La Svizzera sta scrivendo la sua ricetta per l’intelligenza artificiale

Un anno fa la Svizzera presentava Apertus. Un grande modello linguistico di intelligenza artificiale che è facile scommettere abbia letto molti più testi in romancio di quanto non abbiano fatto i suoi cugini d’oltreoceano, come ChatGPT o Claude. Questo perché Apertus è il primo modello linguistico “made in Switzerland”. Realizzato dalla rete della ricerca elvetica, con i Politecnici federali di Zurigo (ETH) e Losanna (EPFL) in prima linea. Addestrato su tutti gli idiomi riconosciuti dalla Confederazione. Allenato nella palestra del Centro svizzero di calcolo scientifico (CSCS) di Lugano, dove di trova il supercomputer dedicato alla ricerca.

In un mondo in cui i modelli di AI fanno titolo se sono sempre più grandi o per gli incidenti che provocano (non per cattiveria, ma per scarsa supervisione dei loro sviluppatori), Apertus racconta una storia alternativa. Innanzitutto è open source, a dispetto dei sistemi chiusi dei grandi laboratori della Silicon Valley. Nasce come progetto di ricerca e come tale resta. Ad altri (leggi: le aziende) sviluppare i servizi da appoggiarci sopra. E siccome questi sono i tempi della sovranità digitale, Apertus è il più “sovrano” possibile. 

In un anno il modello si è fatto le ossa. A luglio è stata rilasciata la versione 1.5, che può analizzare immagini e tracce audio ma non generarle per non violare il copyright, ha maggiori conoscenze in medicina, diritto e istruzione e ragiona in modo esplicito su richiesta. 

La prossima avventura di Apertus
In occasione dell’AI+X Summit, una conferenza dedicata alle applicazioni dell’intelligenza artificiale giunta alla sua sesta edizione, gli sviluppatori di Apertus hanno mostrato i traguardi raggiunti dalla versione 1.5. Prendendo come parametro la generazione di testo, il sistema è secondo solo a Qwen di Alibaba nella classifica delle prestazioni di modelli open source e open weight (ossia i cui parametri numerici appresi durante l’addestramento sono aperti) se si sta sotto i dodici miliardi di parametri. Si posiziona invece quinto se si sta sopra i dodici miliardi.

Gli sviluppatori dicono che finora il sistema ha totalizzato cinque milioni di download da Hugging Face, la piattaforma che funge da archivio di modelli aperti e strumenti per il machine learning. Al summit di Zurigo il team di Apertus ha annunciato la versione 2.0. Sarà un modello di tipo sparse (ovvero un modello mixture of experts), che si affida a una serie di reti specializzate (gli esperti), affiancate da un router che decide quali coinvolgere per ciascun token, senza che tutte debbano lavorare contemporaneamente. Il team intende rafforzare le capacità di AI agentica, la comprensione della matematica e le attività di coding. Se si contano i parametri, invece, il prossimo Apertus ne avrà in totale tra i cinquecento e i settecento miliardi.

«Stiamo già addestrando il modello su migliaia di GPU (schede di elaborazione grafica, ndr) – spiega a Etc Linkiesta Imanol Schlag, ricercatore all’Eth AI Center, docente di ingegneria dell’AI su larga scala al Politecnico e co-responsabile dello sviluppo di Apertus, a margine dello Zurich AI Festival, un grande evento sull’intelligenza artificiale promosso dall’ETH AI Center e da Greater Zurich Area –. A dire il vero, abbiamo intenzione di portarle a un numero superiore a quello su cui chiunque altro in Europa, compreso Mistral, abbia mai addestrato un modello. A quanto pare, Mistral 3 Large è stato addestrato su tremila GPU», benché l’azienda francese si AI sia al lavoro su qualcosa di nuovo e di più grande.

Questo un primato rischia di essere, al tempo stesso, il suo stesso limite. «Apertus 2.0 è già il modello più grande che possiamo addestrare – prosegue l’esperto –. L’infrastruttura che utilizziamo attualmente non ci permette di addestrare modelli più grandi». Il centro di supercalcolo di Lugano, infatti, non serve solo il progetto di un LLM locale. Né si occupa solo di intelligenza artificiale. «Siamo tuttora il centro di calcolo dove si fa la ricerca che io chiamo classica o tradizionale – dice a Linkiesta Maria Grazia Giuffreda, direttrice associata del CSCS –. Quindi parliamo di scienze dei materiali, astrofisica, scienze biologiche, fisica del plasma. Adesso si sta sviluppando quella che noi chiamiamo l’AI for science», ossia usare i modelli di AI per far progredire la ricerca.

Un grande investimento nel supercalcolo
Il CSCS nasce trentacinque anni fa. Nel 2012 trova casa a Lugano. La Confederazione decide di investire nel calcolo ad alte prestazioni e di dotarsi del primo sistema svizzero di classe petaflop, Piz Daint: un milione di miliardi di operazioni al secondo. L’anno dopo, rivendica Giuffreda, il centro è il primo in Europa a installare un supercomputer accelerato con le schede grafiche, quando il nome di NVIDIA non rimbalzava ancora nei consigli d’amministrazione. «Noi volevamo costruire una macchina che aumentasse le risorse di calcolo ma non il consumo energetico e allora le schede grafiche erano la tecnologia giusta», racconta la direttrice.

Nel 2020 il CSCS compra una nuova macchina: Alps. Nel 2024 installa nuovi chip: i Grace Hopper sempre di casa NVIDIA. Oggi il set di processori realizzati dal colosso guidato da Jensen Huang è diventato di interesse pubblico ma fino a pochi anni fa era materia di esperti. Nella mossa del Centro svizzero di calcolo scientifico, però, non c’è il progetto di un grande modello linguistico (il cui addestramento ha spinto le vendite di GPU di NVIDIA). 

«Quando si compra una nuova macchina si pensa sempre a un problema scientifico – dice Giuffreda –. La nostra idea era la climatologia e meteorologia. Non solo permettere di passare a un modello a più alta risoluzione, ma dare risorse di calcolo sufficienti per avere un modello dove atmosfera e oceani fossero insieme, perché risorse di calcolo così grandi non ce n’erano e quindi bisognava lavorare separatamente sull’uno o sull’altro». Nella realtà, però, atmosfera e oceani sono profondamente legati. «E più realistica è la rappresentazione del pianeta Terra nel modello – conclude l’esperta – più realistici e affidabili sono i risultati che si ottengono».

Con la nascita nel 2023 della Swiss AI Initiative (un programma di sviluppo locale dell’intelligenza artificiale), i ricercatori si accorgono che Alps si presta anche alla progettazione di modelli linguistici. Come Apertus.

Come usare un LLM open
Il gruppo che lavora ad Apertus si regge per metà su sovvenzioni di ricerca, per metà sulla Swiss AI Initiative, con una quota minore di industrie partner. Dietro il modello di LLM sovrano ci sono tredici ingegneri, che i responsabili contano di portare a una ventina entro fine anno, affiancati da volontari, studenti e ricercatori dei due Politecnici e di altri atenei.

Schlag insiste nel dire che Apertus è un modello, non un prodotto finito né un servizio. Come i  GPT di OpenAI, insomma, senza la chat davanti che li rende la finestra a cui poniamo domande ogni giorno. Schlag spiega che per addestrare il modello «utilizziamo i dati raccolti da Common Crawl, un’organizzazione senza scopo di lucro statunitense che da molti anni si occupa di scansionare i dati del web; inizialmente per aiutare gli operatori più piccoli a sviluppare motori di ricerca, ma ora sempre più spesso come fonte di dati per l’addestramento dell’intelligenza artificiale». I ricercatori svizzeri escludono tutti i dati provenienti da siti che vietano lo scraping (come alcune testate, dal Washington Post al New York Times) così come quelli di libri pirata.

Il team ha censito circa settanta progetti pilota in corso. Le autorità del Canton Ticino lo usano per traduzioni attraverso la piattaforma della startup locale Artificialy. Proton, società di servizi internet attenti alla privacy, lo integra nella sua app di assistenza, Lumo. Gli utenti possono scegliere di inviare volontariamente al team di Apertus, in forma anonima, un giudizio sulle risposte ricevute. Le conversazioni restano cifrate e private.

Dal Politecnico di Losanna è nato Meditron, un programma di AI a sostegno delle diagnosi mediche in paesi in cui le strutture ospedaliere scarseggiano. A guidarlo c’è la professoressa Mary-Anne Hartley. La prima versione del progetto girava su Llama 2, il modello open source di Meta. Ma non appena è arrivato Apertus, il gruppo ha traslocato dati e ricerche, perché il modello di AI consente di controllare per intero la filiera della risposta e di risalire al punto in cui ha compiuto un errore. Oggi Meditron è in fase di sperimentazione clinica in Svizzera, Etiopia, Rwanda, Kenya, Malawi e Tanzania e ha un supporto del Comitato della ricerca medica dell’India.

Un’autonomia di talenti
La sovranità digitale immaginata dalla Svizzera non è autarchia dei processori (Alps gira su GPU NVIDIA e chip di AMD) ma possesso delle chiavi: sapere che cosa c’è dentro il modello, poterlo ispezionare, farlo funzionare dove si decide. La Confederazione vuole giocare con le sue regole al grande tabellone mondiale dell’AI. Dopo Francia, Regno Unito, Corea del Sud e India, l’anno prossimo Ginevra ospiterà il prossimo vertice mondiale sull’intelligenza artificiale, come ha annunciato il presidente Guy Parmelin a Nuova Delhi nei mesi scorsi. L’obiettivo è portare l’agenda di Berna al tavolo dei grandi.

La Svizzera può vantare numeri di tutto rispetto: 110,5 ricercatori e inventori nel campo dell’AI ogni centomila abitanti, secondo l’AI Index 2026 di Stanford. Un tasso che la pone davanti a Singapore (109,5) e agli Stati Uniti (64,8). Il 63% del venture capital svizzero nutre startup in ambito deep tech. Di nuovo, un primato a livello mondiale (contro la Cina al 56% e gli Stati Uniti al 54%). Dai soli ex studenti dell’ETH di Zurigo dal 2020 sono nate centonovantadue startup in tecnologie di frontiera. Quasi tre volte il numero di Cambridge.

La concentrazione di talenti è tale che nell’area metropolitana di Zurigo hanno messo radici i centri di ricerca di grandi colossi statunitensi: Apple, Anthropic, Google, Meta, Microsoft, NVIDIA, OpenAI, la divisione ricerca di Disney e quella di IBM. Quest’ultima sta investendo nella ricerca nel campo del calcolo quantistico. Come spiega Giuffreda, al CSCS è iniziata l’installazione di un computer quantistico dell’azienda americana. «Si aspettano di completare l’installazione del quantum computer entro Natale e quindi poi da gennaio partirà anche uno user program, quindi per dare l’accesso al quantum», dice l’esperta. Per il centro di Lugano è l’occasione di unire le strade del super calcolo con le nuove frontiere del computer quantistico.

La casa dei robot
Ultimo ingrediente della ricetta svizzera per l’AI è la robotica. Tra le altre medaglie da appuntare al bavero dell’ETH c’è il primo posto in Europa per gli spin-out nel settore con quarantuno aziende finanziate per un valore complessivo di 2,4 miliardi di dollari. Da pochi mesi nel quartiere di Schlieren ha aperto DARE Campus, che punta a diventare l’indirizzo di riferimento per le startup del settore robotica. 

Qui c’è la sede di Forgis, nata nel 2025 da tre italiani: Riccardo Maggioni, Camilla Mazzoleni e Federico Martelli. Maggioni spiega a Linkiesta che Forgis ha come obiettivo quello di costruire un “world model industriale”, ossia un modello che elabora le serie temporali dei sensori di una fabbrica (come temperatura, pressione o forza) per rappresentare lo stato di salute di un macchinario e istruire robot.

«Quello che stiamo sviluppando, puoi immaginarlo come una specie di cervello sopra le fabbriche, che è in grado di fare ottimizzazione di tutte le macchine, di tutti i processi: se c’è un problema, capire da dove viene, ma poi anche andare a risolverlo», dice Maggioni. L’azienda, che collabora con ABB, rivendica il primato del pre-seed più veloce d’Europa, per 4,5 milioni di dollari raccolti in trentasei ore.

Sempre a DARE Campus ha insediato il suo ufficio europeo Sudo AI, società di robotica nata a Shanghai. Martina Hansen, cofondatrice e direttrice operativa, spiega che la società realizza «un modello fondativo per i robot», il cervello che dà la capacità di percepire il mondo e di generalizzare, addestrato in simulazione. Il suo modello è integrato nelle macchine che assembla e che sono impiegate in Cina in catene di montaggio delle batterie. Karina Kaiser, ingegnera robotica dell’ETH, quattro mesi fa ha avviato una startup, Ply, che porta sicurezza e conformità alle norme dentro la catena di sviluppo del robot. Il software verifica automaticamente se ci sono lacune di sicurezza o protezione. «E poi ti fornisce consigli su come costruire il tuo robot in modo che sia conforme agli standard dell’UE, degli Stati Uniti o di qualsiasi altro luogo in cui desideri esportarlo – spiega la founder –. Si ricevono i consigli su come integrarli, quindi si tratta davvero di mettere in pratica le normative e gli standard».

Il fermento è tale che Linh Trinh sta lavorando a un indice svizzero di preparazione alla robotica. L’esperta, ex KUKA e oggi alla guida di RobotReady, iniziativa di Women in Robotics (associazione che favorisce l’inclusione), ha realizzato un questionario per le startup e uno per le strutture che vorrebbero adottare i robot, a cominciare dalle case di riposo. Perché un conto è quello che succede in laboratorio, un conto è la realtà delle aziende. «Quello che come team ci aspettiamo è di comprendere gli ostacoli che incontrano per migliorare la situazione, in modo che possano scalare meglio». I primi risultati sono attesi per dicembre.

Addestrare gli umanoidi
Durante l’AI Festival a DARE Campus Sudo AI ha messo alla prova un suo robot, dotato di bracci robotici per afferrare oggetti. Chiunque poteva lasciarne sul tavolo uno (un portachiavi, uno smartphone, un bicchiere) e testare le capacità di afferrarlo. Salvo un sottile porta-documenti, il robot ha passato l’esame con successo. Con una mano particolare, fatta a pinza. «Abbiamo scoperto che con la pinza a due dita è possibile risolvere la stragrande maggioranza dei compiti. E se ci pensate nella vostra vita quotidiana come esseri umani, se aveste solo due dita, potreste fare praticamente tutto: in realtà ci sono poche cose per cui servono cinque dita», afferma Hansen.

La robotica, tuttavia, ha una lunga strada davanti. Kateryna Portmann è senior product manager di ANYbotics, spin-off dell’ETH, e co-responsabile di Women in Robotics Switzerland. L’azienda sviluppa un robot a quattro zampe che ispeziona impianti petroliferi, chimici, elettrici e minerari con sensori visivi, termici, acustici e di vibrazione, di giorno e di notte, dove l’uomo non può entrare. Ne ha oltre duecento in servizio, per clienti come BP, Shell ed Equinor, dopo dieci anni di validazione. L’addestramento è ancora più complesso di un LLM.

«Il robot deve comprendere l’ambiente circostante», osserva Portmann. E prosegue: «Prendere un bicchiere, un compito semplice, può risultare estremamente difficile per un robot: capire quale forza deve applicare, quanta pressione deve esercitare. Credo quindi che ci troviamo in un momento in cui i robot sono in grado di svolgere bene pochi compiti e si stanno lentamente avvicinando ad altri. Ma chi assiste a queste dimostrazioni si aspetta che i robot funzionino quasi come gli esseri umani, cosa che però non è ancora realtà». Anche perché ai robot servono simulazioni dell’ambiente circostante per comprendere come agire. Non basta un LLM. Sottolinea Portmann: «Un robot è una macchina fisica. Per insegnare a un bambino ad andare in bicicletta a parole, puoi parlarne per ore, ma bisogna provarci. Altrimenti, non funzionerà mai. Lo stesso vale per i robot».

E poi c’è la fiducia del pubblico. Non a caso questa edizione dell’AI Festival aveva come tema “Trusted Intelligence”. La potenza di calcolo è nulla senza controllo (e fiducia). «Nessuno comprerebbe un umanoide di cui non si fida per tenerlo in casa – dice Kaiser di Ply –. Quindi l’idea è ovviamente quella di avere macchine più sicure, ma anche di trasformare la sicurezza da ostacolo a fattore che favorisce l’innovazione». Mentre Sam Altman spiega al mondo che deve ingoiare un po’ di “brutte notizie” se vuole gustare il miele dell’AI, la Svizzera guarda in un’altra direzione. «Qui la gente non vuole costruire in fretta – dice Portmann –. Vuole costruire qui per sempre. Vuole realizzare qualcosa che rimanga nella storia per la sua qualità e per la sua affidabilità».

L'articolo La Svizzera sta scrivendo la sua ricetta per l’intelligenza artificiale proviene da Linkiesta.it.