# Oltre gli LLM: cosa sono i world model e perché Google ci scommette

- Link: https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/
- Published: 2026-07-30T09:03:33+02:00
- Author: Kiro

Per anni il dibattito sull’intelligenza artificiale è ruotato attorno a una categoria
dominante: i Large Language Model. Modelli come GPT, [Gemini](https://www.melamorsicata.it/2026/04/15/gemini-per-mac-guida-completa/)
e Claude hanno catturato l’immaginazione collettiva generando testi, codice e conversazioni
sempre più fluide. Eppure, una domanda incombe: un sistema che predice la prossima
parola può davvero comprendere il mondo fisico? Per molti ricercatori la risposta
è no. Ed è per questo che una nuova generazione di architetture — i **world model**—
sta attirando miliardi di dollari di investimenti e l’attenzione dei migliori laboratori
di ricerca al mondo. ^([1](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/void(0)))
Fonte: [www.nvidia.com/en-us/glossary/world-models/](https://www.nvidia.com/en-us/glossary/world-models/)

Indice

 * [Cosa sono i world model](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/#cosa-sono-i-world-model)
 * [L’architettura JEPA](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/#l-architettura-jepa)
 * [Google DeepMind e Genie 3](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/#google-deepmind-e-genie-3)
 * [La scommessa da un miliardo di dollari di LeCun](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/#la-scommessa-da-un-miliardo-di-dollari-di-lecun)
 * [Applicazioni reali](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/#applicazioni-reali)
 * [La questione aperta](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/#la-questione-aperta)

![Confronto concettuale tra LLM e world model nell'intelligenza artificiale](https://
www.melamorsicata.it/wp-content/uploads/2026/07/wm_hero-1024x559.jpg "Oltre gli 
LLM: cosa sono i world model e perché Google ci scommette 1")

LLM vs World Model: due paradigmi a confronto

## Cosa sono i world model

Mentre un LLM impara a prevedere il prossimo token in una sequenza di testo, un 
world model impara a prevedere cosa succederà nella **realtà fisica**. Non genera
parole: genera rappresentazioni interne di come il mondo evolve, di come gli oggetti
interagiscono, di come le azioni producono conseguenze. È la differenza tra saper
scrivere una ricetta e saper davvero cucinare. ^([2](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/void(0)))
Fonte: [en.wikipedia.org/wiki/World_model_(artificial_intelligence)](https://en.wikipedia.org/wiki/World_model_(artificial_intelligence))

Un world model costruisce un modello interno dell’ambiente che lo circonda. Se un
agente si muove in una stanza, il world model non descrive il movimento: lo simula,
prevedendo come cambierà la prospettiva, dove finiranno gli ostacoli, come reagiranno
gli oggetti. Questa capacità è essenziale per qualunque sistema che debba operare
nel mondo reale — robot, veicoli autonomi, assistenti fisici.

La differenza fondamentale è nella **predizione**. Un LLM predice la prossima parola.
Un world model predice il prossimo stato del mondo.

## L’architettura JEPA

Alla base dei world model più avanzati c’è un’architettura chiamata **JEPA** — Joint
Embedding Predictive Architecture — introdotta da Yann LeCun in un position paper
del 2022. L’intuizione è semplice e potente: invece di ricostruire ogni pixel o 
ogni parola, il modello impara a predire in uno **spazio latente astratto**.

**💡 Approfondimento**

**Come funziona JEPA** Il sistema non cerca di generare un’immagine completa del
futuro. Impara invece una rappresentazione compressa e significativa dello stato
attuale, e predice come quella rappresentazione evolverà. Il risultato è da 1,5 
a 6 volte più efficiente in termini di training e inferenza rispetto ai metodi generativi
tradizionali.

I moduli chiave di JEPA sono:

 * **Configurator**: coordina gli input e imposta i pesi dei costi
 * **Perception**: elabora i dati sensoriali in rappresentazioni di stato
 * **World Model**: predice elementi mancanti e stati futuri
 * **Cost Module**: valuta gli esiti combinando costi fissi e critica addestrabile
 * **Actor**: propone e ottimizza le azioni

Questa architettura permette al modello di ignorare i dettagli irrilevanti (il rumore
di fondo, le foglie che frusciano) e concentrarsi sulle informazioni semanticamente
significative.

## Google DeepMind e Genie 3

Il progetto più avanzato in questo campo è **Genie 3** di Google DeepMind, presentato
nell’agosto 2025 e reso disponibile al pubblico da gennaio 2026 tramite **Project
Genie** su Google Labs. A oggi, gli abbonati a Google AI Ultra negli Stati Uniti
possono creare ed esplorare mondi interattivi generati in tempo reale.

Le caratteristiche principali di Genie 3:

 * **Mondi fotorealistici a 720p** generati da prompt testuali
 * **24 frame al secondo** in tempo reale, con interazione fluida
 * **Eventi mondiali promptabili**: si può cambiare il tempo atmosferico, introdurre
   oggetti o personaggi con un semplice testo
 * **Consistenza**: gli ambienti ricordano dettagli visitati in precedenza e li 
   mantengono coerenti
 * **Street View integration**: Genie 3 può generare strade realistiche attingendo
   ai dati di Google Maps

La vera innovazione non è tanto la qualità visiva, per quanto impressionante, ma
la **simulazione fisica sottostante**. Acqua che si muove dinamicamente, attrito
che cambia su terreni diversi, schizzi quando un veicolo attraversa una pozzanghera.
Il mondo generato non è uno sfondo statico: è un ambiente con cui interagire.

![Diagramma astratto dell'architettura JEPA per world model](https://www.melamorsicata.
it/wp-content/uploads/2026/07/wm_context2-1024x559.jpg "Oltre gli LLM: cosa sono
i world model e perché Google ci scommette 2")

L’architettura JEPA di LeCun predice in spazio latente, non genera pixel

## La scommessa da un miliardo di dollari di LeCun

Nel gennaio 2026, Yann LeCun ha lasciato Meta dopo un decennio alla guida della 
ricerca AI. Il motivo ufficiale: un disaccordo di fondo con Mark Zuckerberg, che
ha scelto di puntare tutto sugli LLM con la creazione dei Superintelligence Labs
separati. LeCun, da sempre critico dell’approccio autoregressivo, ha fondato **AMI
Labs** (Advanced Machine Intelligence) a Parigi.

Le cifre sono da capogiro: **1,03 miliardi di dollari in un seed round** — uno dei
più grandi della storia — a una valutazione di 4,5 miliardi. L’obiettivo: scalare
JEPA fino a costruire un’intelligenza artificiale generale basata su world model,
non su predizione testuale.

> «Non si dice a un ricercatore cosa fare. E certamente non lo si dice a un ricercatore
> come me.» — Yann LeCun sulla sua uscita da Meta

Non è l’unico a scommettere su questa direzione. Fei-Fei Li ha fondato **World Labs**,
raccogliendo 1 miliardo di dollari e lanciando **Marble**, il suo primo world model
commerciale. Meta stessa, nonostante l’uscita di LeCun, continua a sviluppare la
famiglia JEPA con **V-JEPA 2**, addestrato su 1 milione di ore di video.

## Applicazioni reali

I world model non sono solo teoria. In diversi settori stanno già producendo risultati
concreti:

**Guida autonoma**: oltre l’80% del training dei sistemi di guida autonoma più avanzati
utilizza già world model per simulare scenari di traffico, condizioni meteorologiche
e comportamenti imprevedibili degli altri veicoli. I robotaxi del 2026 si addestrano
in mondi simulati prima di toccare l’asfalto.

**Robotica**: V-JEPA 2 ha raggiunto l’80% di successo in compiti di manipolazione
robotica zero-shot — il robot esegue un’operazione mai vista prima perché il suo
world model ha sufficiente comprensione fisica per generalizzare.

**Gaming e simulazione**: Genie 3 trasforma prompt testuali in mondi giocabili. 
Non si tratta solo di generare scenari: il modello deve mantenerli coerenti mentre
l’utente si muove e interagisce, una sfida tecnica di consistenza temporale che 
nessun generatore di video tradizionale può risolvere.

## La questione aperta

La domanda da un miliardo di dollari è: i world model **sostituiranno** gli LLM?
La risposta più probabile è che i due paradigmi siano complementari, non alternativi.
Gli LLM sono straordinari nella manipolazione del linguaggio e della conoscenza 
simbolica. I world model eccellono dove serve comprensione fisica, causale, spaziale.

Il futuro più probabile è un’architettura ibrida: un world model per la comprensione
del mondo fisico, un LLM per la comunicazione e il ragionamento astratto, e un sistema
che li coordini. Ma una cosa è certa: il regno incontrastato della next-token prediction
sta finendo. E Google, con DeepMind e Genie 3, è in prima linea nel definire cosa
verrà dopo.

##### Riferimenti:

 * 1
 * Fonte: [www.nvidia.com/en-us/glossary/world-models/](https://www.nvidia.com/en-us/glossary/world-models/)
   [↩︎](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/#mfn-content-0000000000000ba30000000000000000_246120-1)
 * 2
 * Fonte: [en.wikipedia.org/wiki/World_model_(artificial_intelligence)](https://en.wikipedia.org/wiki/World_model_(artificial_intelligence))
   [↩︎](https://www.melamorsicata.it/2026/07/30/oltre-gli-llm-cosa-sono-i-world-model-e-perch-google-ci-scommette/#mfn-content-0000000000000ba30000000000000000_246120-2)

### _Correlati_