Un nuovo modello di intelligenza artificiale impara a prevedere molti futuri possibili in una volta sola
I ricercatori presentano un sistema che non prevede solo un futuro, ma mappa interi percorsi ramificati — e questo porta a un processo decisionale migliore.


Figura: Huang, arXiv:2610.13956, CC BY 4.0
Cosa fa il modello
Yongchao Huang ha sviluppato un nuovo tipo di sistema di intelligenza artificiale chiamato MDN-VJEPA, che sta per Multimodal Probabilistic Joint-Embedding World Models. Per capire cosa significhi, è utile sapere come funzionano i world model nell'AI.
Un world model è un sistema di intelligenza artificiale che impara come funziona il mondo prevedendo cosa accadrà dopo. La maggior parte dei sistemi esistenti cerca di ricostruire l'aspetto di qualcosa — ad esempio, provando a disegnare il prossimo fotogramma di un video. I JEPA adottano un approccio diverso: prevedono rappresentazioni future, ovvero sintesi compresse di quello che accadrà, piuttosto che ricreare osservazioni grezze.
La versione più recente, VJEPA (Variational JEPA), aggiunge un livello probabilistico. Invece di fare una singola previsione, considera più possibilità e le rispettive probabilità. Il nuovo sistema MDN-VJEPA porta questo concetto ancora oltre gestendo simultaneamente più modalità, ed è proprio a questo che si riferisce il termine "multimodale".
Perché i futuri multipli contano
Ed è qui che la cosa diventa interessante. La vita reale raramente ha un solo esito possibile. Se stai pianificando un viaggio in auto, potrebbero esserci bel tempo, un temporale improvviso o traffico. La maggior parte dei modelli di intelligenza artificiale sceglie una previsione — di solito la più probabile — e va avanti. Ma questo può far perdere importanti possibilità.
MDN-VJEPA utilizza quello che si chiama un mixture density network (MDN) per rappresentare più futuri possibili contemporaneamente. Pensatelo come avere diverse previsioni del tempo in esecuzione allo stesso tempo, ciascuna con il proprio punteggio di probabilità. Il modello descrive questi futuri tramite una miscela gaussiana, che è uno strumento statistico che raggruppa risultati simili. Ogni gruppo, o "mode", rappresenta un diverso futuro possibile, insieme alla sua probabilità e al livello di incertezza del modello all'interno di quello scenario.
L'articolo sostiene che semplicemente scegliere la previsione media — la media condizionale — non è sufficiente. "Mantenere la credenza multimodale completa anziché la sua media condizionale può portare a decisioni di pianificazione sostanzialmente diverse e notevolmente migliori in presenza di futuri ramificati" 1. In altre parole, quando un'intelligenza artificiale considera tutti i futuri possibili invece di uno solo, prende decisioni più intelligenti.
Come il nuovo AI vede il futuro rispetto ai sistemi più vecchi
Dalla descrizione del lavoro su come MDN-VJEPA usi una rete a densità mista per preservare futuri multipli invece di ridurli a una media condizionata.
Mantenere coerenza nel tempo
Esiste una seconda sfida: mantenere le previsioni coerenti col passare del tempo. Se un'intelligenza artificiale prevede cosa succede in un singolo passo, poi prevede il passo successivo a partire da lì, dovrebbe arrivare allo stesso quadro complessivo come se avesse previsto più passi tutti insieme. I ricercatori fanno riferimento all'equazione di Chapman-Kolmogorov, un principio matematico che descrive come le probabilità si composcono nel tempo, per fondare questo requisito.
L'articolo descrive una struttura a tre livelli per il sistema:
- Previsione multimodale: gestire diversi tipi di dati e molteplici possibili esiti in ogni momento.
- Traiettorie coerenti: assicurarsi che i diversi futuri previsti rimangano logicamente collegati nel tempo.
- Dinamiche composizionelemente consistenti: garantire che le previsioni rimangano affidabili indipendentemente da quanto lontano nel futuro il sistema guarda.
Esperimenti controllati hanno mostrato che il modello è riuscito a recuperare noti schemi ramificati nelle leggi predittive. Anche il coupling a livello di traiettoria e la consistenza distributiva hanno migliorato la capacità del modello di mantenere coerenza nel tempo.
Cosa ci aspetta
Il messaggio principale della ricerca è semplice: un buon world model probabilistico dovrebbe preservare non solo quanto è incerto il futuro, ma esattamente quali futuri distinti compongono quella incertezza, come tracciano percorsi coerenti e come quelle credenze resistono quando combinate attraverso intervalli temporali diversi. L'articolo è stato inviato a arXiv il 21 agosto 2026 e occupa 69 pagine.
Man mano che i sistemi di intelligenza artificiale si muovono verso un processo decisionale sempre più complesso nella robotica, nei veicoli autonomi e nella pianificazione, la capacità di ragionare su più futuri possibili potrebbe diventare essenziale.
Key Facts
- MDN-VJEPA prevede più futuri possibili contemporaneamente utilizzando un mixture density network, invece di scegliere un singolo esito più probabile.
- Il sistema è multimodale, il che significa che può elaborare diversi tipi di dati come immagini e testo insieme.
- Gli esperimenti dimostrano che mantenere l'intera gamma di futuri possibili migliora le decisioni di pianificazione rispetto all'uso di una sola previsione media.
- Il modello impone coerenza temporale e coerenza compositiva, due proprietà derivate dalla teoria della probabilità, per mantenere stabili le previsioni nel tempo.
- La ricerca è stata inviata a arXiv ad agosto 2026 da Yongchao Huang e occupa 69 pagine.
Sources
1 arXiv:2610.13956, "MDN-VJEPA: Multimodal Probabilistic Joint-Embedding World Models", presentato il 21 ago 2026

Figura: Huang, arXiv:2610.13956, CC BY 4.0

Figura: Huang, arXiv:2610.13956, CC BY 4.0
Correzioni e aggiornamenti
- Corretto il 23 ottobre 2026. Una versione precedente di questa storia includeva dettagli che le sue fonti non supportano. Sono stati corretti o rimossi.
I fatti principali
- MDN-VJEPA prevede futuri multipli in una volta usando una rete mixture density invece di scegliere un singolo risultato medio
- Il sistema è multimodale e rappresenta gli stati futuri con una mistura gaussiana i cui componenti codificano futuri alternativi, le loro probabilità e l'incertezza intra-modale
- Gli esperimenti mostrano che mantenere l'intera gamma di futuri possibili migliora le decisioni di pianificazione rispetto all'uso di un'unica previsione media
- Il modello impone coerenza temporale e costanza compositiva per mantenere stabili le previsioni nel tempo
- La ricerca è stata sottoposta ad arXiv ad agosto 2026 da Yongchao Huang e copre 69 pagine
Fonti
Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste
Continua a leggere
Nuovi modelliPerplexity lancia Decider v1.3, un modello che classifica testo e immagini più veloce ed economico dei chatbotHerald of AI
Perplexity lancia Decider v1.3, un modello che classifica testo e immagini più veloce ed economico dei chatbot
Consente alle app di giudicare istantaneamente se un contenuto è sicuro, decidere quale compito richiede un'AI più grande o trovare informazioni specifiche — senza scrivere risposte lunghe.
La settimanaQuesta settimana in AI: nuovi modelli a profusione e agenti più sicuriHerald of AI
Questa settimana in AI: nuovi modelli a profusione e agenti più sicuri
Rilasci importanti di pesi aperti, risultati sulla velocità e un impegno a rendere gli agenti di intelligenza artificiale più affidabili e protetti.
Come funzionaCome Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunciHerald of AI
Come Meta triplica la produttività ingegneristica grazie agli agenti per distribuire le tecniche dei modelli di annunci
Il nuovo sistema di agenti AI di Meta adatta automaticamente piccoli miglioramenti attraverso migliaia di modelli pubblicitari, risparmiando milioni nei costi di calcolo.