Un foundation model (in italiano “modello fondazionale”) è un modello di intelligenza artificiale addestrato una sola volta con una quantità enorme di dati generici e poi adattato a molteplici attività, dalla traduzione di un testo alla previsione del meteo. Il termine è stato coniato nel 2021 dal Center for Research on Foundation Models (CRFM) dell’Università di Stanford, un centro di ricerca dedicato allo studio di questa classe di sistemi.
Come nasce un foundation model
Il percorso di un foundation model si articola in due fasi principali: pre‑addestramento e adattamento. Durante il pre‑addestramento, la rete neurale elabora una quantità colossale di materiale generico (testi, immagini, suoni) apprendendo le regolarità intrinseche del dato. Questo processo è estremamente costoso, richiedendo migliaia di GPU o TPU che operano per settimane o mesi.
Una volta completato il pre‑addestramento, il modello può essere adattato a compiti specifici con risorse molto inferiori. Le tecniche di adattamento più comuni includono:
- Fine‑tuning: ri‑addestramento su un piccolo set di esempi (es. contratti o cartelle cliniche).
- Instruction tuning: insegnamento a seguire istruzioni, trasformando il modello in un assistente conversazionale.
- RLHF (Reinforcement Learning with Human Feedback): premia le risposte preferite dagli utenti, migliorando il tono e la cortesia.
- Prompting e RAG (Retrieval‑Augmented Generation): modificano il comportamento senza toccare i pesi, risultando le soluzioni più economiche.
Effetti trasformativi: emergenza e omogeneizzazione
Il rapporto di Stanford del 2021 evidenzia due effetti che hanno rivoluzionato il settore. Il primo, emergenza, descrive capacità inaspettate che appaiono quando il modello supera una certa dimensione. Il secondo, omogeneizzazione, indica che migliaia di applicazioni si basano su pochi modelli di base, così un difetto nel modello fondazionale si propaga a tutti gli strati sovrastanti.
Le leggi di scala introdotte da OpenAI nel 2020 dimostrano che l’errore di un modello diminuisce in modo prevedibile all’aumentare di parametri e dati di addestramento. Nel 2022 DeepMind, con il lavoro su Chinchilla, ha mostrato che, a parità di calcolo, è più efficace addestrare modelli più piccoli su quantità di dati molto più grandi.
Componenti di un foundation model
Il diagramma “ONE MODEL, MANY USES” sintetizza le quattro fasi fondamentali:
- Broad data: testo, immagini, audio, video, codice, sensori, senza etichette manuali.
- Pre‑training: settimane di GPU/TPU, auto‑supervisionato, costoso, effettuato una sola volta.
- Adaptation: fine‑tuning, RLHF, prompt, RAG – economico, ripetuto più volte.
- Use: chat, codice, immagini, video, previsioni meteo, robotica.
Esempi pratici di Google (ottobre 2026)
Google offre diversi modelli fondazionali, ciascuno con specifiche modalità di accesso e utilizzo:
- Gemini 4 Argon: modello chiuso, accessibile via app e API, richiede abbonamento Google AI Pro o Ultra.
- Gemma 4: pesi aperti, eseguibile localmente.
- Nano Banana, Veo: modelli creativi per immagini, video e musica.
- TimesFM, WeatherNext: modelli specializzati in numeri e previsioni meteo.
Per provare Gemini basta una semplice Google account. L’app Gemini 4 Argon è disponibile su dispositivi mobili, mentre Google AI Studio è pensato per gli sviluppatori che desiderano sperimentare con le API.
Foundation model vs LLM
Un LLM (Large Language Model) è un sottoinsieme dei foundation model, specializzato esclusivamente su testo e codice. Tutti gli LLM sono foundation model, ma non tutti i foundation model sono LLM, poiché esistono versioni per immagini, audio, video e dati scientifici.
| Termine | Cosa designa | Esempio |
|---|---|---|
| Foundation model | Modello di base, addestrato su dati ampi e adattabile a molteplici compiti | Gemini, Claude, Llama, CLIP |
| LLM | Foundation model specializzato in testo e codice | Gemma, GPT, Mistral Large |
| IA generativa | Qualunque sistema che produce contenuti nuovi (testo, immagini, musica) | ChatGPT, Veo, Lyria |
| Modello specializzato | Addestrato per una singola attività, senza pretese di generalità | Classificatore di spam |
Non tutti i foundation model sono generativi: BERT, ad esempio, è utilizzato per comprendere e classificare testi, non per generarli. Al contrario, un modello generativo addestrato su un unico stile per un cliente specifico può essere generativo ma non un modello di base.
Storia dei foundation model: le sette tappe chiave
La cronologia dei foundation model è strettamente legata a Google e ai suoi concorrenti:
- 2017 – Pubblicazione di “Attention Is All You Need”, l’articolo che introduce l’architettura Transformer.
- 2018 – Google lancia BERT, modello pre‑addestrato su testo non etichettato, che stabilisce nuovi benchmark.
- 2020 – OpenAI presenta GPT‑3, con 175 miliardi di parametri, dimostrando la capacità di risolvere nuovi compiti con pochi esempi.
- 2021 – Stanford battezza la categoria con il rapporto sui foundation model.
- 2022 – Stable Diffusion porta i modelli di base alle immagini; novembre vede il lancio di ChatGPT per il grande pubblico.
- 2023 – Il 6 dicembre Google introduce Gemini 1.0 in tre versioni (Ultra, Pro, Nano), definendolo multimodale fin dal principio.
- 2026 – I modelli di frontiera, tra cui Gemini 4 Argon, dominano il panorama IA, con applicazioni che spaziano dal codice alla creatività multimediale.
Questa evoluzione mostra come la ricerca accademica e l’industrializzazione si siano intrecciate per creare sistemi sempre più potenti e versatili.
Conclusioni
I foundation model rappresentano la pietra miliare dell’attuale rivoluzione dell’intelligenza artificiale. Un unico addestramento su dati massivi consente di ottenere una base flessibile, capace di essere adattata a innumerevoli compiti con costi marginali. Tuttavia, la loro centralità porta a rischi di omogeneizzazione e a nuove sfide etiche, poiché difetti o bias nel modello di base si propagano a tutta la catena di applicazioni.
Google, con la famiglia Gemini, Gemma e i modelli creativi, mostra come la strategia “uno‑modello‑tanti‑usi” possa tradursi in prodotti pratici per sviluppatori e utenti finali. La comprensione di pre‑addestramento, adattamento e dei diversi tipi di tuning è fondamentale per sfruttare al meglio queste tecnologie, sia per innovare che per gestire i rischi associati.