🤖 AI

Odyssey: Constructing Verifiable Local Truth-Preserving Foundation Models

Questo articolo introduce ODYSSEY, un framework categoriale che utilizza l'Universal Foundry Learning e Foundry SQL per costruire modelli di fondazione verificabili e locali che preservano la verità attraverso la composizione di "foundries" modulari tramite estensioni di Kan, consentendo argomentazioni rigorose, diagnostica e l'integrazione di fonti di conoscenza eterogenee.

Autori originali: Sridhar Mahadevan

Pubblicato 2026-06-29

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Sridhar Mahadevan

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

L'Idea Centrale: Da una "Scatola Nera" a una "Fabbrica Modulare"

Immaginate gli attuali Large Language Models (come quelli con cui chattate) come una gigantesca scatola nera sigillata. Inserite una domanda e ne esce una risposta. Non sapete esattamente come sia stata costruita la risposta, da dove provengano i fatti o perché il modello abbia deciso di dire "sì" in una situazione e "no" in un'altra. Se il modello commette un errore, è difficile da correggere perché l'intera scatola è tutto un groviglio intrecciato.

ODYSSEY propone un modo diverso di costruire questi modelli. Invece di una singola enorme scatola nera, pensate a ODYSSEY come a una fabbrica di costruzione modulare (chiamata "Foundry" o Fonderia).

In questa fabbrica, la conoscenza non viene accumulata in un unico mucchio. Al contrario, viene costruita come un mosaico di toppe o una mappa fatta di piastrelle sovrapposte.

Verità Locali: Il sistema scompone il mondo in piccoli quartieri specifici (contesti locali). In un quartiere, un'affermazione potrebbe essere "provata". Nel quartiere successivo, la stessa affermazione potrebbe essere "non provata" o "contraddetta".
La Colla: Il sistema ha regole rigide su come questi quartieri si connettono. Se due quartieri si sovrappongono, il sistema controlla se sono d'accordo. Se non sono d'accordo, non forza l'accordo; al contrario, segnala il disaccordo come un "glitch" o un "percorso bloccato" che richiede l'attenzione umana.

L'obiettivo è creare modelli che siano verificabili (si può controllare il lavoro) e preservino la verità (non mentono su ciò che sanno o su dove lo sanno).

I Cinque Lavoratori (Gli Agenti)

Per gestire questa fabbrica, ODYSSEY utilizza cinque agenti specializzati (lavoratori software), chiamati secondo figure della mitologia greca. Essi passano un file di progetto da uno all'altro, come su una catena di montaggio:

SCYLLA (La Traduttrice):
- Ruolo: Lei parla con l'umano. Quando fate una domanda, traduce la vostra richiesta vaga in un "brief del lavoro" preciso.
- Analogia: Immaginate di dire a un appaltatore: "Voglio una casa". Scylla chiede: "Intende un cottage? Un grattacielo? Qual è il budget? Quali materiali?". Trasforma il vostro desiderio in un progetto architettonico.
HOMER (Il Project Manager):
- Ruolo: Prende il progetto di Scylla e scrive la lista di cose da fare passo dopo passo. Decide quali strumenti sono necessari e in quale ordine.
- Analogia: È il capocantiere che dice: "Per prima cosa, dobbiamo versare il cemento. Poi, dobbiamo ordinare i mattoni. Ecco il programma".
ATHENA (L'Architetta):
- Ruolo: Progetta la struttura. Decide come i diversi "quartieri" della conoscenza si incastrano tra loro. Stabilisce le regole su come l'informazione può muoversi da un'area all'altra.
- Analogia: Disegna la mappa. Dice: "La cucina si collega alla sala da pranzo, ma la cucina non si collega direttamente al garage senza un corridoio". Assicura che la logica sia solida.
PROMETHEUS (Il Costruttore):
- Ruolo: Costruisce effettivamente il modello basandosi sui piani di Athena. Raccoglie i dati, esegue i calcoli e crea il "modello del mondo".
- Analogia: È la squadra edile. Posano i mattoni, installano i tubi e costruiscono le pareti. Se trova un problema (come un tubo mancante), scrive un rapporto al riguardo.
TOULMIN (L'Avvocato/Il Dibattitore):
- Ruolo: Non si limita a costruire; lui argomenta. Prende il modello finito e controlla: "Abbiamo prove per questa affermazione? Esiste una controargomentazione? Quali sono i limiti?".
- Analogia: È l'ispettore della qualità che impugna un martelletto. Chiede: "Affermate che questo ponte è sicuro. Mostratemi il rapporto ingegneristico. E se piove? Ecco le prove che supportano la vostra affermazione, ed ecco le prove che potrebbero smentirla".

Gli Strumenti Speciali

Il paper introduce alcuni strumenti specifici per far sì che tutto questo funzioni:

L'Algebra della Fonderia (Foundry Algebra): È come un set di istruzioni LEGO. Potete prendere un blocco "Negozio" e un blocco "Finanziario" e incastrarli per creare un modello di "Azienda al dettaglio". Non potete incastrarli a caso; le istruzioni (l'algebra) vi dicono esattamente come devono combaciare.
TICKET (La Guardia Giurata): È un sistema per permettere alle nuove informazioni (come un modello pre-addestrato esterno) di entrare nella fabbrica. Non le lascia solo entrare; controlla il loro documento d'identità, scansiona i bagagli e decide: "Puoi entrare", "Puoi entrare ma resta nella sala d'attesa" oppure "Sei bandito".
FSQL (Foundry SQL): È un linguaggio speciale per porre domande al modello. Invece di chiedere semplicemente "Che tempo fa?", potete chiedere: "Mostrami i dati meteorologici solo per il quartiere dove abbiamo un'alta confidenza, e nascondi i dati dove stiamo solo tirando a indovinare".

Esempi dal Mondo Reale dal Paper

Gli autori hanno testato questo sistema su diverse "Fonderie" per dimostrare che funziona:

MyFixIt (Manuali di Riparazione):
- Hanno costruito un modello per riparare laptop. Invece di leggere solo testo, il sistema comprende le azioni: "Rimuovi la vite", "Solleva il componente", "Controlla l'immagine".
- Risultato: Quando interrogato per trovare un passaggio di riparazione, questo sistema è stato molto più bravo a trovare la risposta corretta rispetto alla ricerca testuale standard, perché comprendeva l'azione e lo strumento necessario, non solo le parole.
Scrittura dell'Indo (Antico Mistero):
- Hanno applicato questo sistema alla scrittura della Valle dell'Indo, ancora indecifrata.
- Risultato: Il sistema non ha finto di conoscere la risposta. Ha mostrato le diverse teorie, dove si sovrappongono e dove si contraddicono. Ha segnalato esplicitamente le parti "sconosciute" come percorsi bloccati, invece di inventare una traduzione (allucinazione).
TCC 44K (Rivendicazioni Economiche):
- Hanno analizzato 44.000 articoli economici riguardanti causa-effetto.
- Risultato: Il sistema poteva dirvi: "Questo studio dice che X causa Y, ma solo in questo specifico paese, e solo se si ignora questo altro fattore". Ha mantenuto visibili le "note a piè di pagina" invece di appiattire tutto.
Assemblaggio IKEA:
- Hanno testato il sistema su video di assemblaggio di mobili.
- Risultato: Il sistema ha controllato se il video della persona che costruisce la sedia corrispondeva alle istruzioni. Se il video mostrava un pezzo mancante o un passaggio saltato, il sistema lo segnalava come un "glitch" invece di ignorarlo.

Conclusione

Il paper sostiene che ODYSSEY è un modo per costruire modelli di IA che siano:

Trasparenti: Potete vedere esattamente come il modello è stato costruito e da dove provengono i dati.
Onesti: Se il modello non sa qualcosa, o se due prove sono in disaccordo, lo ammette (creando un record di "ostruzione" o "glitch") invece di inventare una risposta.
Riparabili: Se una parte del modello è errata, potete riparare solo quel "quartiere" senza dover ricostruire l'intero sistema.

Gli autori affermano che questo è attualmente un sistema in "fase di progettazione". Funziona bene per compiti specifici e strutturati (come manuali di riparazione o documenti finanziari), ma non è ancora un sostituto dei chatbot generici e massicci che usiamo oggi. È una nuova architettura per costruire un'IA affidabile e ispezionabile, non una soluzione magica per tutto.

Sintesi Tecnica: ODYSSEY – Costruire Modelli di Fondazione Verificabili e Locali che Preservano la Verità

Problematica

Gli attuali Large Language Models (LLM) e i modelli di fondazione funzionano come interfacce generaliste, ma spesso falliscono in contesti scientifici, industriali o operativi dove gli utenti richiedono modelli specifici per dominio che possano essere progettati, ispezionati, adattati e considerati affidabili. Gli approcci esistenti trattano tipicamente i modelli come embedding opachi, riassunti piatti o singoli checkpoint. Questa mancanza di struttura rende difficile preservare l'evidenza locale, esporre l'incertezza, tracciare la provenienza o determinare quando un'affermazione non debba essere trasportata da un contesto all'altro. Il documento sostiene la necessità di un passaggio dalla costruzione di modelli monolitici a un'architettura modulare e verificabile che tratti i modelli di fondazione come "fonderie" (foundries): blocchi costruttivi riutilizzabili e tipizzati, capaci di preservare la verità locale e gestire la coerenza delle affermazioni globali.

Metodologia: Il Framework ODYSSEY

ODYSSEY è un framework categoriale per la costruzione di modelli di fondazione come famiglie di modelli predittivi e logici locali simili a fasci (sheaf-like). Il principio di design centrale è rappresentazione = copertura + incollaggio (covering + gluing), dove i documenti e i domini non sono ridotti a singoli vettori, ma sono trattati come regioni sovrapposte con logiche locali.

1. Lo Stack a Cinque Agenti

Il sistema è implementato come uno stack deterministico di cinque agenti, ciascuno con confini espliciti per gli artefatti:

SCYLLA: Traduce le richieste umane in un "brief del modello" (definendo dominio, obiettivi, entità e incertezze) e spiega il contratto della risposta responsabile.
HOMER: Compila il brief in uno scheletro di workflow eseguibile, includendo la raccolta delle fonti, i programmi di audit e gli obblighi di aggiornamento.
ATHENA: Gestisce la semantica rappresentativa. Definisce la copertura (contesti locali), assegna i tipi di rappresentazione locale, dichiara le sovrapposizioni e specifica le regole di incollaggio e le politiche di ostruzione. Utilizza una partizione finita dei valori di verità: $\perp$ (non supportato), WEAK (debole), PLAUSIBILE, SUPPORTED (supportato) e $\top$ (confermato).
PROMETHEUS: È il motore operativo che istanzia il piano di Athena come un Modello di Mondo Topos (Topos World Model). Materializza sezioni locali, mappe di restrizione, risultati di incollaggio e fonti di evidenza. Costruisce "fasci di sorgente" (es. documenti societari, manuali di riparazione o affermazioni scientifiche) ed emette record di ostruzione quando l'incollaggio fallisce.
TOULMIN: Un agente di argomentazione che trasforma lo stato mantenuto della fonderia in affermazioni motivate. Struttura gli argomenti utilizzando gli elementi di Toulmin (Affermazione, Fondamento, Garanzia, Supporto, Qualificatore, Confutazione), assicurando che il sistema risponda non solo al "cosa", ma anche al "perché" e al "dove" un argomento è valido.

2. Algebra della Fonderia e Universal Foundry Learning (UFL)

ODYSSEY organizza la costruzione del modello come un'algebra di fonderie generiche (es. evidenza/argomentazione, decisione operativa, istituzionale/finanziaria) che possono essere composte, ristrette e specializzate per creare fonderie concrete.

Universal Foundry Learning (UFL): L'ammissione di modelli esterni (inclusi modelli pre-addestrati in stile GPT) è formalizzata utilizzando le Estensioni di Kan.
- Estensione di Kan Sinistra ($Lan$): Riporta gli artefatti sorgente locali in fonderie candidate (espansione/aggregazione).
- Estensione di Kan Destra ($Ran$): Impone coerenza, restrizione e condizioni di incollaggio (filtraggio/pullback).
TICKET (Topos Integration using Causal Kan Extension Transformers): Un operatore di ammissione specifico che seziona gli artefatti esterni, li trasporta in una fonderia target tramite un funtore dichiarato e li sottopone a controlli di coerenza. Un candidato viene promosso solo se sopravvive all'audit di incollaggio e allo scrutinio di Toulmin; altrimenti, viene messo in quarantena o bloccato.

3. Foundry SQL (FSQL)

Un'interfaccia di query tipizzata per sezionare e interrogare gli artefatti mantenuti della fonderia. FSQL generalizza i concetti SQL (righe, join, viste) alle sezioni della fonderia, alle mappe di restrizione e ai controlli di incollaggio, permettendo agli utenti di ispezionare la provenienza e la coerenza di specifiche affermazioni.

Contributi Chiave

Architettura della Fonderia: Introduce ODYSSEY come un sistema per costruire modelli di fondazione ispezionabili come famiglie simili a fasci, anziché come embedding opachi.
Contratto dell'Agente: Specifica il contratto di implementazione e gli artefatti duraturi scambiati tra SCYLLA, HOMER, ATHENA, PROMETHEUS e TOULMIN.
Algebra della Fonderia: Definisce un'algebra formale per comporre e specializzare fonderie generiche per produrre istanze vincolate al dominio.
Meccanismi di Ammissione: Introduce FSQL per interrogare la fonderia e TICKET per ammettere modelli esterni in uno stato duraturo utilizzando i Causal Kan Extension Transformers.
Core Formale: Formalizza il nucleo predittivo-locale e la teoria dei fasci, includendo contesti, coperture, valori di verità finiti e record di ostruzione.
Implementazione Empirica: Documenta una serie di fonderie implementate, tra cui:
- Dick's Sporting Goods (DKS): Una fonderia retail che combina evidenze di recensioni, operazioni di negozio e documenti societari.
- Indus Script: Una fonderia di sfida scientifica che preserva ipotesi rivali e controversie senza forzare un consenso prematuro.
- MyFixIt: Una fonderia procedurale per manuali di riparazione, che converte il testo in stati predittivi azione-osservazione.
- TCC 44K: Un atlante di affermazioni causali su 44.000 articoli di economia.
- IKEA ASM: Una fonderia di assemblaggio multimodale.
- Amazon Reviews 2023: Una fonderia di benchmark del corpus.

Risultati e Valutazione

Il documento presenta risultati empirici preliminari in vari domini, enfatizzando la valutazione basata su artefatti rispetto ai singoli punteggi scalari:

Recupero MyFixit: Nei compiti di recupero procedurale, la rappresentazione azione-osservazione PSR (Predictive State Representation) ha superato significativamente il baseline basato su token.
- nDCG@10: Migliorato di +0.2478 (Current), +0.2460 (Broader) e +0.2726 (Strict).
- Recall@10: Migliorato da 0.1000 (baseline) a 0.6130 (Strict profile).
- Slices di Fallimento: Il sistema ha preservato esplicitamente i casi di fallimento (es. alias testuali, lacune nel grounding delle immagini) come artefatti duraturi invece di mediarli.
Certificazione di Toulmin: Test deterministici in sette domini (Indus, TRACE, TCC, 10-K, ecc.) hanno dimostrato che il sistema ha costruito con successo ticket completi di tipo Toulmin (Affermazione, Fondamento, Garanzia, Qualificatore, Confutazione) e ha identificato correttamente le ostruzioni, portando alla "quarantena per revisione" piuttosto che alla promozione silenziosa.
Indipendenza dalla Scala: Esperimenti con LLM locali (Llama 3.2-3B, Qwen3-80B, Qwen3-235B) hanno mostrato che il rilevamento delle ostruzioni (es. nelle affermazioni sull'estinzione dei dinosauri) era legato al pacchetto basato sul fascio (sheaf-grounded packet) piuttosto che alla scala specifica del modello, indicando robustezza nella logica di ammissione.
Trasporto Bidirezionale: Il sistema ha importato con successo 129 artefatti della famiglia Prometheus (ammettendo 6, mettendo in quarantena 6 e trattenendo 117 come candidati) ed esportato le fonderie ODYSSEY nuovamente in Prometheus per l'ispezione visiva.

Significato e Rivendicazioni

Il documento posiziona ODYSSEY non come un sostituto dei grandi modelli pre-addestrati, ma come un substrato verificabile per essi. La sua importanza risiede in:

Disciplina Epistemica: Separa la richiesta umana, il workflow, la semantica della rappresentazione, il modello di mondo e lo strato di argomentazione, garantendo che "l'accordo e il disaccordo siano entrambi artefatti duraturi".
Preservazione della Verità Locale: Utilizzando la teoria dei fasci, il sistema traccia esplicitamente dove le affermazioni sono motivate, dove l'incollaggio fallisce e dove il trasporto è bloccato, prevenendo il "collasso dei leaderboard" delle medie globali che oscurano le contraddizioni locali.
Rigore Causale e Argomentativo: Integra il ragionamento causale (tramite PROMETHEUS e BRIDGE/SKFM) e l'argomentazione (tramite TOULMIN) direttamente nel ciclo di vita della costruzione del modello, andando oltre il debugging post-hoc verso una giustificazione integrata.
Ambito Empirico Modesto: Gli autori riconoscono che l'attuale implementazione è un "sistema in fase di design" con componenti guidate da template e assegnazioni di verità deterministiche. I risultati sono presentati come validazioni preliminari del contratto della fonderia e degli schemi degli artefatti, non come benchmark definitivi. L'obiettivo è dimostrare che la stessa macchina categoriale può supportare la costruzione di domini, il replay degli artefatti e lo scrutinio fondato su fonti eterogenee.

Il documento conclude che ODYSSEY offre una via per trasformare i grandi modelli di fondazione in "fonderie verificabili e locali che preservano la verità", dove la scala fornisce il materiale espressivo, ma la macchina categoriale decide dove tale materiale è giustificato e dove la revisione umana rimane essenziale.