il divario tra attaccanti e difensori rendendo più ampiamente disponibili potenti strumenti di AI a scopo offensivo.

• Gli esperti di healthtech stanno discutendo se i Large Language Models (LLM) generici stiano ora superando gli strumenti di AI clinica specializzati come OpenEvidence. • La discussione copre sviluppi significativi del settore, tra cui l'esplorazione delle immagini MRI da parte di Midjourney e la spinta strategica di UnitedHealth Group (UNH) verso l'AI. • La partnership e la "scommessa" di Abridge su NVIDIA vengono evidenziate come un fattore chiave per la prossima generazione di documentazione medica e integrazione dell'AI.

• La rapida integrazione dei Large Language Models (LLM) nelle infrastrutture critiche ha introdotto una nuova superficie di attacco in cui l'IA viene utilizzata per colpire altri sistemi di IA. • Questa minaccia emergente comporta l'uso di malware adattivi e Advanced Persistent Threats (APT) per interrompere tecnologie essenziali e infrastrutture civili. • Il rischio è accentuato nel contesto della competizione tra Grandi Potenze e della guerra ibrida, citando specificamente i conflitti che coinvolgono Russia, Ucraina e potenziali scenari relativi all'Iran nel 2026.

• Il Cybersecurity Assessment Report 2026 di Bitdefender, condotto su oltre 1.200 professionisti in sei paesi, identifica i sistemi AI interni, gli LLM e le infrastrutture cloud come le principali preoccupazioni per la sicurezza, rispettivamente per il 45% e il 44% degli intervistati. • Nell'ultimo anno, il 41,8% delle organizzazioni ha subito violazioni del cloud, mentre il 59,2% ha confermato attacchi di social engineering guidati dall'AI; le aziende statunitensi sono state particolarmente colpite dal business email compromise con un tasso del 54,7%. • Il rapporto evidenzia minacce emergenti critiche, tra cui malware auto-mutanti (55,9%), fughe di dati sensibili verso LLM pubblici (53,5%) ed evasione di strumenti tradizionali di endpoint detection and response (EDR) tramite AI.

• I Large Language Models (LLM) come ChatGPT, Claude e Gemini mostrano una tendenza al "pensiero di gruppo", producendo spesso schemi prevedibili invece di una vera casualità, come ad esempio la frequente scelta del numero 7 quando viene richiesto un numero casuale. • Una nuova startup sta sviluppando una tecnologia per interrompere questi schemi comportamentali ripetitivi e migliorare la diversità e l'imprevedibilità degli output dell'IA. • Questo problema è rilevante perché i bias sistemici e la prevedibilità negli LLM possono limitare la creatività e portare a risultati distorti nella generazione di dati e nella risoluzione di problemi.

• Il focus degli investimenti in IA si sta spostando dai Large Language Models (LLM) verso lo sviluppo di sistemi di "Agentic AI". • I leader del settore stanno ora dando priorità alle tecnologie che consentono il processo decisionale autonomo e l'applicazione nel mondo reale, rispetto alla semplice generazione di testo. • Questa transizione è evidenziata dalle recenti tendenze nelle acquisizioni e dalla domanda degli investitori, segnalando un passaggio verso agenti di IA più funzionali e orientati agli obiettivi.