Quando una nave cambia rotta, un sistema di previsione deve distinguere tra una deviazione intenzionale e una deriva. M3-Former sposta il problema dalla geometria pura alla semantica: usa un LLM pre-addestrato per codificare attributi statici e intento di navigazione, poi allinea queste informazioni con le features dinamiche della traiettoria tramite self-attention. Il risultato non è una semplice fusione di dati, ma uno spazio di rappresentazione multimodale in cui la destinazione dichiarata, il tipo di nave e le caratteristiche operative convivono con posizione, velocità e rotta.

L'architettura introduce un MoE a doppia granularità. Gli esperti di sequenza modellano le tendenze globali di pianificazione della rotta; quelli a livello di token rifiniscono i comportamenti di manovra più fini. A questo si aggiunge una Steering-Weighted Cross-Entropy loss pensata per non affogare i campioni rari di virata nella distribuzione sbilanciata dei dati AIS (Automatic Identification System). Su un dataset reale danese, M3-Former supera i baseline più forti da 1 a 4 ore; nel compito a 4 ore riduce l'Average Displacement Error del 4,4% e il Final Displacement Error del 5,1% rispetto al miglior concorrente. Le analisi qualitative e gli studi di ablazione indicano che la fusione semantica riduce la deriva a lungo termine, mentre il MoE a doppia granularità migliora la robustezza in vie d'acqua complesse e in scenari di diramazione delle rotte.

La tesi implicita è che la previsione a lungo termine non possa più affidarsi solo ai pattern cinematici. Le rotte marittime sono piene di decisioni discrete — cambi di destinazione, attese, precedenze — che un modello puramente statistico fatica a separare dal rumore. Spostare una parte della conoscenza su un LLM pre-addestrato serve proprio a dare al modello un contesto con cui interpretare le deviazioni. Il guadagno percentuale può sembrare modesto, ma su orizzonti di 4 ore ha un peso operativo: ridurre ADE e FDE in modo costante significa meno falsi allarmi e una pianificazione più stabile per i sistemi di sorveglianza del traffico marittimo.

Il lato computazionale è però più delicato. La fonte non specifica né hardware né quantization, ma c'è una tensione strutturale: gli LLM pre-addestrati possono essere costosi da eseguire su una nave o in un centro di controllo portuale, mentre i modelli di traiettoria tradizionali spesso girano su architetture più leggere. Il MoE a doppia granularità ripartisce il lavoro tra esperti globali e locali, ma non elimina la necessità di mantenere nello spazio di rappresentazione un encoder semantico pesante. Per chi valuta il deployment on-premise o edge, il confronto non è solo tra metriche di errore: è tra latenza di inference, consumo energetico e il beneficio reale di una previsione semantica su 4 ore. AI-RADAR ha raccolto framework analitici su /llm-onpremise per chi deve valutare questi trade-off.

La lettura per la sovranità dei dati è altrettanto interessante. I dataset AIS sono registrazioni operative di flotte e infrastrutture portuali; la loro elaborazione in cloud può entrare in tensione con i requisiti di sicurezza di alcune autorità marittime. Un modello come M3-Former, che combina un LLM con features AIS, rende esplicito il confine: l'LLM pre-addestrato può non avere conoscenza del dominio marittimo, ma l'allineamento con il contesto semantico locale sposta il valore verso dataset specifici e potenzialmente sensibili. Se il vantaggio viene dalla codifica dell'intento di navigazione, il dato di addestramento diventa un asset strategico, e la scelta tra cloud e on-premise si fa più netta.

Resta aperta la domanda se il paradigma semantico regga quando i dati AIS sono meno densi o quando l'orizzonte si allunga oltre le 4 ore. La fonte non lo dice, ma il fatto che il MoE a doppia granularità emerga come soluzione per le diramazioni suggerisce che il prossimo banco di prova saranno scenari con traffico più eterogeneo.